文章核心观点 - 2025年科技行业的关键事件是AI与智能手机的深度融合，以字节跳动旗下豆包AI助手与中兴通讯合作推出的努比亚M153手机为代表，实现了AI从“被动应答”到“主动操盘”的颠覆性功能跃迁，但也因其获取底层“上帝权限”而引发了隐私、安全与权责的广泛争议 [1][4][5] - 此次创新被视为一次极具启发性但路径激进的技术实验，它迫使整个行业提前思考下一代人机交互，并凸显了在追求技术便利与维护隐私安全、伦理边界之间寻找平衡的重要性 [12] 行业发展历程与现状 - **AI与手机的融合演进**：行业早期，荣耀Magic系列已展示AI理解用户需求的雏形，随后小米、华为等厂商将大模型作为手机卖点，但应用多局限于文案创作、信息摘要等浅层 [1] - **关键转折点**：2025年12月，智谱发布AI手机开源系统为行业提供底层基础，而豆包AI手机则实现了从“助手”到“执笔者”的史诗级跳跃，将大模型深度嵌入操作系统底层 [1] - **市场背景**：AI大模型角力胜负未分但投入资金规模巨大，同时智能手机换机频率显著下降，手机厂商亟需探寻新出路 [1] 豆包AI手机的创新与颠覆性 - **核心创新**：将大模型装入使用频率最高的智能终端——手机，并通过获得底层权限，让AI从“被动应答”变为“主动操盘”，完成关键的“功能跃迁” [4] - **交互逻辑**：用户一句语音指令，AI便能直接调用各App发消息、点外卖、规划行程，打破了应用软件之间的“数字孤岛”，解决了AI落地的“最后一公里”问题 [1][4] - **行业影响**：其展现的AI作为“行动主体”的未来可能性，像一条鲶鱼彻底搅动了沉闷的手机市场 [12] 引发的争议与潜在风险 - **主流应用的“围剿”**：推出后不久即遭到了银行类、微信、淘宝等主流应用的限制，这被描述为一种基于安全本能的防御 [1][5] - **“上帝权限”的双刃剑**：为实现全托管操作，AI手机必须获取无障碍权限，直接读取屏幕底层数据并模拟点击，这种“暴力”的破门方式可能侵犯用户隐私与安全边界 [5] - **隐私与数据安全**：用户的聊天记录、银行卡号、支付信息等都可能被AI手机智能体获取，这挑战了“数据最小化”原则，并将分散于各App的敏感数据汇聚至单一科技巨头手中 [7] - **权责边界模糊**：AI从建议者变为执行者甚至决策者，一旦因模型幻觉导致理财亏损等错误，在现有法律框架下存在责任归属不清的问题，形成危险的权责失衡 [7] 国际科技巨头的应对策略 - **苹果的克制**：策略核心在于“私有计算”，坚持端侧处理，严禁AI在未经明确授权下读取第三方App的非公开数据，其CEO表示“隐私不应成为可选项，而应是产品的默认设置” [8][10] - **谷歌的路径**：虽然拥有强大的云端多模态模型，但其路径倾向于通过标准化的API接口实现协作，将AI作为一种“能力织网”覆盖全生态，而非赋予“万能钥匙” [10] - **巨头共识**：国际大厂普遍选择“受控的自由”，认为新贵的激进往往源于对“生态平权”的渴望，但代价可能是安全债的过度透支 [11] 行业未来的思考与方向 - **技术实验的价值**：豆包AI手机是一次极具启发性但路径激进的技术实验，清晰展示了AI作为“行动主体”的未来可能性 [12] - **寻找平衡点**：行业需要建立起一种道德自觉，作为抵御技术负外部性的“减速带”，在安全、隐私与便利之间寻找微妙的平衡点，这是一种高阶伦理观 [12] - **潜在探索方向**：在不同用户生态之间，建立起各自Agent之间的互通协议，或许是值得探索的一个方向 [13]

