1. 这则消息背后是两个行业的一次关键握手刚看到这则消息的时候我脑子里蹦出来的第一个念头是MEMS扬声器终于要进真正的量产快车道了。STMicroelectronics意法半导体和USound一个是全球半导体制造领域的老牌巨头一个是押注薄膜压电MEMS扬声器方向多年的先锋玩家这两家走在一起对音频硬件行业来说不是普通的供应链新闻而是对整个电子声音输出方案的一次重新洗牌。先把核心信息说清楚。USound这家公司总部在奥地利格拉茨做的是基于薄膜压电效应的MEMS微型扬声器相比传统动圈扬声器它的尺寸可以做到毫米级甚至更小同时功耗低、一致性好、可批量制造。ST这次的角色是代工方负责把USound的专利技术用半导体工艺真正规模造出来。也就是说这家消费电子产业链上游最深处的“声音芯片”不再是实验室里的小批量样品而是有了全球顶级半导体产线的背书可以冲向大众市场了。这个内容适合谁看如果你是做耳机、智能手表、AR/VR眼镜、助听器、医疗设备方向的产品经理、硬件工程师、创业团队或者你只是对声学技术和半导体结合这件事感兴趣那这篇内容能帮你彻底搞懂薄膜压电MEMS扬声器到底是什么、为什么ST愿意接单、它凭什么替代传统扬声器、以及它目前的瓶颈和应用边界在哪里。接下来我按自己的理解把这桩合作背后从技术原理、工艺流程到行业影响一层层拆开聊。2. 为什么MEMS微型扬声器值得被押注2.1 传统动圈扬声器已经到了被挑战的临界点要理解这桩合作的重量得先回到我们每天都在用的动圈扬声器。耳机里的那个发声单元基本结构是永磁体、音圈、振膜。音频电流通过音圈时音圈在磁场里受力带动振膜振动推动空气于是你听到声音。这个原理一百多年没变过产品也确实成熟到极致成本做得很低音质潜力也够大。但动圈方案被消耗得越久它的短板就越扎眼。第一是尺寸动圈喇叭想要低音好振膜面积和腔体体积就得大想塞进TWS耳机里已经很难塞进AR眼镜镜腿、助听器耳道、智能戒指这种更极端的空间里基本没戏。第二是制造一致性动圈的装配依赖人工或者半自动产线线圈绕制、磁路组装、振膜贴合这些环节很容易有离散度两个耳机声音不完全一样是行业常态。第三是功耗动圈靠电磁力驱动功耗不低对助听器这种需要长时间续航的设备来说很吃亏。这些痛点不是新话题但长期没人能用一个“可量产”的方式来终结它们直到MEMS方案出现。2.2 MEMS扬声器的机会窗口用半导体思维做发声单元MEMS全称Micro-Electro-Mechanical System微机电系统核心思路是用集成电路制造工艺在硅片上做出微米尺度的机械结构。MEMS麦克风大家已经很熟悉了手机里动不动就是两三颗而MEMS扬声器这几年的进展是属于“量变积累到质变”的阶段。为什么说它是机会因为MEMS扬声器的本质是“把扬声器变成一颗芯片”。既然是芯片就意味着它可以享受半导体行业的三大红利微缩、一致、批量。微缩发声结构能在几毫米见方的面积里实现而且可以做得很薄。一致硅片加工是光刻和薄膜工艺几十颗扬声器在同一片硅片上做出来物理参数高度一致不会出现动圈那种“个体差异”。批量按照半导体产线的逻辑一片8寸晶圆上有几千颗芯片对应的是几千颗扬声器只要良率上来成本呈指数级下降。USound走的薄膜压电路线在这场替代里属于技术可行性最高、商业节奏最快的一条分支。这也是ST愿意下场的原因之一——面向未来的红利谁都想提前占住位置。3. 薄膜压电MEMS扬声器到底是怎么工作的3.1 压电效应从机械变形到“反向”发声要理解薄 膜压电MEMS扬声器先把压电效应搞明白。压电材料有个特性当你对它施加机械压力时材料内部会产生电荷这叫正压电效应传感器常用这个原理。反过来当你在材料两端施加电压时材料会发生机械形变这叫逆压电效应这正是驱动器、扬声器要用到的核心原理。薄膜压电MEMS扬声器就是利用逆压电效应在硅晶片上沉积一层几百纳米到几微米的压电材料薄膜然后在它上下表面做电极。当音频电压施加在电极上时薄膜发生周期性弯曲和振动带动整个MEMS结构推动空气声波就从这颗芯片里出来了。这里面的关键有几个一是压电层材料。USound早期用的是PZT锆钛酸铅后来也在演进到其他更环保、更稳定的材料体系。