全球第三大代工厂 GlobalFoundries 发布 FDX Fusion：不做数据中心大芯片，专给机器人、汽车这些『物理 AI』造工艺

你最近刷到的 AI 芯片新闻，十有八九在讲数据中心里那种插满机柜的"大家伙"——英伟达、AMD 比拼谁的 HBM 显存更大。但 10 月 9 日，全球第三大芯片代工厂 GlobalFoundries（GF）在德国德累斯顿发布了一个方向完全相反的新平台：FDX Fusion，一套专为"物理 AI"（Physical AI）打造的芯片制造工艺——让 AI 真正跑进机器人、汽车和工厂车间里。

什么是"物理 AI"？为什么它需要另一种芯片

先解释这个词。物理 AI 指的是能感知真实世界、实时做出反应、还能和物理环境直接交互的智能系统：工厂里的协作机械臂、能自己识别路况的汽车雷达、仓库里自主导航的搬运机器人。

这类场景有个共同特点：不需要数据中心那种澎湃算力，但对功耗、延迟和实时性极其敏感。一个用电池供电的工业传感器，不可能插着 700W 的 GPU 干活；自动驾驶系统更是毫秒级响应都嫌慢。行业里把这种"感知—思考—行动—通信"（GF 称之为 STAC）的完整链条压缩到一颗低功耗芯片上的需求，正在快速增长。

这正是 FDX Fusion 要解决的问题。

FDX Fusion 具体带来了什么

根据 GF 官方新闻稿，这个新平台有几个关键指标：

• 7nm 级数字性能：GF 称这是欧洲首个达到"个位数纳米级"数字性能的工艺技术。注意这是"7nm 级"（7nm-class），不是台积电意义上的 7nm 制程，但已足够在边缘设备上跑起像样的 AI 推理。
• 密度提升 2 倍以上：相比 GF 现有的第一代 FDX 技术，同样的芯片面积能塞进更多逻辑电路。
• 射频性能高达 0.5 THz：可以直接把 5G、卫星通信、汽车雷达这类高频通信功能做进芯片，不用再外挂射频芯片。
• 存内计算 + 嵌入式存储：AI 推理最耗时的往往是搬数据，存内计算让数据"原地算"，省电又省时间；嵌入式非易失性存储则让断电后数据不丢。

简单说：一颗芯片同时搞定 AI 计算、传感器信号处理、无线通信和实时控制，功耗还压得很低——这就是物理 AI 设备想要的形态。

时间表：演示芯片明年到，2028 年量产

GF 给出的节奏很明确：2027 年初提供演示芯片给早期客户评估，2027 年中发布工艺设计套件（PDK），2028 年在德累斯顿工厂正式投产。

德累斯顿正是 GF 在欧洲的核心基地，目前正按照《欧洲芯片法案》的框架扩产。GF 高管在新闻稿里直接点题：这套平台要帮助欧洲在"AI 赋能的工业系统、安全连接和下一代智能系统"上取得领导权——这是一句写给欧洲政策制定者听的话。

和谁有关？

如果你是边缘 AI、机器人或智能汽车方向的开发者，值得把 FDX Fusion 记在 2027-2028 年的技术备选清单上：GF 还配套开放了 MIPS/ARC 处理器 IP 和 RISC-V 指令集生态，做定制芯片的门槛比以往低。

对普通读者来说，这件事更大的意义在于展示了一种"不卷算力"的竞争路线：台积电、三星在最先进制程上军备竞赛，GF 则押注"AI+模拟+射频单芯片集成"这个细分市场。现有的 FD-SOI 生态已经有数十亿颗芯片跑在汽车雷达、无线微控制器这些"不起眼但离你很近"的场景里。数据中心芯片卷的是"AI 有多聪明"，而 FDX Fusion 们卷的是"AI 能不能便宜、省电地装进你身边每一台设备"——后者可能是 AI 走完最后一公里的关键。

来源说明：本文基于 GlobalFoundries 官方新闻稿（2026-10-09）及 StreetInsider、Yahoo Finance、EE Herald 等多家媒体交叉报道整理。