今年智能家电行业最热门的关键词已经从“联网”和“App 控制”变成了“端侧 AI”。电视要识别手势空调要感知人的位置自动调风扫地机器人要在本地实时构建地图并识别物体。这些体验背后都需要一颗算力足够、功耗够低的 AI 芯片来支撑。就在这个背景下市场传出消息LG 电子正在与三星电子讨论将 AI 家电芯片委托给三星半导体代工。两家在消费电子市场打了几十年的老对手突然在芯片供应链上握手这件事本身就值得深入解读。本文将围绕这则新闻把技术链条完整拆开LG 为什么要找三星、一颗 AI 家电芯片内部到底有哪些模块、为什么家电芯片也会用到 2nm 级先进制程、这次合作对代工市场有什么潜在影响以及开发者在这波“家电芯片 AI 化”趋势中应该提前做好哪些准备。1. 事件背景一块 AI 家电芯片引发的“竞合”合作1.1 一条值得关注的产业链动向据多家科技媒体报道LG 电子正在和三星电子讨论计划将用于 AI 家电的应用处理器AP芯片委托给 Samsung Foundry 代工。初期涉及的工艺节点很可能是 2nm 级先进制程目前处于样品开发和验证阶段。消息还提到如果顺利相关芯片预计在 2026 年前后进入量产。需要说明的是截至目前双方官方都没有正式确认这笔订单所以更准确的说法是“正在推进中的潜在合作”。为什么这条消息会引起关注因为 LG 和三星在电视、家电、手机等多个领域都是直接竞争对手。消费者很难想象两个品牌在卖场里互相比参数在供应链上却可能成为客户与供应商的关系。但在半导体行业这种“竞合”并不罕见。1.2 为什么家电也需要 AI 芯片代工回到一个更基础的问题家电芯片此前不是一直用成熟制程吗为什么 AI 家电芯片会先进到需要找顶级代工厂过去十年传统家电主控芯片大多使用 MCU微控制器或者低规格 SoC主要负责按键响应、显示驱动、电机控制这类简单逻辑对制程要求不高。但 AI 家电不一样。以一台 AI 空调为例它要同时处理红外传感器数据、人体存在识别、室内环境建模甚至要运行一个轻量语音助手。这些任务需要 NPU神经网络处理单元参与推理需要足够的 CPU 计算能力还要在持续运行的情况下控制功耗和发热。当终端产品对芯片的需求从“控制”走向“计算”LG 这类家电厂商就必须寻找真正的高性能半导体工艺来制造芯片。而 LG 本身没有先进制程晶圆厂自研芯片只能走 Fabless无晶圆厂模式把制造环节交给专业代工厂。三星电子拥有全球第二大的晶圆代工业务自然进入了 LG 的候选名单。1.3 一次典型的芯片代工合作模式这里可以简单梳理一下半导体行业的常见分工角色说明代表企业Fabless无晶圆厂只做芯片设计不拥有晶圆厂LG 的芯片设计团队、苹果、华为海思、高通Foundry晶圆代工只帮别人造芯片不设计终端产品芯片台积电、三星 Foundry、中芯国际IDM垂直整合制造自己设计、自己制造、自己封测英特尔、三星电子完整模式、TILG 电子属于哪一类更接近 Fabless。它有芯片设计能力和应用场景但制造端长期依赖外部代工厂。这次选择三星本质上是在 Foundry 供应商名单里增加了一个重要选项。2. 芯片代工模式与“摆脱台积电依赖”的商业逻辑2.1 台积电为什么是绕不开的话题只要聊到芯片代工台积电就一定绕不开。台积电目前在全球晶圆代工市场占据超过一半的份额尤其在 7nm 以下先进制程领域几乎没有对手。无论是苹果、英伟达、AMD还是高通的旗舰芯片绝大多数都出自台积电的生产线。LG 此前的多款芯片也盛传由台积电及其生态链厂商代工。但问题在于“一家独大”对芯片买家来说并不总是好事。先进制程产能是稀缺资源代工厂会把产能优先分配给订单量最大、利润最高的大客户。