根据 Counterpoint Research《内存市场追踪报告》 ，SK Hynix 以36%的市场份额首次超越Samsung 电 子，领跑全球DRAM 收入领域。 2025年Q1 DRAM市场营收份额 数据来源：Counterpoint Research 《内存市场追踪》 SK Hynix 首次在DRAM领域取得领先地位，2025年Q1收入份额达到36%。 该公司尤其在高带宽内存(HBM)这一关键领域占据主导地位，市场份额高达70%。 我们预计，至少到下一季度，该公司的营收和市场份额都将继续保持增长。 分析师观点 Counterpoint 高级分析师Jeongku Choi 表示 ："这对SK Hynix 具有里程碑意义，在市场需求持续高涨 的HBM 内存领域，该公司成功得向市场交付DRAM 产品。专业HBM DRAM 芯片的制造工艺素以复杂 著称，而提前布局的企业如今正收获成果。" Counterpoint Research 预计 ，2025年Q2 DRAM 市场在各细分领域增长和厂商份额方面将保持稳定态 势。 分析师观点 Counterpoint 研究总监MS Hwang 指出 ：" 当前全球焦点集 ...

比亚迪天神之眼自动驾驶系统发布 - 公司发布全新自动驾驶系统"天神之眼"，将整合至全系车型包括腾势、方程豹和仰望等子品牌 [1] - 系统智能芯片组由比亚迪自主研发，计算平台来自NVIDIA和Horizon Robotics [1] - 天神之眼分为A/B/C三个版本，分别针对高端、中端和入门级市场 [1] 天神之眼技术规格与市场定位 - **God's Eye A (DiPilot 600)**：计算能力600 TOPS，配备3个LiDAR和14个摄像头，支持高速公路和城市NOA，定位高端市场 [1] - **God's Eye B (DiPilot 300)**：计算能力300 TOPS，配备1个LiDAR和14个摄像头，支持高速公路和城市NOA，定位中端市场 [1] - **God's Eye C (DiPilot 100)**：计算能力100 TOPS，配备12个摄像头，仅支持高速公路NOA，定位入门级市场 [1] 市场策略与竞争影响 - 天神之眼A将应用于仰望U9等高端车型，直接参与高端自动驾驶市场竞争 [2] - 天神之眼B面向中端市场，竞争对手包括零跑、小米、华为智界、特斯拉等 [2] - 天神之眼C将免费搭载于起售价69，800元的海鸥车型，大幅降低L2级ADAS门槛 [2] - 此举可能引发市场价格战，迫使竞品在入门车型上提供ADAS方案 [2] 全球市场布局 - 2024年公司超10%销量来自出口，拉美、欧洲和东南亚贡献近80%份额 [4] - 计划将天神之眼推广至东南亚市场，特别是泰国 [4] - 与东南亚网约车巨头Grab达成合作，将在六国新增5万辆电动车 [4] - 欧洲、部分中东和非洲及拉美地区可能因法规限制推迟系统落地 [4]

2024年第四季度全球智能手机市场表现 - 全球智能手机出货量达3.23亿台，市场表现平稳 [4][9] - 受益于高端化趋势，全球智能手机营收同比增长5% [4][9] - 全球智能手机平均售价（ASP）同比上涨2% [4][9] 厂商市场份额与营收表现 - Apple以23%的市场份额领跑全球智能手机市场，Samsung以16%份额位居第二 [4][9] - Apple当季ASP创历史新高，斩获全球智能手机总营收的54% [4][9] - vivo和小米营收分别实现20%和11%的同比增长，是前五大厂商中仅有的两家呈现显著增长的企业 [4][9] 地区市场份额分布 - 亚太地区占据全球智能手机出货量的65%，北美和欧洲分别占18%和16% [8] - 拉丁美洲和其他地区市场份额分别为12%和8% [8] 市场趋势 - 消费者更倾向高端机型，推动高端化趋势 [4][9] - 高端需求稳定支撑ASP上涨 [4][9]