AI手机技术路线分野 - 字节跳动联合中兴努比亚推出“豆包手机”nubia M153，并正与vivo、联想、传音等厂商推进AI手机合作，其技术核心是GUI（图形用户界面）多模态大模型与系统级权限深度绑定，使AI助手能通过读屏、模拟点击等方式操作各款App，完成跨应用复杂任务[3][5][7] - 以苹果、谷歌为主导的海外阵营坚持API（应用程序接口）标准化路线，通过构建底层框架与标准化接口让AI调用应用功能，此模式稳定且保障隐私，但需要应用开发者主动配合，生态构建周期更长，进展相对迟缓[3][5][12][13] - 市场调查机构Canalys报告显示，全球AI手机出货占比将从2024年的16%升至2028年的54%，2023年至2028年的年复合增长率预计达到63%[20] GUI路线的影响与挑战 - GUI路线让AI助手获得系统级操作权限，直接“接管”屏幕，引发了微信、淘宝、各大银行App等主流应用的集体“自卫”，表现为提示环境异常、频繁人机验证或拒绝在录屏状态下运行[5][10] - 智谱AI宣布开源自主任务模型AutoGLM，同样基于GUI范式，但此前因未获厂商系统级权限支持，只能依赖安卓无障碍模式运行，该模式存在操作时会完全占据前台窗口的短板[10] - 手机厂商对开放系统级权限给AI公司存在顾虑，包括用户对隐私泄露的担忧，以及希望将系统级AI入口掌握在自己手中而非沦为技术通道，这解释了字节跳动首个合作伙伴是中兴努比亚而非头部厂商的原因[11] API路线的布局与策略 - 苹果的Apple Intelligence集成OpenAI的ChatGPT，并正计划采用谷歌的Gemini模型为Siri升级提供技术支撑，但其坚持通过API向Siri提供屏幕内容，而非直接操控界面，被评价为“最保守的大玩家”[13][17] - 谷歌走端云协同路线，其Gemini大模型具备强大端云协同能力，但手机端未采用GUI多模态操作，推出的AppFunctions API旨在解决生态内碎片化问题，实现系统对应用能力的统一发现与索引[20] - 谷歌和苹果均倾向于推动应用开发者主动接入标准化接口，实现AI助手跨应用协作，目前两家公司尚未在手机上推出GUI多模态操作相关功能，仍处于技术储备和观望市场反馈阶段[20] AI手机生态的利益格局重构 - GUI Agent将用户操作截留在手机系统层面，用户无需打开App就能使用其核心功能，这可能使App上的广告投放失去核心价值，冲击互联网行业的重要营收来源，这是超级App集体“自卫”的核心焦虑[21] - 未来AI手机生态可能呈现“分层治理”格局，微信、淘宝等超级App的长期最优解是自研AI Agent，形成Agent to Agent（A2A）协作模式，以保护自身“领地”并融入生态[22] - 对于缺乏自研能力的中长尾App，大概率将“被系统级AI直接控制”，它们可能通过接受系统级AI操作来换取新生态的流量分发，手机厂商或会制定标准化利益分配条款[23] 主要科技公司与AI动态 - OpenAI首席执行官山姆·阿尔特曼披露其产品周活跃用户数量已接近9亿，公司计划在2026年第一季度推出一款性能超越GPT-5.2的新模型，并预计在2028至2029年实现盈利[24][26] - 软银集团正通过一系列筹款方案，力争在年底前完成对OpenAI的225亿美元注资承诺，为此已卖掉持有的全部58亿美元英伟达股份，并减持了48亿美元的T-Mobile股份[27] - 微软AI主管穆斯塔法·苏莱曼表示，未来五到十年在AI前沿竞争将耗资数千亿美元，由于成本高昂，初创公司很难与大型科技公司竞争，xAI创始人埃隆·马斯克则预计其公司有望在2026年实现与人类智能相当的通用人工智能（AGI）[36][38] 金融市场与公司表现 - 马斯克确认特斯拉已开始在无安全员情况下测试自动驾驶出租车（Robotaxi），特斯拉市值增至1.6万亿美元，其个人财富增长近40%，达6440亿美元[40] - 美光科技股价上涨，此前公司对本季度营收给出了强劲指引，甲骨文股价上涨6.6%，因消息称TikTok已与包括甲骨文在内的三家投资者签署协议，将成立新的TikTok美国合资公司[40][41] - 日本央行加息25个基点至0.75%，创30年新高，但日元重挫1.4%，美元兑日元最高触及157.76，贵金属中现货白银本周累涨8.4%，报67.166美元/盎司，盘中刷新历史高位[41]

