2025年赚钱“指南”：十大市场你挑哪一个？

本文原标题：《2025年电子行业十大市场及应用趋势》

作者：国际电子商情分析师团队

2025年，电子行业的赚钱方向有哪些?本期，国际电子商情分析师团队，围绕人形机器人、智能穿戴、自动驾驶、绿色计算、智能手机、生成式AI、国产替代、3nm汽车芯片、存储、数字仿真等热点议题或领域，做了趋势分析与市场展望。

展望2025年电子行业市场，AI技术在消费电子和智能汽车领域的应用将进一步加深，推动半导体市场保持10%以上的年增长率，尤其在AI和汽车芯片需求上表现强劲。同时，消费电子产品趋向可持续发展，环保产品推广力度加大。集成电路产业得益于AI、5G和电动汽车市场的推动，技术进步明显。此外，生成式AI和服务型机器人等新兴科技将成为市场的新亮点。

本期，国际电子商情分析师团队，围绕人形机器人、智能穿戴、自动驾驶、绿色计算、智能手机、生成式AI、国产替代、3nm汽车芯片、存储、数字仿真等热点议题或领域，做了趋势分析与市场展望。

趋势一：人形机器人持续取得突破

作者：裕宁

人形机器人建立在多学科基础之上，集成了人工智能、高端制造、新材料等先进技术，有望成为继计算机、智能手机、新能源汽车后的颠覆性产品，是一个国家高科技实力和发展水平的重要标志。

人形机器人市场的快速发展，一方面源于AI大模型的迭代和自主学习与优化，使得机器人能更好地理解人类指令，进行复杂对话，甚至预测和满足用户需求，极大地提高了其服务质量和交互体验。另一方面也来自产业链上中下游的成熟与完善，以及政府政策的支持与引导。

资本市场对人形机器人市场也青睐有加。截至2024年11月，中国人形机器人领域共有49起融资事件，主要发生于北京、深圳和长三角地区，融资总额超过50亿元人民币。在获得融资的33家人形机器人企业中，有26家成立于2022年-2024年这3年间，占比近80%。

其他国家的人形机器人领域融资同样活跃。Figure AI今年2月获6.75亿美元(约合47.3亿人民币)融资，投资方包括微软、英伟达、OpenAI以及亚马逊创始人贝佐斯。2024年10月底，Agility Robotics完成1.5亿美元(约合10.5亿人民币)的C轮融资，成为独角兽。

特别值得关注的是，随着AI、机器学习、计算机视觉等关键技术的突破，一大批以“具身智能”为亮点的人形机器人企业迎来了更大的发展机遇。外界普遍认为，这一理论指导下的智能系统研究，使得人形机器人能够更好地适应复杂多变的环境和任务，具备自主学习能力、感知能力、决策能力。

尽管人形机器人可以按应用场景分为多种类型，但调查发现，中国大多数企业认为制造业，尤其是汽车制造业，能够率先真正实现人形机器人商业化落地，质量检测及零部件组装为明确需求场景，而网络呼声很高的家庭服务应用场景则排位靠后。

趋势二：智能穿戴翻红，市场格局嬗变

作者：Momo Zhong

随着科技的飞速发展，智能穿戴设备正逐渐成为我们日常生活中不可或缺的一部分。从智能手表到健康追踪器，从虚拟现实头盔到增强现实眼镜，从耳戴式设备到智能戒指，智能穿戴设备的种类和功能不断扩展，为消费者提供了前所未有的便利和体验。

近年来，智能穿戴市场经历了高低起伏的发展期，《国际电子商情》预计该市场规模将在2025年达到新的高峰，预计全球出货量将达8亿台。

智能穿戴市场的主要增长动力来自于消费者对健康和健身的日益关注。一方面，智能手表和健康追踪器通过监测心率、睡眠质量、步数和卡路里消耗等关键健康指标，帮助用户更好地管理自己的健康状况。另一方面，结合5G技术的普及和物联网(IoT)的发展，智能穿戴设备正变得更加互联和智能化，能够在医疗健康、运动监测、通讯和娱乐等多个领域，提供更加个性化的服务和体验。

