【菜科解读】

智东西

作者 | 云鹏

编辑 | 漠影

声音，在我们生活中无时无刻伴随、无处不在，而好声音、好的音频体验，更是在当下人们愈发追求生活品质的时代获得了越来越多的关注。

即便是当下最火的AI，想要有好的交互体验，也离不开出色音频技术的加持。

从公司到个人，今天各类智能体开始进入我们的工作、生活，接管系统、自主执行复杂任务。

AI需要感知真实世界，而自然语言则会成为人机交互的核心方式之一。

从自然语音交互、离线翻译到环境音检测，技术的发展、用户需求的升级，对终端的音频信号采集与处理的整个链路、各个环节都提出了新的高要求。

小型化、高集成度成为设备形态趋势下，如何在不断被压缩的物理空间、极低的功耗预算和严苛的BOM成本内，塞进更优秀的音频系统？这已成为音频产业面临的核心挑战，而芯片底层的技术演进无疑成为破局的关键。

在这一行业背景下，智东西近期独家深度对话了德州仪器（TI）模拟信号链音频业务副总裁Vikas S V，深入交流中，我们进一步了解到TI对音频行业发展的深入思考和前瞻性布局，挖掘了TI产品背后的核心技术底牌、其如何通过“积木式”硬件架构，帮终端厂商在微观的硅片上“对抗物理定律”，破解行业难题。

从AI的爆发到各行各业，从工作、生活到娱乐等诸多场景，用Vikas的话来说，他们希望让人人都能获得好的音频体验，并且负担得起，这也是TI的核心理念，如果更进一步，那就是“让生活更美好一点”。

在科技行业技术发展日新月异的今天，TI不仅为AI时代的各类智能硬件生态夯实了音频体验的“地基”，作为底层芯片老牌玩家，他们更给行业持续提供着扎实的音频解决方案，通过技术创新悄然推动着消费电子、汽车、工业等各行各业的升级转型。

一、从汽车、工业到消费电子，音频技术创新是“空间与物理定律”的极限博弈”

今天，个人消费电子、汽车、工业自动化、机器人等领域都在消费需求升级、技术迭代创新、企业转型等诸多变化之下迎来新的机遇和挑战，能否顺应趋势解决痛点是行业破局的关键所在。

最突出的特点是，音频体验已经无处不在，音频早已不止于印象中的“扬声器”、“听音乐”。

从手机、眼镜到智能音箱的语音助手，以音频或文字形式的自然语言交互几乎成为人机交互最常见最自然高效的方式。

不仅是消费电子，在汽车和工业领域，音频需求呈数倍暴涨态势。

十年前，一辆汽车中可能只有4-5个扬声器，只负责广播、音乐的播放，今天，一辆入门级汽车或许会搭载20多个扬声器，而一款高端车型可能搭载约40个。

播放音频、通话、提示、降噪，音频需求无处不在。

尤其在智能驾驶技术高度发展的今天，在辅助驾驶开启的整个过程中，车机与驾驶员都是通过大量语音和视觉信息进行交互，比如提醒车道偏离、驾驶员语音操控车辆进行各种控制。

在愈发注重体验品质的今天，部分车型会用上基于音频技术实现的主动降噪，让车内更安静，这种降噪技术的应用还可以客观减少车内隔音材料的使用，进一步实现车辆的减重、轻量化，这对电动汽车来说至关重要，意味着更长的续航和更好的性能。

需求之大、之复杂只是一方面，汽车对音频器件的可靠性同样提出极高要求，因为今天这些器件需要的是保证各类复杂功能的前提下，还要稳定使用十年、数十年之久，这种“既要又要”无疑给音频器件设计带来了极高挑战。

在工业场景，需求的增长和挑战的到来同样突出。

“机器人下场干活”已经成为行业重要趋势，在各类全自动化智能工厂中，机器人不仅可以搬运货物、拧螺丝，更可以监控整个厂区的运行，从设备的正常运转到工厂的安全运行、有无异常状况发生，而音频技术在这些场景中大有可为。

