公司近期财务表现与运营状况 - 2024年10月营收79.08亿元新台币，同比增长262.37% 税前净利25.02亿元新台币，同比增长781.74% 归属母公司净利20.39亿元新台币，同比增长1006.38% [1] - 2024年第三季营收187.79亿元新台币，同比增长130.9% 税前净利20.23亿元新台币，同比增长210.67% 归属母公司净利15.63亿元新台币，同比增长205.16% 运营已明显脱离谷底，迈入回升循环 [1] - 公司第三季平均报价季增约40%，第四季价格持续走扬，但各产品线涨幅不一 [1] - 因内存供不应求，公司已启动调整订单配置策略并控制出货 [1] 行业供需格局与价格展望 - 全球DRAM价格自8-9月急速拉升，带动公司业绩 [1] - 内存市场目前处于明显缺货状态，AI服务器需求快速成长，预估2026年将占DRAM总需求逼近40% [3] - 主要供货商降低DDR4/LPDDR4产出，并将产能持续转至生产HBM、DDR5/LPDDR5 [1] - AI服务器需求飙升，加上三大原厂优先支持DDR5与HBM生产，使传统DDR4供给快速收敛，供需更形紧俏 [2] - DDR4短缺预计仍将延续至2025年上半年，价格可望维持高档并在第一季后逐步稳定 [2] - 预期2025年价格若能维持首季价格即属理想，整体价格将呈高档持稳，产业已从谷底回升至健康水平 [1] 公司产品战略与市场地位 - 公司维持相对高比重的DDR4产能 [3] - 三大原厂纷纷将产能转为生产DDR5、HBM4等，不易回头生产DDR4 [2] - 目前DDR4仍占有整体DRAM市场约20%，在庞大供需缺口带动下，呈现每月报价调涨态势 [2] - 各大内存原厂在2025-2026年主力皆投向新世代产品，导致DDR4产能缩减幅度超过预期 [3] - 在此背景下，南亚科的市场地位将明显提升，在2026年有望跃升为全球最大DDR4供货商之一 [3] - 若2027年后，3DDRAM顺利导入边缘AI应用，公司在产品技术与市场布局上仍具备进一步上修的空间 [3] 公司产能与技术发展 - 公司正推动制程升级以及新厂建置计划 [3] - 泰山Fab3A正加速导入1C/1D纳米制程 [3] - 南林科技园区的新厂预计自2027年起陆续开出产能 [3] - DRAM资本支出主要在先进制程与高阶产品，制造端库存维持在健康水位 [1]

DRAM技术发展趋势 - DRAM制程微缩放缓，长远命题在于从2D转向3D架构，当前DRAM芯片工艺已突破10nm级别，面临工艺完整性、成本、电容器漏电和干扰等挑战 [1] - 混合键合方案改进了Micro bump的堆叠高度限制，代表3DDRAM未来技术路径，与现有HBM方案相比，混合键合不配置凸块，可容纳较多堆叠层数和较厚晶粒厚度，改善翘曲问题 [1] - 三大HBM原厂已确定于HBM520hi世代使用Hybrid Bonding技术，混合键合方案的芯片传输速度较快且散热效果较好 [1] AI端侧技术路径 - AI端侧推理速度的瓶颈在于内存带宽而非算力，3DDRAM通过混合键合技术可显著提升传输效率，例如800GB/s带宽下高通骁龙8GEN3的推理速度可从4.8 tokens/s跃升至57 tokens/s [1][3] - NPU作为协处理器的运用叠加3DDRAM极有可能是下一代的端侧技术趋势，中国大陆玩家兆易创新及其投资子公司青耘科技、光羽芯成，以及中国台湾存储IDM华邦电、手机AP龙头高通等均发力3DDRAM+NPU方案 [3] AI模型与硬件发展 - AI应用走向百花齐放而非高度范化的统一模型，硬件侧为应用落地酝酿新技术储备，小型MoE模型如Qwen3-30B-A3B激活参数数量是QwQ-32B的10%，表现更胜一筹，为端侧应用提供模型基础 [2] - 海外硬件大厂在储备能让AI"泛在"与"常开"的技术，NPU协处理器与3DDRAM结合是下一代端侧技术趋势 [2] 行业推荐 - 推荐兆易创新(603986 SH)，因其在3DDRAM+NPU技术趋势中的布局 [1]

纪要涉及的公司和行业 - 公司：高通、华邦 - 行业：电子行业 纪要提到的核心观点和论据 - **高通合作验证节奏**：今年一季度正式立项并完成国内供应商验证，预计6月底回片后进行合封、测试、良率和功能评估，明年2 - 3月送样手机厂商，9 - 10月推出手机市场[1] - **应用层面升级**：高通骁龙8 Elite旗舰机标配LPDDR5x带宽85GB/s，升级3DDRAM后可超1T，目前配合验证产品带宽256GB/s，速率提升三倍，成本合计上升约60美元，适用于计算摄影AI等高端机型[1] - **WoW方案优势**：相比华邦CUBE，WoW采用hybrid bonding，无 微凸点，堆叠高度更薄，在内存带宽和功耗方面有优势，4层以上堆叠时良率优于CUBE[1]