此外，人工智能和生成式人工智能的技术集成，有望让可穿戴设备提供更加精准的数据分析和预测，如血压测量等关键健康指标的监测。我们期待在2025年看到更多创新技术的应用，如通过生物识别技术进行身份验证，或者利用机器学习算法为用户提供定制化的健身计划等等。

值得一提的是，2025年有两个细分领域的市场前景尤为引人注目。其一是儿童智能手表，它集成了通讯、定位、紧急呼叫和健康监测等关键功能，满足了家长对孩子安全与健康日益增长的关注，预示着需求的不断攀升。其二是老年人智能穿戴设备，在全球人口老龄化趋势下，这类设备可以通过提供健康监测、跌倒检测、紧急响应和日常活动辅助等功能，帮助老年人保持独立生活并及时获得必要的医疗援助，也展现出强劲的增长潜力。

随着市场的成熟，智能穿戴市场的竞争格局也在发生变化。传统的消费电子巨头如苹果、三星和华为继续在市场中占据领先地位，同时越来越多的初创企业和新兴品牌也在这一领域崭露头角。这些新玩家通过提供创新的产品和解决方案，不断挑战传统巨头的市场地位。

趋势三：自动驾驶市场冰火两重天

作者：Momo Zhong

在2024年，海外市场对于自动驾驶的热度有所降温，部分原因是由于自动驾驶企业在实现大规模商业化落地之前需要巨额的技术研发投入，以及盈利问题的困境。例如，三星电子在自动驾驶汽车研究方面踩下了刹车，苹果公司在年初停止了“苹果汽车”的开发……这些举措反映了自动驾驶技术实现的困难和与投资相比缺乏显著回报的现实挑战。

然而，中国市场却呈现出不同的景象，中国厂商在自动驾驶领域持续加码，显示出对这一技术的信心和期待。

政策层面，中国政府积极推动自动驾驶技术的发展，出台了一系列政策支持自动驾驶的测试、示范应用和商业化运营。全国多个城市开展智能网联汽车道路测试示范，开放测试道路，完成道路智能化改造，安装路侧单元，为自动驾驶技术的发展提供了良好的政策环境。特别是“萝卜快跑”等自动驾驶出租车服务先后在武汉、广州等城市落地，激发各路资本加码这个赛道的投资热情。

技术方面，端到端自动驾驶技术的崛起，使得智能驾驶领域的焦点更加集中。相比传统的模块化架构，端到端系统通过一个统一的深度学习模型，直接将传感器输入映射为车辆控制输出，减少了中间环节，提升了系统的实时性和准确性。

企业层面，百度Apollo、蔚来、小鹏、华为、小米等中国企业积极布局自动驾驶技术，通过技术创新和独特的产品设计，加速了汽车行业的数智化进程。

展望2025年，自动驾驶市场预计将实现正增长。全球自动驾驶汽车出货量预计达数千万台，中国L2级以上智能汽车销量将破1,000万台，智能汽车渗透率将达50%;L4级开始进入市场，中国有望成为全球最大的自动驾驶市场。

值得一提的是，有望高速发展的不仅是自动驾驶技术研发企业，还有自动驾驶产业链上下游的相关企业。尤其在未来中国自动驾驶汽车积极出海的驱动下，在车载触控屏幕、动力传动等自动驾驶汽车产业链具备极高产品竞争力的中国企业有望获得全新的发展红利。

趋势四：绿色计算更加迫在眉睫

作者：Illumi Huang

施耐德电气2023年能源管理研究中心白皮书提到，2023年的AI功耗已经达到4.5GW(千兆瓦)，至2028年的年复合增长率在25%-33%之间，增速比数据中心整体快2-3倍。所以2028年AI所需功耗预期为14-18.7GW，AI于数据中心整体功耗的占比要提升至15%-20%了。这些甚至还没有考虑到分散于更多边缘与端侧的AI功耗。