PZT的压电系数高激励电压偏低对小尺寸发声来说很有优势但它含铅不符合当前很多环保法规。所以材料路线的选择直接影响性能和量产合规性。二是结构设计。MEMS扬声器不是简单做一块平板振动而是通过薄膜的应力差和多层结构设计让薄膜受电压驱动时产生大幅的弯曲变形提高声压输出。这部分涉及力学仿真、声学腔体设计和工艺公差控制是真正护城河所在。三是频率范围。压电MEMS最擅长的其实是高频中低频是它的短板。传统动圈低频下潜自然而压电薄膜的顺性低要压低频得靠结构设计来凑。这也是为什么很多MEMS扬声器先切入的是助听器、TWS这类以人声中频为主场景而不是Hi-Fi音箱。3.2 对比动圈不是全面碾压而是“特定维度”碾压把MEMS扬声器和动圈扬声器放一起比能看得更清楚对比维度传统动圈扬声器薄膜压电MEMS扬声器尺寸与厚度通常5mm以上难微缩可做到1mm级适合嵌入式功耗电磁驱动功耗偏高容性负载功耗极低一致性装配离散大硅片级一致良率可控高频延伸一般优秀直至超声频段低频性能优秀相对薄弱成本量产极低目前偏高规模后下降抗振动/鲁棒性一般好无机械疲劳部件这个表说明了一件事MEMS扬声器不是要全面替代动圈而是要在动圈做不了的空间和功耗约束下开新战场。它的“赢面”在于设备越来越小、电池越来越紧、功能越来越多传统的发声方案会被这些新约束逼到墙角而MEMS扬声器恰好是那个能撕开口子的技术。另外还有一点MEMS扬声器本质是电容性负载和驱动IC的配合可以做得很深。现在不少方案把功放、CODEC、DSP和扬声器做成一个封装直接在数字域进行声学校准。这种高度集成化是音频链路的大趋势也是动圈很难提供的。4. ST制造合作背后的技术逻辑4.1 为什么USound要和ST合作而不自己建产线USound是一家技术公司不是制造公司。它的核心竞争力在专利、设计、材料工艺Know-how而不在工厂运营。MEMS扬声器要想真正上量需要的是半导体级的产品化能力包括良率控制、晶圆代工管理、封装测试、可靠性验证。这些恰恰是ST的绝对主场。ST在MEMS传感器领域本来就有多年量产经验全球大量手机上的麦克风、加速度计、陀螺仪就是ST的产线出来的。让ST来做薄膜压电MEMS扬声器的制造等于把一颗新生的技术树种到了一片已经成熟的土壤里。更重要的是ST不是单纯“代工”它会参与工艺联合开发。USound的方案要落在ST的制造平台上意味着薄膜沉积的均匀性、电极刻蚀的精度、MEMS结构的释放工艺都要根据ST的设备和规范重新优化。这种深度适配比找一个没有MEMS根基的纯代工厂要靠谱得多。4.2 核心工艺环节拆解从硅片到扬声器晶圆我按自己过往在半导体和电子制造领域的经验把这类薄膜压电MEMS扬声器的制造路径拆成几段方便理解为什么这件事能被ST接住。第一步是基底准备。一般用8寸或者12寸硅晶圆表面做热氧化层或氮化硅层作为电隔离和后续工艺的支撑层。这个环节与标准MEMS工艺完全兼容ST有非常成熟的产线。第二步是压电薄膜沉积。这是整条工艺链中最核心的一环。PZT薄膜通常用溶胶-凝胶Sol-Gel法或溅射法Sputtering制备。溅射法在半导体产线里更可控对薄膜厚度均匀性、成分比例、结晶取向都有精确要求。因为压电性能对薄膜晶向非常敏感如果晶粒取向不对压电系数会大幅下降器件灵敏度就废了。第三步是图形化与电极制作。用光刻胶定义电极图形通过刻蚀工艺暴露出压电层再溅射或蒸发上电极。电极材料通常是铂Pt作为底电极因为铂能承受后续高温。PZT在高温下结晶时不能与电极材料互相扩散这个选择直接影响器件可靠性。我曾经见过不少实验室样品性能很好一到工厂流片就废就是因为电极和压电层之间的界面在高温下出了问题。第四步是MEMS结构释放。扬声器需要有一个可振动的薄膜所以要把硅衬底局部腐蚀掉保留悬空的压电复合膜结构。这个步骤可以用深反应离子刻蚀DRIE从背面刻蚀也可以用牺牲层释放工艺从正面做。释放工艺的均匀性、残余应力控制决定了扬声器振膜的平整度和振动特性。振膜应力如果不均测出来可能就是频响曲线像锯齿一样乱。第五步是晶圆级封装与测试。MEMS扬声器是精密器件不能裸露着直接出货。晶圆级封装把扬声器背面腔体、正面声孔、防尘防潮结构一次做到位然后切割成单颗芯片。