行业评级 - 半导体行业评级维持"强于大市" [1] 核心观点 - "以存代算"技术突破推动SSD需求增长，华为UCM技术通过分级存储机制优化AI推理效率，将实时数据、短期记忆和长期数据分别存储在HBM、DRAM和SSD中，显著降低算力消耗 [4][10] - 7月半导体行业景气度回升，存储、模拟、功率、被动器件价格普遍上涨，DDR4价格波动，MCU交期稳定，Q3预计交期延长且价格持续上行 [5][11] - 2025年全球半导体增长乐观，AI驱动下游需求，国产替代加速，存储板块3Q25合约价涨幅高增，功率模拟业绩增速显著，晶圆代工龙头开启涨价 [6][12] 技术突破 - 华为UCM技术采用自适应全局Prefix Cache和动态稀疏加速算法，扩展推理上下文窗口10倍，降低首Token时延和单位Token成本 [10][16] - UCM通过SSD存储温冷数据减少HBM依赖，企业级SSD需求激增，重点关注存储模组厂（江波龙、佰维存储）及主控芯片厂商（联芸科技） [4][21] 供应链动态 - 7月半导体设备及硅晶圆订单稳定，材料厂商改善，原厂ADI收紧代理渠道，NVIDIA/AMD重启对华AI芯片销售 [28][29] - 晶圆代工产能利用率提升，台积电2nm良率超预期，中芯国际14nm良率超90%，封测端日月光布局汽车/机器人市场 [31][32] 价格趋势 - 存储市场DDR4价格回调但未恐慌性抛售，LPDDR4X持续涨价，低容量eMMC因MLC NAND资源紧张价格大幅走高 [33][37] - Flash Wafer及DDR5 16Gb Major价格小幅上涨，渠道DDR4内存条企稳，DDR5交期延长但价格稳定 [36][39] 投资建议 - 关注存储（兆易创新、香农芯创）、IDM代工（华虹半导体、中芯国际）、ASIC（翱捷科技）及设备材料（北方华创、中微公司） [7][12] - 端侧AI SoC芯片受益硬件渗透率提升，AI眼镜密集发布推动需求，CIS受智能车及手机新品拉动 [6][12]

核心观点 - Normal Computing成功流片全球首款热力学计算芯片CN101 专为AI/HPC数据中心设计 利用热力学和物理原理实现远超传统芯片的计算效率 在特定AI任务中能耗效率提升高达1000倍 [2][4][5] - 热力学计算利用噪声和随机性执行计算 适用于非确定性结果的应用场景（如AI图像生成和训练任务） 与传统确定性计算形成鲜明对比 [2][4] - 公司计划通过CN产品线路线图（2026年CN201和2028年CN301）扩展至更复杂的AI模型 包括高分辨率扩散模型和视频传播模型 [6][7] 技术原理与架构 - 芯片基于热力学和概率计算原理 组件始于半随机状态 通过输入程序并读取平衡结果作为解决方案 专用于处理随机性和不确定性的算法 [2][4] - 利用自然动力学（如波动、耗散和随机性）执行计算 通过专有的格点随机游走（LRW）采样系统加速概率计算 适用于线性代数、矩阵运算和贝叶斯推理 [4][5] - 架构设计目标是为AI训练服务器提供多类型计算单元（CPU/GPU/热力学ASIC/量子芯片） 确保每个问题获得最高效解决方案 [2][4] 性能与应用 - CN101针对AI和科学计算关键任务优化 包括大规模线性系统求解和概率计算 在相同能耗预算下可最大化AI计算输出 并实现低延迟高吞吐推理 [4][5] - 热力学计算旨在解决当前AI能效瓶颈 公司称当前AI能力在现有能源架构下发展曲线趋于平缓 而该技术可支持未来几十年训练规模扩大一万倍的需求 [6] - 芯片已进入特性表征和基准测试阶段 结果将指导后续产品开发（CN201和CN301） 以实现中等规模GenAI任务最先进性能及大规模任务数量级提升 [6][7] 行业意义与发展 - 热力学计算代表替代计算技术兴起 以应对硅计算最小尺寸限制和全球AI数据中心需求增长 与硅光子学和量子计算并列前沿方向 [2][6] - 首次流片由小规模工程团队完成 被视为历史性里程碑 可能成为新芯片技术突破浪潮的重要组成部分 [2][6]

公司技术 - 研发热力学芯片 利用随机热力学波动突破传统二进制限制 实现可编程随机性 [1] - 芯片硅片尺寸为小拇指指甲大小 元件阵列宽度为几十微米 [1] - 计划2025年晚些时候将首批芯片推向市场 [1] - 芯片将应用于天气建模 金融市场建模和人工智能领域 [1] - 已筹集1410万美元种子资金 约20名工程师全职投入研发 [2] 公司背景 - 创始人纪尧姆·韦尔东曾参与谷歌量子计算机人工智能项目 领导开发TensorFlow Quantum软件 [2] - 首席技术官特雷弗·麦考特来自谷歌量子计算项目 [3] - 公司吸引众多从量子计算领域出走的人才 [2] 技术比较 - 热力学计算利用随机热力学波动 与量子计算试图降低热力学波动的方向相反 [1] - 谷歌量子芯片需极低温冷却 在105个量子比特规模进行纠错 优势存在不确定性 [3] - 热力学芯片可高效模拟不确定性 与传统计算机结合运行概率模拟算法 [1][3] 应用前景 - 芯片交付早期使用者后 有望在高科技交易和医学研究领域展现价值 [3] - 最终目标是在该硬件上运行整个工作负载和语言模型 [1]