这就已经相当于某些国家的年度平均用电功率水平了。实际上，如果考虑AI芯片设计与制造全产业链的能耗水平，以及此前媒体报道Sam Altman可能在AI芯片基础设施方面还要投入几万亿美金，则AI技术相关的能耗恐难以估量。

AI用电超过电力基础设施供电的一定比例，民生就会受到影响。所以恰逢节能减碳大趋势，“绿色计算”“绿色数据中心”是现在的热门话题。几个层面的解决方案被提出。

即便不谈功率器件与芯片，于数字芯片尤其是AI芯片层面，芯片设计制造与软件算法联合调优，提升芯片的工作效率、不断降低对应算力的功耗水平;且当涉及跨芯片、跨板、跨节点的大规模集群计算时，互联与存储作为能耗瓶颈，技术提升也尤为关键——存内计算、光互联等前沿技术的发展和热议都是这一大趋势下的必然。

与此同时，部分芯片企业也在推动系统层面的冷板式、浸没式液冷方案普及。在WAIC上，不少AI芯片企业都在展示基于液冷的POD机柜解决方案。如燧原科技近两年都提到因千卡部署的性能线性度佳、搭配集群整体采用液冷方案，实验室数据中心因此达成PUE(能源效率)≤1.15，是典型的绿色低碳数据中心。

不难理解芯片Foundry代工厂、EDA/IP供应商、芯片设计企业都在谈从“系统”层面实现更高的效率，是从硅、器件、单元、芯片、封装、系统、软件、应用等各方各面达成绿色计算。

还有一个层面在能源基础设施的投入上，此前国外媒体爆料OpenAI的“美国AI基础设施蓝图”中藏着宏达的核电愿景;黄仁勋也在多番采访中提及，数据中心需要可再生能源，核能是很好地选择。Sam Altman担任董事长地Oklo计划于2027年实现公司首个SMR小型模块化反应堆落地;谷歌也与核能初创公司Kairos Power签署协议，基于SMR为数据中心供电……

不少AI科技巨头都在做核能方向的资本投入。这大概也能体现绿色能源、绿色计算的未来需求。

趋势五：智能手机全面拥抱生成式AI，生态走向收敛

作者：Illumi Huang

自iOS 18起，苹果在部分国家地区推进面向iPhone的生成式AI功能：包括备忘录语音转文字、AI照片后期与编辑、邮件写作工具、邮件与通话的关键总结、基于自然语言的照片与视频搜索等……

苹果不仅投入较高成本，用谷歌TPU训练位于服务器侧和手机端侧的两个AI模型;而且特别针对端侧AI应用，开始构建基于苹果自有芯片的AI数据中心——于云上打造所谓用户个人的“Private Cloud Compute”集群，同时在手机本地和云上做混合式的AI推理。

无论你是否赞同AI手机的价值，这都已经成为相当认真的业务投入方向。苹果在“AI手机”概念上的入局，基本标志着手机AP SoC的竞争迈入到生成式AI时代。手机AP SoC芯片、操作系统与OEM厂商的战场，扩展到了AI模型、AI开发生态、AI应用的竞争。

于用户而言，iPhone新品全部以8GB RAM起配，MacBook新品也普遍至少16GB RAM，都是因为生成式AI所需的LLM、大模型需吃下较大的内存空间。 可见生成式AI在智能手机上的普及会在未来1-2年内全面推进;手机芯片及各类外围器件也将因此迎来新的机会。

更能体现这一趋势的，是2024年10月发布的联发科天玑9400芯片更激进地为NPU加入多个更专用的AI加速单元，以实现多模态输入支持、端侧的LoRa训练，乃至在端侧做短视频生成;还积极与手机OEM厂商、大模型供应商、操作系统厂商、ISV(独立软件)开发商合作，尝试构建自有AI生态。

随着智能手机生成式AI战局未来走向白热化，预计2025-2026年，手机之上的AI生态将从百花齐放的局面逐步走向收敛，AI技术栈、AI特性与功能实现也会趋于标准化。