核心观点 - DeepSeek-R1 和 Grok-3 代表了AI发展的两种不同路径：前者通过算法创新和高效资源利用实现高性能，后者依赖大规模计算资源投入 [2][8] - 行业趋势正从“原始规模主导”转向“战略效率优先”，算法设计、混合专家模型（MoE）和强化学习成为关键杠杆 [8][10] - 未来AI发展将更注重投资回报率（ROI），平衡规模扩展与算法优化 [8][10] 模型性能与资源对比 - DeepSeek-R1 仅使用约2000块NVIDIA H800 GPU即达到全球前沿推理模型性能，展现高效训练能力 [2] - Grok-3 动用约20万块NVIDIA H100 GPU，性能略优于DeepSeek-R1、GPT-o1和Gemini 2，但资源消耗相差百倍 [2][8] - 两者性能相近，但资源投入差异显著，凸显算法创新可抗衡纯计算规模 [8] 发展路径差异 - Grok-3 采用“蛮力策略”，依赖数十亿美元GPU计算规模，边际性能提升显著但ROI递减 [8] - DeepSeek-R1 通过混合专家模型（MoE）、推理强化学习和高质量数据，以最小硬件代价实现顶尖性能 [8] - 行业可能从“规模法则”转向“算法突破+工程实用主义”的全局发展观 [10] 未来AI趋势 - 集中式训练项目（如Grok-3）成本过高，仅限少数巨头参与，中小机构需转向效率优化策略 [10] - 混合专家模型（MoE）、稀疏化、改进微调和强化学习将成为核心，降低资源消耗 [10] - 新数据训练与强基础模型结合（如RAG或定期微调），可避免持续大规模计算负担 [10]

AI经济与Tokens化 - Tokens作为新型"货币"用于检索或生成信息 推动AI经济发展 但需要大量算力支持[2] - AI推理模型复杂度提升 对准确性要求更高 需遵循预训练 后训练和测试时扩展三条定律[2] - 进入Agentic时代 组织机构需在训练到推理全流程中遵循扩展流程以实现高效推理[2] NVIDIA技术栈创新 - 公司提供完整AI技术栈 涵盖芯片 系统和软件 以最高效率加速和扩展AI[4] - 技术栈覆盖Agentic AI和Physical AI领域 芯片路线图从计算到硅光子学均有重大发布[4] - 软件专业技术是最大优势 促使高性能芯片广泛应用 与竞争对手差距持续拉大[32] 芯片产品与技术 - 产品组合包括CPU GPU和网络设备 最新Blackwell平台GB300 NVL72性能提升1.5倍[6] - Rubin系列GPU采用FP4精度 性能达50-100 petaFLOPS 配备288GB-1TB HBM4存储器[6] - Vera CPU性能是Grace的两倍 功耗仅50W 更新节奏为每两年一次[6] - 光谱-X硅光子学产品可节省数兆瓦电力 解决横向扩展至数百万GPU的瓶颈问题[9] 系统解决方案 - Blackwell Ultra DGX SuperPOD配备36个Grace CPU和72个Blackwell GPU AI性能比Hopper高70倍[10] - DGX Spark个人超级计算机系统性能达1 petaFLOPS 适用于微调与推理[13] - 系统发布为Dell Lenovo等供应商提供强大AI解决方案基础 直接冲击苹果Mac Studio市场[13] 软件平台 - Dynamo开源框架提升AI推理效率 运行DeepSeek-R1模型Tokens生成能力可提升30倍[19] - Halos平台整合安全系统 覆盖从芯片到算法全流程 吸引众多汽车厂商采用[20][21] - CUDA-X拥有超百万开发者 成为最受欢迎的AI编程工具包 拓展至各行业应用[26] - Aerial平台开发原生AI 6G技术栈 涵盖从无线电设备到网络数字孪生的端到端方案[25][26] 新兴领域布局 - Isaac GR00T N1是全球首个人形机器人基础模型 采用双系统架构模拟人类决策与反射[29] - 与谷歌DeepMind和迪士尼合作开发开源牛顿物理引擎 提升机器人处理复杂任务能力[29] - Omniverse-Cosmos平台通过合成数据训练机器人 在不同场景中微调行为[29]