机器人可以依据声音线索采取行动，例如识别玻璃破碎声或火灾警报，正如优秀的人类技师可以通过听设备运转的“异响”来判断某个部件需要更换，机器人同样可以做这样的“声音诊断”。

各类音频信息输入并转化为独特的“声音特征”，TI基于神经网络模型来学习庞大的声音数据库，研发出类似“活动检测”的功能，并应用在音频芯片中，这样搭载芯片的机器人就可以利用这些信息做出差异化响应，比如打开摄像头监控查看异响来源、根据火警声音提醒工人避险。

甚至未来当机器人走入家中，类似技术带来的想象力也是巨大的，比如机器人可以根据家中各类智能设备的提示音，来决定后续操作动作。

可以看到，从消费电子到汽车、工业场景，音频系统的重要性都在不断提升，需求也水涨船高，随之而来的是这些改变给音频芯片领域带来的挑战。

首先，音频系统复杂度有着指数级提升，比如智能音箱有着拾音、信号处理、通信、语义理解、生成回应、播放等完整链路，形成持续交互的闭环。

从电源管理、麦克风接口ADC/编解码器、处理声音DSP到播放声音的放大器，硬件层一系列组件都牵涉进来。

与此同时，各类电子产品都向着小型化、轻薄化、高集成度化发展，留给扬声器的空间越来越小，但音频质量的要求依旧不减，甚至更高，同时也要求元器件有更高能效、进而保证续航。

比如一个人形机器人，所有声学元件、电子元件都要装进一个头部，一副AI眼镜的电池只有100mAh左右，却要求支持显示、拍照、AI交互等一系列复杂功能，空间、能耗局限与音频物理定律的博弈时刻存在。

正如Vikas所说，上述这一切体验的核心都是“音频子系统”，听觉是人感知环境最自然的方式之一。

行业面临的挑战愈发多元和复杂，对空间体积、声学、功耗、能效的要求都达到新的高度，亟待底层芯片解决方案的突破来破局。

TI音频解决方案的突出价值之一，就在于让各类自动化设备和电子系统能在基于听觉感知的环境中运行，减少“摩擦”——减少对人工操作和实时指令的依赖，机器可以主动聆听、理解上下文并自主行动，从而让人得以解放出来，专注于其它更有价值的事情。

二、超8万种产品、10万+客户，TI化身音频“模块化积木”供应方

具体来看，为了应对这些变化和挑战，TI作为行业龙头，在音频模拟芯片领域已准备诸多“解法”，可以说是备好了音频“百宝箱”。

目前TI有着超过8万种产品，服务于全球超过10万家客户，“多”可以理解为选择充分，而更重要要的是，TI提供的不只是单点技术或产品，而是一站式解决方案。

简单来说，TI通过提供参考设计和软件开发套件，帮助客户快速地将一个想法转化为原型，再从原型推进到量产。

这其中涉及到一个很关键的能力，就是TI的解决方案是高度可扩展、支持动态配置的，客户可以构建一个单一平台来验证整个解决方案，客户要发布不同档位型号的产品时，不需要重新设计硬件，也不需要重新设计软件，可以动态配置。

这是如何实现的？为何TI能够相比行业其他厂商提供这一独特能力？在深入交流中，Vikas向我们分享了诸多技术层面的细节。

实际上，TI的IDM模式是实现底层定制、高度集成的关键制造基础支撑，TI有自己的晶圆厂、封装厂、测试厂，这样可以保证TI能在流程的每一步中进行技术的调整，可以将各类复杂功能集成到一颗芯片中，并以更小的外形尺寸进行封装。

同时，由于TI可以进行定制生产，因此他们可以开发特殊组件来针对性优化IP，可以更精准地实现某些产品特性，比如一个放大器器件，从眼镜、手机、机器人到汽车，用于不同产品中都可以做针对性调整。