切割后还要在晶圆阶段做声学测试把SPL声压级、THD总谐波失真、谐振频率等参数刷选出来保证出厂一致性。这一整套流程ST的MEMS传感器产线早就跑通了所以工艺继承性非常好。4.3 成本与良率量产的命门半导体产品讲的是良率良率决定成本成本决定市场空间。薄膜压电MEMS扬声器目前单颗成本肯定比动圈贵但它在晶圆级批量制造一片晶圆几千颗规模越大成本越接近传统方案的承受区间。不过这有一个前提良率得稳定。良率的敌人主要是三点薄膜缺陷裂纹、针孔、电极短路、释放过程造成的振膜破损。这些问题都需要在工艺开发和测试环节反复迭代。ST入局意味着它有大量MEMS量产数据和失效分析方法可以用这一点是小厂不具备的。另外封装与测试也是成本大头。扬声器是声学器件测试需要在消声环境或标准声学夹具里做不能像纯电学测试一样在探针台直接测完。这部分占了单颗成本的相当比例后续通过晶圆级并行声学测试来降本会是产业链优化的重点。5. 应用场景最先受益的不是音量而是空间和功耗5.1 耳机与可穿戴设备TWS之后的新增量TWS耳机是目前MEMS扬声器最被看好的落地场景之一。一方面TWS的腔体空间极为有限动圈喇叭占体积这是行业公认的设计限制。另一方面消费者对耳机的功能要求越来越多降噪、空间音频、健康监测、体温传感器、入耳检测各种器件都要往耳朵里塞。能省出1毫米空间对产品定义都是很大的利好。MEMS扬声器在TWS里的优势不只是尺寸还有功耗。单颗MEMS扬声器的功耗可能是动圈的几分之一对TWS这种电池容量只有几十毫安时的小东西来说续航压力能缓解很多。不过要注意TWS是听音乐的设备用户对音质敏感。MEMS扬声器的中低频短板目前会限制它的纯音乐表现。我的判断是短期它可能以“副扬声器”形式出现在TWS里比如负责骨传导、定向传声、助听功能和主发声单元协同工作。长期来看随着MEMS扬声器在低频效率上进一步突破它有可能成为主发声单元。5.2 AR/VR与头戴设备空间从“毫米”到“毫米”AR眼镜的镜腿内部要容纳电池、主控芯片、传感器、显示驱动、天线、扬声器系统。这是目前消费电子里最挤的空间之一。传统扬声器根本没有容身之处所以很多AR眼镜用的是骨传导方案但骨传导漏音大、音质粗糙体验离“好”还有距离。MEMS扬声器在这里能找到位置因为它可以做得很薄直接嵌入镜腿壁。同时MEMS扬声器的高频特性好很适合做定向传声和声学波束成形把声音精准送到用户耳朵减少漏音这对AR/VR这种需要隐私声场的场景特别重要。5.3 助听器与医疗设备3毫安功耗下的刚需助听器是MEMS扬声器最“无可争议”的应用场景。助听器对体积、功耗、一致性的要求是任何消费电子都比不了的。传统助听器用的微动圈或平衡电枢单元要做到一致性好很难而且成本高。MEMS扬声器天然适合助听器因为它尺寸极小、功耗极低、批次一致性好还能和MEMS麦克风、DSP做系统级封装把整条助听器链路集成到一颗芯片上。USound在这个领域布局很深很多医疗级产品已经验证过。ST代工后助听器客户可以拿到供应量更稳定、成本更可控的扬声器芯片这对整个助听器行业都是好消息。另外医疗内窥镜、可穿戴血压监测、睡眠呼吸检测这类设备也会需要微型振动反馈和声学输出MEMS扬声器能提供新的可能性。5.4 车载、智能家居与工业更远的想象空间再往后看车载语音交互、头枕音响系统、智能音箱、工业报警器、机器人交互都可能用到MEMS扬声器。这些场景对扬声器的一致性、可靠性、抗温漂要求高MEMS方案在耐温、耐振、抗老化方面有优势。比如车载头枕音响需要超薄设计MEMS扬声器可以做得很薄还能定向发声减少对乘客的干扰。智能家居里大量产品对音质要求不高但要求体积小、功耗低、成本可控MEMS扬声器在成本和性能之间的平衡点会越来越有竞争力。6. 常见问题与行业误读这一节整理几个我经常被问到的点也算是行业里常被误读的地方。6.1 常见问题速查问题我的回答MEMS扬声器音质能超过动圈吗现阶段在低频能量上不如动圈但在体积、功耗、一致性上有优势。追求音质上限需要结构设计和算法补偿。压电MEMS扬声器会不会被压电麦克风替代不会两者是不同器件。麦克风接收声音扬声器发出声音但工艺有共通之处可以集成。