公司战略与产品发布 - Figure AI推出第二代机器人Figure 02并推进C轮融资 [1][5] - 公司核心技术创新为Helix模型 专为通用型人形机器人控制设计 [3][5] - 估值可能飙升至395亿美元 相比去年增长15.2倍 [16][18] 关键技术突破 - Helix模型具备视觉-语言-动作(VLA)能力 实现端到端推理 [5][19] - 四项技术突破：压力反馈手部控制 自我校准机器人交接 上半身人类级精准操作 多机器人协作 [11][13][15][6] - 演示视频展示机器人首次接触陌生物品仍能自适应协作 [6][7] 融资与估值 - A轮融资7000万美元 估值5亿美元 [18] - B轮融资6.75亿美元 估值26亿美元 增长5.2倍 [18] - 拟C轮融资15亿美元 估值将达395亿美元 [16][18] 竞争优势 - 自主研发Helix模型 摆脱对OpenAI依赖 掌握核心技术知识产权 [19] - 业务从工厂拓展至家用机器人领域 市场潜力巨大 [19] - Helix支持低功耗GPU运行 无需云基础设施 具备商业量产条件 [19] 发展目标 - 计划未来四年交付10万台人形机器人 [19] - 主要投资者包括微软 OpenAI基金 英伟达 贝索斯等 [18]

GenAI内存解决方案的核心需求 - GenAI应用需要高速、高带宽且低延迟的内存以实时处理海量数据 特别是在推理环节 数据的快速访问对实时决策和预测至关重要 [2] HBM的竞争态势 技术革新与优化 - 传统DRAM因带宽和延迟局限 促使HBM通过硅通孔(TSV)堆叠DRAM成为关键解决方案 [5] - 3D-IC和CoWoS等封装技术进步将应用于智能手机、PC等领域 需在不增加成本与空间的前提下降低延迟和能耗 [5] 厂商动态 - Samsung因测试与封装环节保守、过度关注成本而在HBM领域落后 预计2025年HBM3e改进后出货量或从80-90亿吉比特增至110-120亿吉比特 [6][10] - SK Hynix通过内存单元设计、逻辑电路(IVC)添加等措施满足NVIDIA需求 凭借灵活文化保持领先 [6] - Micron计划2025年直接推出HBM3e 采用1b DRAM单元和SK已验证的键合设备 [10] 中国存储市场的发展 国产化进展 - 中国计划2025年实现HBM3国产化 覆盖GPU制造至OSAT全供应链 但2026年后可能因美国设备管制面临挑战 [10] - CXMT预计2024年占全球DRAM产能13% 2025年产能或接近Micron 但每片晶圆比特产量较竞争对手少42% [11] 成本与机遇 - 中国DRAM成本或不含固定成本时低至$0.20/Gb(韩国为$0.23) 政府支持或助力成本竞争力 [17] - 华为Ascend 920支持HBM2/2e 虽落后于HBM3但通过高效软件在推理领域保持竞争力 [18] 智能手机与GenAI融合 技术趋势 - 智能手机带宽需求短期有限 未来生产力应用或提升需求 但计算主要依赖云端 [15] - 内存内计算(PIM)可能应用于高端手机 通过协议匹配实现更高带宽而不增加功耗 [15] - 苹果或从堆叠封装转向分立封装 提升iPhone Pro Max和折叠手机的带宽 [13][22] 边缘计算与定制HBM 定制化发展 - 定制HBM预计2026年随HBM4显著增长 NVIDIA、Amazon等7-8家IT企业推动其发展 [26] - 两种定制封装方案受关注：HBM直接安装于SoC或在基底芯片增加逻辑功能 [28] - 预计2030年定制HBM或占整体市场的30%-40% 需平衡性能潜力与成本可行性 [29] 行业整体趋势 - 2025-2026年为竞争关键期 中国在设备国产化(如Naura刻蚀机)和供应链布局上短期稳固 [18] - DRAM技术需权衡带宽、延迟等特性与成本时效性挑战 客户与制造商需共同承担创新风险 [22]