Vikas特别提到，核心的处理技术、设计理念以及电路本身的IP，往往是非常相似的，只是根据不同的功率等级进行缩放，这就是我们实现差异化的主要方式。

一系列组合拳下去，TI可以拿出的是兼顾紧凑、高集成度、定制化、极具针对性的解决方案。

值得一提的是，TI的技术是不断迭代演进的，这也是很重要的。

比如智能手机技术应用到汽车领域，同样的技术带入机器人领域，技术以渐进方式演进，一个领域的技术进入到下一个领域，得到提升，然后又反过来影响其他领域。

在Vikas看来，技术往往以渐进的方式演进，它们通常是微小的进步，但这些微小的进步在五年、十年、二十年、三十年的时间里不断累积，当我们回顾几十年的技术发展历程时，它看起来就像是一次巨大的飞跃。

在前沿技术研发领域，TI会开发基于CMOS工艺、GaN工艺或其他新兴架构的新技术，根据目标设备的形态，寻找更适合的独特封装方式，大量前沿IP、广泛的知识产权组合、电路设计以及系统级解决方案都是TI在持续积累的。

▲智能汽车音频领域代表性产品

Vikas特别提到，工艺、封装、IP三者的结合才是关键所在。

不同的工艺、技术，都像是工具箱里的不同工具，TI会在合适的应用中使用合适的工具。

总体来看，TI就像是“模块化积木”的供应方，提供不同尺寸和形状的积木构建所需的系统，TI的目标是提供所有种类的“模块化积木”。

对于客户来说，这可以显著降低研发门槛，提高效率，消除企业构建音频解决方案时存在的入门壁垒。

无论公司大小，都能使用相同的工具包、相同的器件、相同的支持去打造自己的方案。

从海量产品组合到深厚技术积累，再到扎实的生态布局和全球化扩展，TI在音频芯片技术的革新浪潮中已形成核心优势壁垒。

结语：技术迭代迅猛向前，扎稳音频技术之根，TI正让生活变得“更美好一点”

从手机、机器人到工业、汽车，音频应用的越来越多、越来越深，使用场景越来越严苛，音频技术发展仍会面临诸多挑战，更好的性能、更优的成本结构以及更紧凑的解决方案永远是没有“尽头”的优化方向。

从宏观层面来看，在减少“摩擦”，让人机交互更“顺畅”的同时，TI将曾经高端、价值数千美元的解决方案带到了人人都可以购买、可以随身携带的产品中。

正如Vikas所说，这就回到了TI的核心理念：让人人都能获得好的音频体验，并且负担得起。

面向AI交互发生深刻变革的未来，自然语言交互会愈发普及于各类人机交互场景中，音频基础技术的升级、更多优秀音频产品的涌现，都将成为我们未来拥有更好生活体验的关键支撑。

代理AI应用引爆CPU需求，AMD数据中心CPU份额升至41%

随着人工智能（AI）技术的快速演进，全球科技产业正迎来一场前所未有的基础设施变革。

过去数年来，图形处理器（GPU）一直是推动AI发展的核心。

然而，随着代理AI（Agentic AI）的强势崛起，最新的市场与分析报告指出，云端供应商的算力瓶颈已正式从GPU转移至中央处理器（CPU）。

这股因AI而起、对CPU需求呈指数级成长的狂潮，不仅导致亚马逊（Amazon）与微软（Microsoft）等云端巨头面临严峻的“缺芯”危机，更直接带动了芯片大厂AMD在数据中心CPU业务上的惊人成长。

凭借着强势的x86构架优势与新款芯片布局，AMD服务器CPU的市占率与营收双双狂飚，华尔街分析师更进一步上调了其目标价位，预示着AI硬件市场即将迎来全新的洗牌与格局。

代理AI改变算力需求结构，CPU成为新瓶颈 根据市场研究机构Semianalysis的最新报告，AI运算的资源限制已经发生了根本性的转移。

在过去，执行AI任务的GPU主要负责相对单纯的推理（Inferencing）工作，但随着AI模型的不断推陈出新与进化，这项生态已经被彻底颠覆。

现在，伴随着模型数量的激增以及需求以指数级别的速度成长，代理型AI被广泛应用，AI系统需要大规模、持续运行，且能自主完成复杂任务的规划与执行，这意味着对于数据中心的协调与调度的算力需求将会指数级增长。