USound和ST合作后竞争对手会不会迅速跟上技术门槛不只在于知道路线还在于材料体系、制造工艺和专利布局。USound在MEMS扬声器领域有大量核心专利竞争者需要绕开这需要时间。MEMS扬声器量产后的价格能打到多少具体数字不好说但参考MEMS麦克风的发展轨迹规模量产后价格会显著下降进入消费电子主流区间是大概率事件。薄膜压电材料含铅会不会被法规限制部分材料含铅但整个行业在向无铅压电材料演进。USound也在布局相关方案这一点不是长期阻碍。合作之后USound是不是只赚代工费不是。USound是IP持有者和设计方合作模式类似Fabless芯片公司代工厂设计方继续主导产品定义和市场销售商业模式很成熟。6.2 需要留意的量产风险技术路径被验证过不等于商业路径没有风险。第一个风险是良率爬坡速度。半导体产品新工艺从开发到成熟一般需要两三年迭代如果良率迟迟上不去量产时间会大幅延迟会直接影响下游客户的开发计划。第二个风险是需求验证周期。消费电子客户导入新器件很谨慎需要经过声学测试、可靠性验证、量产检讨这个周期比想象中长。ST入局能加速制造端的验证但客户的软件适配、音效调校、供应链切换还需要更长时间。第三个风险是竞争加剧。技术一旦被证明可行就会有更多玩家跟进。日系厂商、国内MEMS公司、传统的声学大厂都在盯着这个方向。USound虽然有专利先发优势但市场格局远没有定下来接下来几年竞争会非常激烈。7. 从工艺到市场的几条判断我整理几条自己的判断供同行参考。第一薄膜压电MEMS扬声器不是“未来的技术”而是“正在落地的技术”。ST和USound的合作等于把量产不确定性降低了一大截。消费电子厂商如果想要定制新形态产品现在就要开始评估MEMS扬声器的性能和集成方式而不是等市场成熟后再追。第二这条赛道真正的壁垒在工艺合作和专利布局不在概念本身。很多人看到新闻后觉得“这不就是压电片嘛”实际上从实验室样品到稳定量产之间的技术债非常多。USound选择ST本质上是借力填补自己制造端的短板而ST则是在为自己的MEMS产线找新品类增长点。第三声学产品的评价体系要从“音质”拓宽到“系统级表现”。MEMS扬声器的优势不在单一听感而在于它作为一个可编程、可集成、可批量一致的器件可以优化整个系统的功耗、体积和体验。特别是在音频算法越来越强的今天扬声器后端配合DSP校准可以弥补很多硬件短板。从这个角度说MEMS扬声器的机会窗口是在系统级创新里打开的。我从自己接触过的项目来看这个方向最值得关注的不是某一家公司、某一次代工合作而是整个音频产业链正在从“机械装配”向“半导体制造”迁移。这个迁移一旦完成音频器件的迭代速度、集成密度、产品形态都会发生质变。你现在看到的是ST和USound的新闻背后其实是一条很长很深的技术变革线。8. 如果你在做产品现在就要关注的几件事别等到MEMS扬声器像MEMS麦克风一样普及了再动那时候供应链话语权已经不在你这了。我个人建议如果你所在的产品线跟声音相关现在就可以做这几件事第一样品评估。找USound或者其授权分销商拿几颗MEMS扬声器样品结合你的产品结构做声学仿真和试装。不要只看数据手册要实际听、实际测尤其是频响和失真在你产品腔体里的表现和裸测完全是两码事。第二驱动方案选型。MEMS扬声器需要专门的驱动IC来提供足够的驱动电压常见方案有集成在CODEC内、独立驱动芯片、或者压电驱动器加功放。你需要在产品定义初期确定驱动链路否则后期改硬件很痛苦。第三供应链风险管理。ST入局之后供应稳定性会更好但MEMS扬声器当前的供应商还不多产能也有限。如果你是量产客户建议提前锁定产能或者至少拿到可靠性数据和交付计划不要等到量产前几个月才发现产能顶不上。第四声学调校团队技术储备。MEMS扬声器的声学特性和动圈不同需要DSP调音来补偿低频、优化谐波失真。如果团队没有声学算法能力就要开始考虑外部合作否则产品体验救不回来。我自己的一个体会是新技术导入最关键的问题往往不在技术本身而在团队是否愿意打破原有设计惯性。动圈方案大家都熟练换MEMS扬声器意味着重新设计声学、结构、驱动、测试规格牵扯到整个项目组的协同。而早期愿意做这件事的团队通常能在产品形态、功耗、成本和用户体验上建立起比后进入者更稳固的优势。