趋势六：生成式AI走向边缘

作者：Illumi Huang

英伟达(NVIDIA)从事前沿技术研究的Research团队早前就有Efficient AI相关研究，期望通过模型剪枝、稀疏化，乃至AWQ权重量化等技术，让大模型跑在边缘或端侧设备上——不只是AI PC，也包括Jetson Nano这样的边缘平台。

而类似Efficient AI的相关研究，是生成式AI得以登陆PC与手机等端侧设备的基础。但这还不是“生成式AI走向边缘”的全部。

2024年的WAIC世界人工智能大会上，《国际电子商情》看到不少小型AI芯片在参数中标称能跑LLM大语言模型。例如爱芯元智展示的AX630C，其INT8算力3.2TOPS，典型功耗还不到1.5W——这颗芯片就能推理通义千问Qwen2 0.5b模型，速度也可达到10tokens/秒。虽然爱芯元智表示，对其应用方向尚无法做出预期，但可能性是无穷的。

2024年一整年，我们采访的几乎所有AI芯片相关企业都一致认为，包括生成式AI在内的AI会走向边缘和万物。在大模型规模相对更大，边缘设备的存储、IO(输入/输出)、算力都将限制其发挥的大背景下，AI芯片架构设计及软件算法的联合调优将走向深入。

芯原在2024年的AI专题技术研讨会上提到，从初期的AI视觉、语音、图形，到现如今的自然语言，芯原NPU与GPU IP覆盖到AR/VR、自动驾驶、PC、智能手机、可穿戴设备、机器人等;后续芯原要“走向Transformer”——即当代大模型的结构基础。

所以不少端侧与边缘侧AI芯片加入“Transformer引擎”，芯原也提到正在做NPU IP于Transformer加速上的考量;包括数据格式的混合精度支持，实践权重4bit和8bit的量化压缩，以期大幅降低带宽消耗。种种努力都将帮助生成式AI走向边缘，不仅是汽车、PC、手机、机器人等边缘，也可能包括更多算力更低的嵌入式应用。

趋势七：中国国产替代比例进一步增大

作者：裕宁

近年来，中国国产芯片替代进口芯片的比例持续上升。2023年中国芯片产量飙升至3,514亿颗，同比增长6.9%，自给率高达23%。而在2024年前四个月，芯片产量更是跃升至1,354亿颗，显示出强劲的增长势头。受益于端侧AI落地的市场大趋势，国产CIS、内存接口芯片、利基型存储器、模拟芯片、云侧/端侧算力芯片赛道未来需求高增。

贸易摩擦引发全球供应链切割，因保证供应稳定带来的国内厂商转单需求，有望驱动未来2至3年国内代工、设备、封测厂需求持续增长。目前，在芯片制造的八大环节中，国产芯片设备行业在热处理、薄膜沉积、刻蚀和清洗等领域已取得较大突破，客户端进展顺利，普遍已达到14纳米，其中刻蚀机已达到5纳米。

2024年上半年，中国大陆在半导体设备上的采购金额高达250亿美元，其中国产设备占到了80亿美元左右，去胶、清洗、刻蚀、封装等环节的国产芯片设备替代率都已提升到三成以上，不仅显示了中国对半导体设备的巨大需求，也反映了其国产替代的加速趋势。

先进封装技术无论对全球还是对中国都非常重要，它能够应对摩尔定律发展挑战及因出口管制导致的供应链问题。中国企业在这一领域有良好储备，即使受限于前道晶圆制造能力，从整体来看，先进封装仍具有广阔成长前景，是推动中国市场发展的重要力量。

出海与智能化带动中国消费终端产业持续增长。尤其是汽车电子，考虑到出海将是汽车电子企业2025年的发展要务，伴随中国本土汽车产业整体快速发展，产业链公司在海外市场竞争力大幅提升，相关头部企业迎来出海新机遇。

但总体而言，从全球半导体产业链区域占比看，美国、欧洲等国家区域具有多数份额，中国仅在产业链中游的晶圆制造和封装测试占有一定比例，产业链自给率仍偏低。在上游EDA&IP、设备、高端制程、高性能计算、部分关键材料等供应链环节仍无法满足自给，存在“受制于人”情况。