过去在云端服务器中，AI运算资源的配置多半以GPU为主导，例如一个机架上的单颗CPU可能需要搭配运行8颗GPU。

然而，现在这种极端的比例差距正在快速缩小，如今服务器中GPU与CPU的配置比例已经越来越接近。

过去100 MW的GPU算力只需不到10MW的CPU来支撑。

但现在无论是在强化学习训练还是代理型推理模型上，两者的耗能与配置比例已大幅拉近，这也导致了科技大厂的CPU资源陷入枯竭。

云端供应商算力告急，微软与亚马逊面临史无前例CPU荒 这波突如其来的CPU庞大需求，已经对全球知名的云端服务与基础设施造成了实质的冲击。

以知名的代码代管平台GitHub为例，近期便遭遇了严重的数据库不稳定问题，许多使用者回报系统出现宕机，且经常无法成功提交代码。

而探究其背后原因，竟然是因为微软已将其所有闲置的CPU资源全数出售或调配给了其他AI公司，尤其是那些与OpenAI和Anthropic签署协议的外部企业。

除了，微软的CPU储备已经见底，同样的窘境也发生在其他巨头身上。

据市场消息指出，尽管亚马逊已经将其CPU服务器的数量按年增加了两倍，但依然耗尽了所有的CPU供应，并且已无法满足未来的需求成长。

此外，为了因应早期的短缺情况，OpenAI曾经将其代码库从传统的x86构架移植到当时亚马逊资源较充裕的Arm构架CPU上。

分析指出，这将引发一场巨大且迫在眉睫的CPU全面短缺危机，不仅限于Arm CPU芯片，x86构架芯片也将面临相同的命运。

在产能排挤效应下，未来CPU资源将高度集中于AI领域，这意味着消费端与企业端市场的CPU生产线将受到不利影响，进而导致供应短缺、价格飙涨，市场将演变成“价高者得”的残酷竞争。

x86构架重获青睐，AMD服务器CPU市占率飚升破四成 在这场因AI驱动的CPU短缺危机中，AMD成为了最大的受益者之一。

机构分析指出，受惠于代理型AI的强劲推动，AMD的市场价值定位获得了进一步的强化。

尽管Arm构架CPU在云端服务供应商（CSP）的自研芯片领域中取得了一定进展，但在搭配GPU进行AI运算时，x86构架依然是业界的优先解决方案。

这主要是因为x86在编排调用上具备更优异的性能表现。

尤其是AMD的CPU能够提供更低的延迟、更佳的软件兼容性，以及高达约1.6 TB/s的内存带宽（如Venice构架CPU）。

根据Mercury Research的数据显示，AMD在服务器CPU市场的价值份额于2025年第四季已大幅跃升至41%，出货量份额也达到了29%。

在台积电N3制程晶圆产能提升、平均销售单价（ASP）上涨的带动下，加上基于N2制程的新一代Venice CPU的推出，市场预期AMD在2026年的全年CPU出货量将实现28%的同比增长，营收更将大幅飙升46%。

而面对强大的市场需求，作为x86芯片主要供应商的AMD与Intel正全力向云端供应商供货，而NVIDIA也在积极提升其结合多颗芯片与大量DRAM的Vera CPU机架产能以应对这波商机。

MI455芯片供不应求，推动AMD目标价上调与营收看涨 除了CPU业务的强劲爆发，AMD在AI加速芯片领域的表现同样备受瞩目。

尽管市场先前因进展速度较预期缓慢而一度下调对AMD MI455芯片的预期，但最新的积极信号显示，搭载该芯片的Helios 72机架需求出现了显著的上调，预计到2026年底出货量将从原先预估的3,000台翻倍至6,000到7,000台。

这主要受惠于OpenAI与Meta两大关键客户坚定的需求，数据显示，2026年下半年这两大客户对MI455的需求量约为60万颗，但同期的供给量却仅有40至45万颗，呈现严重的供不应求状态。