家电芯片无论单颗价格还是订单规模通常都无法和旗舰手机芯片、AI 训练芯片相比。这导致 LG 在争取产能时天然处于相对被动的位置排期和价格都可能受到影响。2.2 “摆脱依赖”的真实含义“摆脱对台积电的依赖”这个表述从商业逻辑上可以拆成三层意思第一是产能保障。如果所有芯片都压在台积电一条供应链上一旦出现产能紧张或某种不可控的外部冲击LG 的整条家电产品线都会受影响。引入三星代工等于多了一个备份。第二是议价能力。供应商越少客户议价空间越窄。有第二家代工厂作为备选LG 在与代工厂谈判价格、交期和工艺支持时都能获得更主动的位置。第三是工艺路线匹配。不同代工厂在特定工艺节点上有不同的成熟度和良率表现AI 家电芯片对成本极敏感LG 需要找到能平衡性能、功耗和单颗成本的工艺方案而不是盲目追求“最强工艺”。所以“摆脱依赖”并不是彻底否定台积电而是将单一供应关系调整为多元化供应。LG 未来依然可能在部分高端芯片上继续与台积电合作同时在中高端 AI 家电芯片上采用三星方案。更准确的描述是LG 正在把代工选择从一个“单选题”改成一个“多选题”。2.3 三星代工的差异化竞争力三星 Foundry 长期以来在先进制程良率上承受不少质疑这也是它在高端订单上一直没有完全打开局面的原因之一。但对于 LG 而言三星有几点特别吸引人的优势。第一三星是 IDM 模式既做代工也做自家的 Exynos 系列芯片因此在设计支持、IP 授权、封装测试等环节可以打包提供完整方案。第二三星与 LG 同处韩国工程团队沟通便利从芯片设计、试制到量产验证的协作效率明显更高。第三三星在 2nm 级 GAA全环绕栅极工艺上投入巨大愿意以更积极的价格和服务争取大客户。LG 作为长期大客户若与三星形成深度绑定能够以更低的沟通成本获得更灵活的技术支持。不过需要注意的是三星代工近年在客户导入速度上确实慢于台积电。LG 在试制阶段选三星量产阶段是否完全按最初计划推进仍取决于良率、成本等一系列变量。3. 技术拆解一颗 AI 家电芯片里到底有什么3.1 从“遥控器里的 MCU”到“家电 SoC”很多开发者第一次接触家电芯片是从 STM32、ESP32 这类 MCU 开始的。它们能跑 RTOS能读传感器能控制继电器但算力非常有限几乎不可能在本地运行一个实时神经网络模型。AI 家电芯片则完全不同它本质是一颗 SoC片上系统通常包含以下核心组件模块作用对应场景CPU运行操作系统、调度任务、处理控制逻辑智能家居协议栈、App 通信GPU图像渲染、UI 加速冰箱大屏、电视界面NPU神经网络推理加速视觉识别、语音唤醒、人体感知DSP音频处理、传感器融合降噪、语音增强、雷达信号处理ISP图像信号处理摄像头输入、视觉传感器视频编解码视频流处理智能门锁、可视化家电Wi-Fi/BT 模块无线连接与手机、云端交互这套结构和手机 SoC 非常接近只是规模、面积和成本控制要求不同。LG 如果把 AI 家电芯片交给三星代工那么三星要制造的并不只是一颗简单的逻辑芯片而是一颗集成 CPU、GPU、NPU 等多个计算单元的高复杂度 SoC。这也是为什么 LG 会考虑 2nm 级先进制程——模块太多、功耗要求又高只有更先进工艺才能把芯片面积控制在可接受范围内。3.2 关键计算单元NPU 是 AI 家电的心脏NPU全称 Neural Processing Unit专门用来高效执行神经网络计算中的矩阵乘法和卷积运算。相比 CPU 和 GPUNPU 在执行相同 AI 任务时通常拥有更高的能效比。这对家电设备来说至关重要因为家电不可能像手机那样频繁充电也通常没有主动散热设计必须在低功耗下持续运行。