趋势八：3nm汽车芯片开始上车

作者：Clover Lee

犹记得，2022年12月底，台积电(TSMC)宣布启动3nm(N3，又名N3B)大规模生产，到2023年Q4其第二代3nm工艺N3E量产，再到2024年下半年第三代3nm工艺N3P量产。根据台积电的规划，2025年将推出N3X，2026年推出N3A工艺(车规级芯片)。

通常提及5nm、3nm这类先进制程芯片，大家会习惯将其与手机芯片、AI芯片相关联。的确，目前苹果、高通、英伟达和AMD等公司几乎“瓜分”了台积电的3nm系列产能，其他厂商要需要排队竞购相关订单。值得注意的是，在距3nm芯片首次实现大规模量产两年以后，3nm工艺终于将进入车用芯片领域。

2024年10月，联发科在“天玑9400发布会”上透露，其首颗“天玑AI座舱芯片CT-X1”将于2025年量产上车。据介绍，CT-X1芯片采用台积电3nm技术，CPU算力高达260KDMIPS，硬件级GPU性能高达3,000GFLOPS。此外，其配备的端侧生成式AI NPU具有46+TOPS的计算能力，支持130亿个多模态生成式AI模型。基于以上性能，CT-X1至高可支持10块屏幕、16个摄像头，支持8K 30视频播放和录制、9K分辨率显示，以及5G和Wi-Fi 7等通信技术。

CT-X1作为座舱芯片，它并非采用车规级标准。如今，在高度集成化的电气架构下，算力性能成为最稀缺的资源，车规级芯片的开发周期很长，难以满足快速增长的算力需求。在此背景下，特斯拉、比亚迪等整车厂也在座舱中采用了非车规级芯片。

当然，采用台积电N3A工艺的汽车芯片也陆续发布。2024年11月13日，瑞萨电子宣布推出全新一代汽车多域融合SoC R-Car X5系列，该系列首款SoC R-Car X5H基于Chiplet架构，采用台积电3nm车规级工艺(N3A)——N3A是台积电专为车用SoC开发，且符合AEC Q-100 Grade 1可靠性标准的工艺。

R-Car X5H可实现高达400TOPS的AI算力和卓越的TOPS/W性能，同时支持高达4TFLOPS的GPU处理能力，提供超过1,000K DMIPS的CPU算力。凭借38个Arm内核、强大的AI处理能力及GPU计算能力，单颗芯片可同时支持包括高级驾驶辅助系统(ADAS)、车载信息娱乐(IVI)及车载网关在内的多个车载应用。根据规划，R-Car X5H将于2025年上半年向部分汽车客户提供样品，并计划于2027年下半年投产。

此外，早在2023年10月，日本芯片设计商Socionext宣布，已经开始研发3nm的ADAS和自动驾驶定制化SoC，芯片也将采用台积电的N3A工艺，预计2026年进行量产。

以上动态表明，3nm工艺技术正逐步成为汽车芯片领域的新标准，为智能汽车的发展提供强大的算力支持。随着更多基于3nm工艺的汽车芯片投入市场，未来汽车行业的智能化和电气化转型将更加迅速，为消费者带来更安全、更智能的驾驶体验。

趋势九：存储价格波动中寻求新平衡

作者：Clover Lee

自2023年第四季存储价格从谷底探头，到今年上半年经历了强势复苏，再到下半年不同存储产品逐渐分化，直至第四季度市场呈现“冰火两重天”的局面，而2025年存储市场趋势预计将如何?

