ADI新年展望：从AI大模型到“物理智能”，模拟技术回到舞台中央

发布时间：2026-02-06 13:37:13  浏览量：3

谈到半导体行业的“常青树”，ADI（Analog Devices, Inc.，亚德诺半导体） 绝对是一个绕不开的名字。如果说数字芯片是电子设备的“大脑”，那么 ADI 所擅长的模拟芯片就是设备的“感官”——负责捕捉现实世界中的温度、压力、声音和速度，并将其转化为数字世界能理解的语言。

2026年1月30日，在深圳举行的新春媒体聚会上，ADI中国区销售副总裁Thomas Zhao对目前大热的AI浪潮进行一个预测，他认为模拟技术不仅仅是计算的基础，更是数据获取的源头。当大语言模型的热潮把行业注意力推向数字算力之后，下一阶段的AI战场将会集中到模拟芯片领域。

“没有足够精准与可靠的感知和信号采集，模型很难给出有意义的洞察”，在Thomas看来，从更擅长理解文本、图像、视频，走向更擅长理解真实世界的光、温度、运动、压力与各种连续变化的信号，模拟器件的价值会在这一轮浪潮中被重新强调。

他还提到一项“行业共识”：业界普遍预测半导体行业在2026年有机会首次突破1万亿美元规模，并认为这一里程碑可能较此前一些机构的预测更早到来。

新年回顾与展望：2026模拟器件将爆发

ADI 的故事始于 1965 年，由两位 MIT 毕业生 Ray Stata 和 Matthew Lorber 在马萨诸塞州创立。起初，他们在公寓地下室生产高性能的运算放大器（Op-Amps）。在那个半导体还处于蛮荒时代的年代，ADI 就确立了“高精度、高性能”的基调，专注于解决当时最难搞的信号处理问题。

Thomas用ADI成立60周年作为开场。他提到ADI历史中的一个节点：集成电路技术刚刚萌芽时，ADI内部曾就“要不要押注IC”产生激烈讨论。多数董事会成员认为风险太大，但刚卸任董事会主席Ray Stata坚持这项技术会改变历史，并提出由自己个人出资成立独立公司专注集成电路探索：三年后若技术可行，ADI按原价收购；若走不通，损失由他个人承担。

Thomas把这段故事归纳为ADI内部长期强调的几组关键词：

创新、协作，以及“超越一切可能”。

他强调这不是一句口号，而是公司早期在关键技术节点上形成的一种决策方式。

当行业进入新的技术拐点（AI走向物理世界），ADI仍希望把注意力放在长期会影响系统架构的底层能力上。

2025财年，ADI营收达到110亿美元，相较2024财年增长17%。Thomas强调ADI的业务结构相对均衡：工业接近半壁江山，汽车电子约占三分之一，此外还有通信与消费电子相关业务；产品数量超过75,000种，覆盖下游多个行业与场景。

展望2026年，Thomas认为这一年将是“关键年份”。“如果说大模型没有办法真正理解物理世界的变化，就难以提供有意义的洞察。”他将模拟技术描述为“下一波浪潮里至关重要的角色”：模拟不只是计算链条中的一段电路，而是数据采集与质量控制的入口。数据源不可靠，算力再强也可能得到不可用的输出——这也是他反复强调“传感—信号调理—转换—连接—供电”这一整套系统链条的原因。

ADI关注中国市场的五大机会？

针对中国市场，Thomas给出了一个数字：2025财年，ADI中国区业务占ADI全球营收的26%。他同时指出，过去几年中国区一直呈成长态势，2025年的增长引擎主要来自汽车与数据中心两大领域。

更值得关注的是“中国速度”：“作为站在客户背后的半导体厂商，ADI也必须以同样的节奏响应，以‘中国速度’支持世界级的创新。” Thomas认为，在数据中心和光模块等产业链上，客户产品开发周期非常短，从提出需求到要求批量发布，有时只有一年。这意味着每个项目节点都必须按时完成，半导体供应商必须以同样节奏响应。

Thomas认为中国在多项关键技术与产业方向上的位置“很特别”，会出现很多新的机会：包括电网与高压直流传输、电动化与智能化汽车、数据中心承载开源大语言模型，以及未来可能出现的人形机器人等。

机会一：汽车——感知密度增加，链路复杂度上升

随着汽车智能化加速，车载摄像头从早期三五个增加到八个、十个甚至更多；当汽车需要采集大量外界图像信息，背后会牵引图像的传感、传输与处理链路升级。

“当汽车需要采集这么多外界图像信息的时候，就会涉及到图像的传感、传输、处理。”在Thomas的叙述中，汽车是ADI的重要增长引擎。他把汽车机会分成两类：车身与电动化：从电池到电机，强调热管理等系统性挑战；用户体验与智能化：音频、照明、智能驾驶等。

他表示，ADI已与国内几乎所有主流车企在视频传输（如SERDES）等关键技术领域展开合作，并认为智能化趋势会延续这一动能。

机会二：数据中心——GPU之外，传输与供电是长期矛盾

谈到数据中心，Thomas明确强调：除了作为核心数据处理单元的GPU，存储与传输同样关键；尤其在传输领域，光通信正在成为数据中心建设的重要瓶颈之一。他提到光模块代际演进从400G、800G到1.6T量产，未来还将向3.2T以及光电合封（CPO）技术迈进。

“CPO是光电合封，但即便是去掉了Optical DSP，也还是需要控制链路。” Thomas表示，越来越多厂商加大对CPO相关技术投入，双方会从系统架构角度讨论模拟与控制链路的需求变化，并据此做产品规划；ADI计划在今年下半年陆续推出相关新产品。