评估 NPU 性能时最常见指标是 TOPS每秒万亿次运算。家电 AI 通常需要多少算力一个简单的语音唤醒模型可能只需要 1 TOPS 以下而一个实时物体检测模型可能需要 3 到 6 TOPS。如果是更复杂的多模态交互比如同时处理摄像头画面和语音指令算力需求会进一步上升。下面是一个端侧 NPU 推理流程的伪代码它展示了 AI 家电芯片内部典型的计算链路# 伪代码家电芯片上的端侧推理流程 import numpy as np def run_ai_inference(model, sensor_data): # 1. 预处理将温度、湿度、红外原始数据转为模型输入 input_tensor preprocess(sensor_data) # 2. 调用 NPU 完成推理而非 CPU 运行 output model.predict_on_npu(input_tensor) # 3. 后处理把置信度映射为具体的控制指令 control_cmd postprocess(output) return control_cmd def preprocess(raw): # 数据归一化和维度转换省略具体实现 return np.expand_dims(raw.astype(np.float32) / 255.0, axis0) def postprocess(output): # 取置信度最高的分类结果映射到设备动作 class_id int(np.argmax(output)) return {action: class_id, confidence: float(output[0][class_id])}开发者只需要在 AI 家电 SoC 上编写好推理逻辑NPU 驱动和编译工具链会把模型映射到特定硬件单元上执行。流程很简单但实际部署中的坑往往出现在工具链是否支持某个算子、量化后精度是否达标等问题上。3.3 面向软硬件协同的 SoC 视图在芯片设计层面AI 家电 SoC 并不是简单地把 CPU、GPU、NPU 堆在一起。每一块计算单元都需要分配内存带宽、中断资源和功耗预算。开发者调试这类芯片时很多时候要直接面对设备树Device Tree或板级配置。下面是一段示意性质的设备树片段用来描述 AI 家电 SoC 上的 NPU 节点/* 设备树示意AI 家电 SoC 上的 NPU 节点 */ npu { status okay; memory-region npu_reserved; power-domains power_domain_npu; clocks cru NPU_CLK; assigned-clock-rates 1000000000; interrupts GIC_SPI 100 IRQ_TYPE_LEVEL_HIGH; };在真实产品中这类配置通常由 SoC 厂商提供并由方案商的 BSP 工程师根据具体主板进行适配。对应用层开发来说你不需要修改它但理解它有助于排查“NPU 初始化失败”“NPU 内存分配不足”这类问题。同时AI 家电芯片的嵌入式开发也需要交叉编译环境。一个典型的 Makefile 编译配置如下# 示例交叉编译工具链配置 CROSS_COMPILE ? aarch64-linux-gnu- CC : $(CROSS_COMPILE)gcc CFLAGS : -O2 -marcharmv8-a -Wall TARGET : ai_home_appliance SRCS : main.c npu_runner.c sensor_hal.c all: $(TARGET) $(TARGET): $(SRCS) $(CC) $(CFLAGS) -o $ $^ -lnpu_rt -lpthread clean: rm -f $(TARGET)可以看到原生程序和通用嵌入式 Linux 程序差别不大差别在于链接库不再是普通的 OpenCV、TFLite而是厂商提供的 NPU 运行时库。