在闪存部分，消费级SSD占比超过80%，企业级SSD占比近15%。从2024年Q3开始，不同闪存产品的表现开始出现分化。企业级SSD受AI服务器需求的提振，整体表现要优于消费级SSD，其在2024年下半年仍保持小幅增长。而消费电子市场表现低迷，智能手机、笔记本电脑市场表现不佳，导致消费级SSD的合约价在Q3开始下跌。同时，大家也对2024年Q4、2025年Q1的消费电子市场信心不足，预计闪存的价格将会持续低迷。

另外，边缘AI应用将于2025年开始规模商用，目前闪存暂未得到边缘AI的推动。《国际电子商情》综合数据显示，至少在2024年Q4、2025年Q1，闪存的价格整体走势会向下。与此同时，存储生产商也将吸取2023年行业亏损的教训，在供过于求的情况下主动控制产能。预计到2025年下半年，消费级SSD价格有望反弹回升。

为了更适应AI的数据传输需求，闪存技术也正朝着高容量、高安全性、低延迟、低功耗等方向发展。而“如何平衡容量与成本之间的关系”，成为闪存产业链企业关注的重点，预计市场会出现更多的QLC NAND闪存产品。

在内存部分，DRAM占整个存储产业的50%以上。DRAM可分为三个类型标准DDR、移动DDR及图形DDR。图形DDR中包括GDDR和HBM，相比于标准的DDR4、DDR5等产品，以GDDR和HBM为代表的图形DDR具备更高的带宽。

图形DDR专为高性能计算和图形处理设计，目前GDDR系列已发展到GDDR6X，一些厂商开始推出GDDR7，主要应用于高端游戏显卡和专业图形工作站，而HBM及其后续版本HBM2、HBM2E、HBM3、HBM3E因其超高带宽和能效比，被广泛用于高性能计算和AI加速器等领域。随着半导体工艺进步，图形DDR将进一步提升存储密度和能效，满足数据处理需求，其市场应用将随着5G、AI、VR技术的发展而更加广泛。

移动DDR(如LPDDR)和标准DDR(如DDR4、DDR5)的价格趋势受多种因素影响，通常呈现下降趋势，但会有波动。移动DDR因移动设备的更新需求保持稳定，新一代产品初期价格较高，后随技术成熟和规模扩大而下降，且因功耗和性能要求，价格可能高于标准DDR。标准DDR4处于成熟期，价格稳定，将逐渐被DDR5取代，DDR5初期价格较高，但随着产能提升和市场需求增加，价格预计会降低。市场供需、原材料成本、产能调整，以及全球经济状况等因素都会对价格产生影响。

趋势十：更多传统行业将迎来数字仿真变革

作者：Illumi Huang

火箭正式发射前，研发需要经历四个阶段：可行性论证-详细设计-初样实验-试样实验。其中成本最高的是初样实验——将所有可建的零部件生产出来，进行基于实物的实验验证。

而SpaceX推翻了这一常规思路，他们在详细设计阶段就进行大量仿真测试，以期尽可能实现更快速、更节约成本的火箭点火飞行。这其中的关键就在于SpaceX在仿真技术上投入了大量研究。于是在航天领域，SpaceX成为公认的领先全球其他同赛道企业或单位10年以上的火箭公司。

不止于航天领域，飞机设计流程现阶段也仅有20%用到了数字仿真技术，另外80%是通过物理测试完成验证的;而生命科学、药物发现等领域，数字仿真在其研发流程中的占比甚至连1%都不到。

相比大部分半导体设计流程在软件、虚拟世界中完成，诸多传统行业都面临着数字化变革。数字仿真技术的普及也将帮助这些行业与领域走向更高的效率与更低的成本。

这对半导体与电子科技领域，尤其如EDA/IP、软件于解决方案供应商等市场角色而言，不仅体现出诸如数字仿真、数字孪生等技术的发展机会，而且也符合半导体与系统产业融合——或者说芯片与系统走向融合的大趋势。

除了如苹果、特斯拉、AWS等系统企业开始自己造芯片;传统芯片企业，如英伟达、高通也开始走向系统级设计;EDA/IP供应商这类市场角色，则因各应用领域数字化程度低，有着无比广阔待开发的系统设计机会——所以这两年的EDA企业相关的开发者大会上，巨头们都在谈对系统相关的新市场的开拓。

这显然是个不可忽视的、属于电子与半导体产业的机会。实际上，类似NVIDIA Omniverse这样的元宇宙或工业元宇宙在船舶、铁路、医疗、生产制造等领域的应用，也是这一趋势的写照;或者说这是全社会全行业数字化转型的一部分。