此外，在“模拟增长由谁拉动”的讨论中，Thomas提到数据中心需求不仅限于数字芯片。从BOM角度看，电源管理相关器件用量庞大；随着电源拓扑更复杂、工艺要求更高，高性能电源产品会持续迭代升级。这是他判断“基础设施与B2B投资更具确定性”的重要依据之一。

机会三：工业——测试测量设备成为ADI在中国的突出增量

Thomas补充了工业板块的复苏路径：过去两三年工业市场先下行，2025年上半年开始触底回升。就ADI表现而言，他点名测试测量设备是去年表现尤为突出的领域之一。中国近几年推动半导体产业链发展，生产制造离不开测试测量设备；要保证产品出厂的可靠性与一致性，测试测量设备相当于“最后一道防线”。由于该类设备对元器件精度与可靠性要求极高，ADI的技术优势得以体现，并在去年带来显著增长。

在人形机器人话题上，Thomas判断今年出货量可能继续高速增长，几乎每家厂商都给出了激进目标，但机器人仍面临很多远超公众想象的技术挑战。

他用功能安全作为例子指出：汽车在平面运行都形成了复杂的法规与功能安全标准，而机器人需要在三维空间中执行多样任务，安全挑战指数级增加；目前行业还没有一套公认且强制执行的机器人安全标准。

“仅以功能安全为例，机器人到今天为止都没有明确的标准。” Thomas强调了两类能力：

运动控制：

ADI拥有Trinamic技术，可简化多关节协同控制设计；

可靠数据传输与标准化：

机器人内部通信缺乏统一标准，维护与升级困难；ADI尝试把汽车领域成熟的高可靠传输技术适配到机器人场景，并与多家客户合作推进。

“前景非常美好，但是道路需要一步一步走。” Thomas表示。

机会五：电池——从电压电流到“健康状态”，EIS是一种路径

在电池领域，Thomas把“安全”放在第一位，同时强调安全之上需要更精细化的数据洞察，以提升续航里程或储能价值。传统洞察主要依赖电流、电压采集，但当电池应用无处不在，需求不再只限于这两类信号。

他提到ADI早期提出用电化学阻抗分析（EIS）做电池健康状态监测：通过发送特定激励信号并检测响应变化，判断电池健康状况与潜在风险，实现电池管理升级。

如何应对未来可能出现的供应链挑战？

近年来，随着ADI越来越多从云端走向边缘端，模拟器件需求也逐渐发生了变化。

数据层面，边缘智能普及后，对传感器部署与数据质量的要求更强；功耗方面，边缘端电池容量有限，低功耗运行是关键挑战；连接方面，边缘部署强调隐私与安全，需要解决连接延迟与安全问题。

“如果单纯专注于芯片硬件本身，是无法解决客户系统的技术难题。”在“软件投入”层面，Thomas明确表示ADI在2024年10月发布CodeFusion Studio嵌入式软件开发环境，并以半年为节点持续更新；同时将分散在不同产品线的软件工程师整合，成立软件部门，推进软件开发流程标准化与资产复用，并开发与硬件结合的软件产品。他解释ADI做软件不是为了替代芯片业务，而是因为客户系统难题越来越由软硬协同决定，半导体厂商如果缺少软件能力，很难与客户进行系统级协同设计。

关于“协同设计是否有SOP”，Thomas也给出了较为实在的回答：目前尚未形成完全标准化流程，原因是客户类型差异大。大型客户往往不希望外部介入系统know-how，中小客户更希望ADI在产品定义早期介入。ADI的做法是通过工具与高仿真度验证，帮助客户在多方案中尽早选出可行且性能更优的路径，降低试错成本与开发周期。

在供应链问题上，Thomas承认疫情期间ADI也经历过短缺，并对部分客户造成影响；事后反思后，ADI从两个方面应对：

提升自有产能：

疫情后持续投入，使整体产能较疫情前显著提升；

坚持混合制造：

既与外部合作伙伴协作，也保留内部独特工艺能力；更关键的是希望做到同一产品既能在自有工厂生产，也能在外包工厂生产，形成互为备份，降低单点风险。他同时表示当前部分产品交付周期确有拉长，主要由于需求增长过快；整体供应仍可控，ADI希望至少不成为客户系统里的短板。

总结：2026不是“模拟反攻”，而是系统把模拟重新拉回主舞台

从这次深圳媒体会的发言来看，ADI针对几个重点场景——汽车、数据中心、工业测试测量、机器人与电池——共同指向同一件事：当行业从“堆算力”走向“把系统跑稳、跑久、跑得可交付”，比拼的不再只是单点性能，而是软硬协同、工具链、量产节拍与工程支持的综合能力。

在这条主线下，ADI对自己的定位也更直接：不仅交付器件，更要以系统级视角与客户协同，把模拟、数字、算法、软件组合成可落地的解决方案，支持客户以更短周期完成迭代与交付。

此外，AI要走向物理世界，数据入口、功耗约束与连接可靠性会成为更硬的工程问题；而模拟、混合信号与电源等底层能力，在系统落地阶段很难被跳过。

Thomas将ADI的技术布局归纳为三类底层能力：模拟信号链调理、高性能低功耗设计、以及专用连接技术（如车载SerDes GMSL、工业TSN实时以太网）。这也是他认为“去年偏数字爆发、今年可能迎来模拟适配周期”的原因之一。