4. 制程选择为什么 AI 家电芯片会用到 2nm 级制程4.1 家电芯片并不总是需要“先进制程”传统家电控制芯片使用 28nm、40nm 甚至更成熟工艺这类芯片对尺寸和功耗不敏感成本才是第一考量。一颗智能电饭煲的主控芯片就算做得大一点、功耗高一点在市场端也完全没问题。但 AI 家电 SoC 的情况完全不同。正如前面所说AI 家电 SoC 内部集成了多个高算力计算单元。如果使用较老的工艺节点芯片面积会明显增大封装成本和散热成本都会水涨船高。对于家电这种毛利并不算高的品类芯片成本的增加会直接压缩整机利润空间。因此LG 在考虑高端 AI 家电芯片时选择 2nm 级制程并不是噱头。4.2 先进制程带来了哪些收益先进制程最直观的收益是三方面更小的芯片面积、更低的功耗、更强的晶体管性能。以 2nm 级 GAA 工艺为例对比传统 FinFET 结构GAA 在沟道控制、漏电抑制方面有结构上的优势能在更低电压下运行。这对家电设备尤其关键。空调、冰箱这类产品需要 7×24 小时通电运行即便只降低 0.5W 的芯片功耗一年下来也是可观的电费差异。而且低功耗还意味着可以简化散热设计把 PCB 板做得更小、把整机做得更薄。另外AI 家电芯片也越来越多地承担本地大模型推理任务。未来家电本地可能会运行轻量级语言模型、视觉模型对内存带宽和算力密度的要求只会更高。先进制程为这种长期演进预留了空间。4.3 2nm 试制不等于全量 2nm 量产这里要特别避免一个误读LG 与三星讨论 2nm 试制不代表所有 AI 家电芯片都会用 2nm 量产。芯片行业通常存在“设计工艺”和“量产工艺”的区别。在早期开发阶段公司会用更先进的制程做验证看设计能否达到性能和功耗目标。如果性能达标但成本过高就可能把部分型号切换到成本更低的成熟工艺比如 5nm 或 7nm。反过来如果功耗指标非常严格AI 算力要求又高可能就会保留在 2nm 节点量产。所以更合理的预期是LG 首批高端 AI 家电芯片采用先进制程试制后续会根据产品定位、成本和良率形成一个覆盖不同工艺节点的芯片组合。真正全部押注 2nm 的概率并不高。5. 产业格局这笔合作对三方意味着什么5.1 对三星Foundry 业务稳定性的重要补充三星 Foundry 过去的客户结构一直比较依赖高通、英伟达等少数外部客户更多时候是三星内部 LSI 部门消化产能。近年在先进制程客户导入上三星也确实承受着来自台积电的巨大压力。如果 LG 这笔 AI 家电芯片代工订单落地对三星来说有三个好处。第一它表明三星 2nm 级工艺已经具备被外部大客户评估甚至采用的条件这种背书效应比任何发布会都更有效。第二家电芯片虽然单颗价值不高但生命周期长、量大、稳定是产能利用率的有力支撑。第三LG 和三星同属韩国供应链协同更容易形成长期粘性而不是一锤子买卖。当然三星也面临风险。如果量产阶段良率不足或交付延期LG 作为竞争对手会毫不犹豫调整订单流向。代工业务的最终竞争还是回到制造执行力和良率上。5.2 对 LG从“被动排队”到“主动选择”对 LG 而言多一家顶级代工合作伙伴最大的收益是供应链韧性。此前 LG 的芯片代工选择相对有限尤其在先进制程节点上基本只能依赖台积电。而台积电的大客户名单很长家电类订单很难获得最高优先级。引入三星代工后LG 可以在两个代工厂之间分配订单并根据产品紧迫程度调整产能。