显示屏设备支出预测 - 2020年至2027年显示屏设备支出预测上调2%至770亿美元 [2] - OLED设备支出预计从2023年到2027年每年增加 2027年将达到83亿美元 [2] - OLED在智能手机、平板电脑和笔记本电脑中的渗透率持续上升 [2][5] OLED技术发展 - 两条第6代移动面板生产线向柔性面板转换 [2] - 一条第8.7代IT领域OLED生产线扩充7500片基板产能 [2] - 新增第8.7代OLED制造工厂进行柔性/LTPO面板转换 [2] - 扩充大于85英寸电视品类产能 [2] - 2020-2027年OLED将占显示屏设备支出的58% [5] LCD技术发展 - 2024-2027年间大于85英寸大尺寸LCD电视制造工厂进行改造 [5] - LCD制造工厂在显示屏设备支出中占比40% [5] 地区分布 - 中国在2020-2027年显示屏设备支出中占比83% [2][5] - 韩国同期支出份额为13% 金额为100亿美元 [5] - 印度占2% 中国台湾地区占1% [5] - 中国在LCD支出中占比93% OLED支出中占比77% Micro-OLED支出中占比85% [5] 行业研究范围 - 追踪70多个显示设备细分领域的设备收入情况 [9] - 识别170多家设备供应商并按细分领域统计设计订单 [9]

研讨会概况 - 2025年3月20日Counterpoint Research在深圳东海朗庭酒店成功举办AI 360研讨会，主题为"智能移动生态中的AI经济" [4] - 研讨会汇聚58位全球行业领袖，包括顶尖企业高管、学者及分析师，探讨AI技术前沿与商业机遇 [4] 外部嘉宾分享 - OPPO AI技术战略规划总监陈晓春分享AI手机实践与探索 [7] - 香港科技大学副校长汪扬探讨AI时代机遇与人才培养 [8][9] - 面壁智能商业化副总裁周树峰分析大模型从"无所不能"到"无处不在"的演进 [11] 内部分析师洞察 - Counterpoint副总裁分享2025 MWC最新洞察：AI从概念到落地及万物智能趋势 [13] - 研究总监Tarun Pathak深入分析智能手机AI生态系统 [13] - 研究副总监Peter Richardson探讨半导体与零部件企业"从云到端"的突破点 [13] - 高级分析师Ethan Qi和Flora Tang解析全球XR及AI眼镜市场机遇 [14][15] - 高级分析师Archie Zhang聚焦AI经济与商业化路径 [17] 圆桌对话核心议题 - 讨论涵盖AI Agent技术瓶颈、Gen AI商业生态竞合关系、中国AI新势力全球竞争策略及AI主权与监管框架平衡 [21] - 跨界嘉宾结合产业实践与学术洞察，提出技术落地与生态共建的前瞻思路 [21] 参会企业情况 - 44家AI产业链领军企业参与，覆盖硬件、终端、半导体、显示技术、光学组件、ODM及ICT领域 [22][24] - 参会企业多元布局体现AI技术跨领域渗透力与产业链协同创新趋势 [24] 研讨会成果与展望 - 会议通过观点交锋形成战略共识，推动跨界合作并为AI经济注入新动能 [35] - 未来将持续构建全球AI技术与商业协同平台，通过专题研讨和深度报告拓展智能时代可能性 [35]

印度智能手机制造行业概况 - 2024年"印度制造"智能手机出货量同比增长6%，主要受Apple和Samsung出口增长推动[2] - Apple和Samsung合计占印度智能手机出口量的94%[2] - 印度政府PLI政策推动本地制造增长，目标减少进口依赖并增强全球供应链影响力[2] 主要厂商表现 - Samsung 2024年出货量同比增长7%，出口量同比增长13%，保持印度智能手机制造商头部地位[4] - Foxconn Hon Hai出货量同比增长19%，受iPhone 14/15/13机型带动[4] - Tata Electronics同比增长107%，成为增长最快厂商，主要贡献来自iPhone 15/16机型[4][9] - Dixon在整体手机市场（含功能机）中成为印度最大制造商[4] 市场动态与趋势 - 全球智能手机制造商加速生产多元化，印度因本地市场、劳动力成本及政策优势成为理想制造基地[7] - 预计2025年印度智能手机制造将实现两位数增长，本地增值率持续提升[7][4] - vivo 2024年出货量同比增长14%，市场占比达14%，成为印度智能手机出货量第一品牌[9] - OPPO因竞争激烈及代工比例增加，制造排名降至第四，出货量同比下降34%[9] 厂商战略布局 - Foxconn计划建立智能手机显示模组组装业务以增强本地制造能力[9] - Tata Electronics扩大iPhone组装业务，并在Gujarat和Assam建设半导体及封测工厂[9] - Dixon通过与Transsion、realme等品牌合作实现智能手机领域39%同比增长[9]