当前位置:首页 > > 满天芯
[导读]新调查研究发现,购买芯片的企业从下单到等待芯片到货的时间已拉长到超过20周,显示全球芯片短缺问题已经到了一个新的高峰。根据SusquehannaFinancialGroup的研究报告,在7月,采购半导体从下单到取得交货的「前置时间」已拉长至20.2周,比前月增加逾8天。 这是该公...


新调查研究发现,购买芯片的企业从下单到等待芯片到货的时间已拉长到超过20周,显示全球芯片短缺问题已经到了一个新的高峰。

根据Susquehanna Financial Group的研究报告,在7月,采购半导体从下单到取得交货的「前置时间」已拉长至20.2周,比前月增加逾8天。 这是该公司2017年开始追踪相关数据以来的最长等待时间。
报告显示,微控制器(MCU)短缺情况在7月进一步加剧,交期时间已经高达26.5周,远远高于一般须等待的6至9周。这类芯片被广泛用于汽车、工业设备和家用电子产品控制功能。
 不过,好消息是,电源管理芯片的交期时间较6月份已经缩短。

汽车产业受半导体短缺的冲击最深,由于芯片短缺导致汽车无法顺利生产,预期损失超过1,000亿美元的汽车销售额。
其他领域也受影响,包括苹果等最大型企业在内,许多电子产品制造商无法满足产品的所有需求。
交货周期被芯片产业及其客户视为衡量供需平衡的一个重要指标,因为交货延长可能是半导体芯片客户争相囤货所致,这未来可能导致库存积压以及订单的突然下滑。
受到交期延长及芯片荒恶化消息影响,美国周二费城半导体指数下跌1.20%,报3,358.9点,美光大跌5.36%;德州仪器下跌0.42%;高通跌0.71%;NVIDIA跌1.77%。
☆ END ☆








【往期热文】
【1】史上最全的半导体产业链全景!【2】TWS蓝牙耳机供应链 主流方案对比!【3】干货!元器件封装查询图表(超全)【4】2020全球主要MLCC厂商及制作流程【5】全球连接器厂商100 !附选型指南

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除( 邮箱:macysun@21ic.com )。
换一批
延伸阅读

依托微五科技公司平台的技术积累与产业资源,芯片产品已在燃气、电网、信创及物联网等领域实现芯片规模化应用,成为推动RISC-V架构落地的重要力量。未来,该公司将持续深耕AIoT芯片领域,为更多行业客户赋能,提供高性能、高安...

关键字: 芯片 半导体

中国,2026年5月25日——意法半导体(简称ST)(纽约证券交易所代码:STM)总裁兼首席执行官 Jean-Marc Chery 将于北京时间2026年6月2日下午17点(即同日中欧时间上午11点)在巴黎举行的 BNP...

关键字: 意法半导体 电源 芯片

在汽车电子、工业控制、医疗设备等安全关键领域,嵌入式产品的生命周期不仅仅是从开发到上市这一短周期,而是要5年、10年甚至更久的长期维护、更新与迭代。对嵌入式系统开发工程师与研发团队而言,时间不再只是衡量项目进度的标尺,而...

关键字: 汽车电子 工业控制 芯片

少一次回写、少一次读回,按理说融合应更快,可很多内核一融合反而掉速,问题常不在算子数学,而在活跃状态被拉得太长。AI芯片做编译优化时,最容易高估的不是融合收益,而是寄存器和片上暂存能否接住融合后的活跃值。

关键字: AI 芯片 寄存器

峰值带宽写得很高,实际执行却总像喂不饱阵列,这种落差常常不在 HBM 规格本身,而在数据流并没有均匀走到每一条通路。AI芯片若把外存分布和片上互连解耦看,理论带宽再大也会先堵死在局部热点。

关键字: AI 芯片 HBM

模型并不轻,单次推理却总跑不出预期吞吐,这种问题在小批量场景尤其常见。AI芯片面对在线推理、实时控制或多租户请求时,最难受的往往不是峰值算力不够,而是流水线永远没被真正填满。

关键字: AI 芯片 算力

理论上跳过零值就能省算力,可很多稀疏加速器一上真模型,利用率却远没想象中高。AI芯片要把稀疏红利吃满,难点并不在于识别零,而在于元数据和负载波动会把省下来的乘法重新花在别处。

关键字: AI 芯片 负载均衡

模型规模没变,利用率却总上不去,很多时候不是算力单元太少,而是片上缓存先被撑爆。AI芯片一旦把局部存储和分块调度看得过于理想,乘加阵列就会反复等数据,而不是持续吃满。

关键字: AI 芯片 SRAM

标称功耗没超预算,频率却总是跑不久就掉下来,这类现象往往不是散热器不够大这么简单。AI芯片在高并发矩阵和缓存访问同时拉满时,最先撞上的常常是瞬态供电边界和热控反馈,而不是长期平均功耗。

关键字: AI 芯片 功耗

权重和激活一降到低比特,吞吐是上去了,精度却常常不是线性下降,而是在某几个层面突然断崖。AI芯片做低比特计算时,最危险的并不是量化本身,而是量化误差和累加边界在同一层上叠加失控。

关键字: AI 芯片 精度
关闭