更重要的是LG 可以通过对比测试两家的工艺表现在功耗、性能和成本之间找到更适合的方案。这种“双代工”策略在手机行业已经很成熟苹果、高通等都有类似操作。从战略角度看LG 这些年一直在强化自研芯片能力。AI 家电芯片如果能在三星代工体系下稳定量产LG 就可以积累更多芯片定义和验证经验未来将能力复制到机器人、汽车电子等新领域也更顺理成章。5.3 对台积电影响被夸大但趋势值得关注短期来看LG 一家的订单量对台积电整体营收影响非常有限。台积电的先进制程产能早就被 AI 训练芯片和旗舰手机芯片订满家电芯片哪怕飞走了也只是小事。但这件事指向一个更长期的变化越来越多终端厂商开始追求“多源代工”。过去是“台积电能造只有台积电造得好”现在随着三星、英特尔等代工厂技术逐步跟进客户终于在先进制程上有了第二选择。这种变化一旦开始就不会轻易逆转。对台积电来说真正的挑战不是丢失某一个客户而是从“唯一选择”变成“选项之一”。5.4 台积电、三星、英特尔代工能力对比下面的表格从不同维度做一个粗略对比只是用于理解产业格局不代表精确参数维度台积电三星 Foundry英特尔代工服务市场占有率领先第二梯队努力追赶先进制程成熟度高中高良率存争议中等客户认证速度快中慢家电客户合作经验广泛正在拓展较少对中小客户的友好度一般相对灵活尚在建立信任LG 选三星本质上是在市场份额、技术成熟度和定制服务之间做了一个权衡。6. 行业共振从手机、汽车到家电的自研芯片浪潮6.1 家电厂商自研芯片早已不是新鲜事LG 并不是第一家尝试自研 AI 家电芯片的厂商。三星自己的 Exynos、海信的信芯、TCL 的显示芯片都在向这个方向演进。更早之前电视芯片市场几乎被联发科、恩智浦等方案商垄断但现在头部终端厂商正在越来越多地收回芯片定义权。原因很简单通用方案无法满足差异化体验。一台电视想做到“AI 画质增强”一组空调想实现“人体方位感知”靠外购标准芯片很难做到极致。只有自研芯片才能把算法、传感器接口、功耗管理和整机系统深度耦合。这也解释了为什么 LG 愿意投入资源推进 AI 家电芯片项目而不是继续买现成芯片。6.2 “自研 代工”是多个行业的共同选择这一波自研芯片浪潮并不仅限于家电。手机行业苹果自研 A 系列和 M 系列芯片汽车行业特斯拉自研自动驾驶芯片并积极导入多晶圆代工体系AI 基础设施方面OpenAI 也在推进定制推理芯片项目目标同样是减少对通用 GPU 的依赖。媒体报道中提到的“OpenAI 与芯片厂商合作推进 3nm 级推理芯片”也属于同一逻辑自研芯片定义权 代工厂产能落地。对于开发者来说这些新闻放到一起看会发现一个共同信号AI 推理正在从云端大规模下沉到端侧。家电、手机、汽车、机器人所有设备都在尝试把 AI 模型放进本地芯片里运行。6.3 瑞芯微 RK3588 等芯片带来的启示在国内开发者圈RK3588 这类具备 NPU 算力的端侧 SoC 已经非常普及。它广泛应用于 AI 开发板、边缘计算盒子、智能摄像头等领域让更多开发者不需要等手机芯片的“剩余产能”就能直接在本地跑 YOLO 等视觉模型。RK3588 的成功说明了一件事芯片本身并不是瓶颈工具链和生态才是决定 AI 芯片能否被市场接受的关键。LG 选择三星代工只是在制造环节解决了问题。真正决定芯片体验的还是 NPU 编译器、算子库、模型优化工具这些软件层面。如果 LG 能在这些方面深耕AI 家电芯片才能形成自己的生态壁垒。7. 工程视角AI 家电芯片给开发者带来的机会与挑战7.1 端侧 AI 部署的完整链路无论 AI 家电芯片来自哪家代工厂开发者的工作流程是一致的。