此外，预期技术规格更复杂的MI550将为AMD带来另一波阶跃式的提升。

基于CPU市占率的快速扩张与MI455的大幅改善，市场分析师对AMD释出极为乐观的业绩展望。

预测其2026年第一季营收将达102亿美元，并在数据中心CPU的强势支撑下，毛利率将回升至55.5%至56%的区间。

更长远来看，分析预测AMD的数据中心营收将在2026年、2027年及2028年分别达到300亿美元、520亿美元以及惊人的810亿美元。

而考察到前瞻业绩表现与数据中心CPU攀升的平均售价，分析机构将AMD 2026年EPS预估微调降2%、2027年EPS上调5%，并基于2026与2027年预估本益比的33倍，将AMD的目标价从303美元正式调升至311美元。

综合来看，代理型AI的发展已将全球科技产业带入一个全新的算力格局。

对CPU的高强度需求打破了过去由GPU独霸的局面，引爆了全球性的CPU供应链变局。

而在这场变革中，AMD凭借着其在x86服务器CPU的技术优势与市占率扩张，搭配持续更新的AI加速芯片，成功构筑了强大的成长动能，在未来的AI基础设施争霸战中占据了极为有利的战略位置。

编辑：芯智讯-林子 来源：Technews

全球3/4人口缺水？地球步入“水资源破产”时代

联合国一份最新报告指出，由于过度消耗与全球变暖，地球已进入“水资源破产”时代，全球有3/4的人口生活在缺水、水污染或气候干旱的国家和地区。

伊拉克南部的哈维宰沼泽原本因长期干旱而逐渐干涸。

（新华社/发） 报告发现，全球70%的主要含水层正在萎缩，且很多变化不可逆转。

据调查，世界上很多地区不仅超额支取雨水和融雪带来的年度“收入”，还在不断透支那些需要数千年才能回补的地下水“储蓄”。

这主要由农业发展以及城市向干旱地区扩张导致，而气候变化让这些本就缺水的地方愈发干旱。

在土耳其，过度抽取地下水已导致近700处出现塌陷坑。

该报告作者，联合国大学水、环境与健康研究所的卡维赫·马达尼说：“如今，作为人类水资源‘活期账户’的地表水已经见底。

我们从祖先那里继承的‘储蓄账户’——地下水、冰川等，也几乎被挥霍一空。

世界各地都已出现‘水资源破产’的迹象。

” 据统计，目前全球大约有40亿人每年至少遭遇一个月的缺水危机，而这进一步加剧了移民潮、地区冲突和社会动荡。

去年，伊朗经历了50年来最干旱的秋季。

大量用于农业的大坝和水井，几乎吸干了曾是中东地区最大湖泊的乌鲁米耶湖，也让伊朗全国的地下水储备濒临枯竭。

为此，伊朗政府甚至提出要疏散首都德黑兰的居民，并尝试通过人工降雨来增加降水量。

科罗拉多河的流量20年间锐减了20%。

在美国，科罗拉多河的流量过去20年间锐减了约20%，主要原因是降水减少与蒸发加剧。

这条河除了被洛杉矶等城市作为饮用水来源，其河水还被大量引入农田用于种植家畜饲料。

与越来越多的河流一样，现在的它已无力奔赴大海。

研究表明，提高农业用水效率的技术，比如滴灌、喷灌，反而可能增加总耗水量。

原因在于精准灌溉能让作物充分吸收水分，而传统的大水漫灌后，多余的水还能流回河道。

因此，有专家提出必须削减农业的总用水量，因为它占到全球水资源消耗量的70%。

然而，全球有一半粮食产自水资源储量持续下降的地区。

缩减农业用水规模，将倒逼各国推进经济多元化转型。

目前，全球超10亿人依靠农业维持生计，其中大多数人生活在低收入国家。

即使在多雨地区，水资源也正面临新的威胁：数据中心在大量消耗水资源，工业废水、生活污水、化肥和粪便则在持续污染水体。

过去几十年，因被改作农田而消失的湿地面积与欧盟相当，这让全球在防洪、粮食生产和碳储存等生态系统服务方面，付出了约5.1万亿美元的沉重代价。

在大多数情况下，枯竭的河流、湖泊、湿地和含水层，再也难以恢复原有水文状态。

而冰川持续消融与消失，将导致数亿人的供水短缺。

马达尼认为，人类必须更好管理水资源，在此之前，大多数国家需要先摸清家底，核算其水资源储量与用水总量。