通常包括以下步骤在云端用训练框架完成模型训练比如 PyTorch、TensorFlow。对模型做量化压缩常见有 INT8、INT16。使用芯片厂商提供的模型转换工具把模型编译为 NPU 可执行的指令格式。在开发板上进行精度和性能验证。集成到嵌入式 Linux 或 RTOS 环境中实现端侧推理。通过 OTA 持续更新模型优化家电产品的 AI 体验。这套流程和手机端侧 AI 开发非常接近不同点在于家电场景更关注功耗和稳定性。7.2 三个高频工程问题在实际开发中最容易踩坑的通常是以下三个问题。第一量化精度损失。模型从 FP32 压缩到 INT8 后精度一般会下降。家电识别场景里一点精度损失可能造成误触发。解决思路是做好量化校准甚至对算子做混合精度处理。第二内存带宽不足。NPU 算力强但如果内存带宽跟不上芯片计算单元会一直处于等待数据的状态。开发时要注意内存排布尽量利用连续内存块避免频繁申请释放。第三算子支持有限。各家 NPU 的算子库都不一样模型里某个算子芯片不支持就会出现编译失败。解决思路是调整网络结构用芯片支持的算子替换或者把一部分运算放在 CPU 上执行。7.3 给开发者的准备建议对于有嵌入式背景的开发者建议提前熟悉以下方向跨平台推理框架比如 ONNX Runtime、TensorFlow Lite它们可以抽象底层硬件差异。NPU 编译工具链的基本逻辑理解模型的“编译”不只是传统意义上的编译。传感器数据的预处理和后处理这两个环节往往占据 AI 应用开发一半的工作量。设备端日志采集和远程调试能力家电设备不像手机方便反复插线调试。这些能力放在未来五年几乎都是 AI 硬件产品开发的核心技能。8. 常见误读与 FAQ误读或疑问实际情况说明LG 和三星不是竞争对手吗同行也可以合作半导体代工市场中客户与品牌业务竞争并不冲突这就是“竞合”摆脱台积电依赖 彻底不用台积电更可能是多源代工LG 未来可能根据产品定位分配订单而不是完全切割AI 家电芯片一定要用最先进制程不一定只有高端 AI 家电 SoC 对功耗面积敏感才需要先进制程2nm 试制等于 2nm 量产不是试制用于验证设计量产制程还需评估成本与良率这笔订单对台积电影响巨大短期有限先进制程产能依然紧张长期竞争格局才值得关注家电芯片自研是噱头不是端侧 AI 与差异化体验需要自研芯片深度配合从这些误读可以看出很多讨论都把复杂问题简单化了。理解产业链的关键不是看企业说了什么漂亮话而是看它在产能、成本和体验之间如何做取舍。9. 总结与思考LG 电子委托三星代工 AI 家电芯片表面上是一条新闻实际上折射出三个趋势。第一个趋势是端侧 AI 正在成为所有硬件产品的标配。空调、电视、冰箱都要在本地跑模型都要考虑功耗和算力平衡。第二个趋势是芯片代工供应链正在从“单一依赖”走向“多源并存”。无论是手机厂商、汽车厂商还是家电厂商都希望手里有更多选择权。第三个趋势是自研芯片不再是巨头专属。只要愿意投入设计能力制造环节可以通过专业代工厂解决问题在于你能不能定义好自己的差异化需求。对开发者来说与其只盯着“三星抢了台积电的客户”这种短新闻不如把注意力放到更深层的技术准备上。未来你会看到更多 AI 家电芯片方案出现选型时需要关注的是 NPU 算力、工具链成熟度、算子支持范围和量产稳定性而不是简单看工艺节点数字。掌握端侧模型部署、模型量化、传感器融合这些基础能力会比猜测某条供应链新闻更有长期价值。就像我们做嵌入式开发一样芯片代工本质上是把“设计”变成“产品”的必经之路。这条路越来越多元对工程师和产品经理来说都是好事。希望本文能帮你把这条新闻背后的技术链条梳理清楚。如果后续有新的官方信息落地我也会继续跟进更新。