AI手机技术路线分野 - AI手机技术路线已形成鲜明分野，以字节跳动“豆包手机”为代表的阵营采用GUI技术路线，而苹果、谷歌主导的阵营则坚持API标准化路线[1] GUI技术路线阵营 - 字节跳动联合中兴努比亚推出“豆包手机”nubia M153，其AI助手通过获得系统级权限，利用GUI技术模拟人类点击、滑动，实现跨应用操作，如订外卖、发微信、比价购物[4][6] - 字节跳动正与vivo、联想、传音等厂商推进AI手机合作[1] - 智谱AI宣布开源自主任务模型AutoGLM，同样基于GUI范式，通过视觉大模型实现手机自动化操作[6] - GUI路线的优势在于通用性强，不依赖App开发者配合，理论上能操作所有App；缺点包括隐私保护压力大、效率较低且易出错[8] API技术路线阵营 - 以苹果Apple Intelligence和谷歌Gemini为代表的API路线，通过构建底层框架与标准化接口，让AI通过规范“调用能力”完成任务[8][9] - API路线的优点是稳定、保障隐私且效率高；缺点是需要App开发者主动配合，生态构建周期更长[9] - 苹果Apple Intelligence集成OpenAI的ChatGPT，并计划采用谷歌Gemini模型为Siri升级提供技术支撑[13] - 谷歌推出AppFunctions API，旨在解决生态内碎片化问题，实现系统对应用能力的统一发现与索引[13] - 苹果和谷歌均倾向于推动应用开发者主动接入标准化接口，尚未在手机上推出GUI多模态操作功能，仍处于技术储备阶段[13] 技术路线博弈与行业影响 - GUI路线引发主流App“自卫反击”，如微信提示环境异常、淘宝频繁弹出人机验证、银行App拒绝在录屏状态下运行[6] - 超级App的焦虑在于，AI助手直接介入交易可能影响其商业模式，且GUI Agent将用户操作截留在系统层面，可能使App的广告投放失去核心价值[14][15] - 手机厂商对开放系统级权限给AI公司存在顾虑，包括用户隐私担忧以及不希望沦为AI公司的技术通道，这解释了为何字节跳动的首个合作伙伴是中兴努比亚而非头部厂商[7] 未来生态格局展望 - 未来AI手机生态可能呈现“分层治理”格局：超级App可能通过自研AI Agent形成A2A协作模式；而中长尾App因缺乏自研能力，可能“被系统级AI直接控制”，接受新的流量分发规则[16] - 市场机构Canalys报告显示，全球AI手机出货占比预计将从2024年的16%升至2028年的54%，2023年至2028年的年复合增长率预计达63%[13] - 行业变革将推动生态从“流量争夺”走向“价值共创”，最终形成手机厂商主导，超级App、长尾应用和大模型厂商各司其职的新格局[16]

全球大模型格局 - 全球大模型发展呈“双核驱动”态势，技术路径上闭源与开源并行，地缘格局上美国与中国成为两大核心力量[10] - 美国在算力、算法和人才方面积累深厚，主导闭源领域；中国将开源作为重要发展方向，有助于应对供应链不确定性和外部制约[13] - 头部闭源模型形成OpenAI、Anthropic与Google“三驾马车”之势，OpenAI的GPT系列在综合能力方面具备优势，Anthropic聚焦专业场景，Google的Gemini路线更倾向于“全面而均衡”[17] 开源模型的崛起 - 2025年是中国大模型发展的“破局之年”，DeepSeek横空出世，在全球范围内率先以开源方式复现具备“长链推理”能力的大模型[18] - DeepSeek通过创新训练机制将推理过程中的Token成本大幅压缩，实现“低成本，长推理”范式，迅速引爆开发者社区[18] - 除DeepSeek外，通义千问和Kimi等国产大模型也已陆续开源，共同探索兼具技术深度与生态广度的新型开源路径[18] - 开源对中国而言是一种系统性战略，本土开源模型获得广阔应用试验场，并激活了中国庞大的工程师红利，实现算力、数据与人才的高效协同[19] 端侧模型发展 - 2025年“端侧推理”成为模型落地的重要战场，在云端训练昂贵、推理成本上升的背景下，部分推理能力迁移到设备端执行[20] - 端侧模型参数量级在几亿到数十亿，具备低延迟响应、强隐私保护和几乎可忽略的运行成本优势[21] - 家庭与办公场景成为端侧模型的典型载体，安防摄像头、家用机器人等开始依赖本地推理完成视觉理解和任务执行[21] 大模型关键技术演进 - 大模型从单一文本能力迈向更复杂综合形态，四大技术趋势包括原生多模态融合、推理能力、长上下文窗口与记忆机制，以及智能体能力[22] - 前沿大模型正转向原生多模态架构，将图像、语音、文本等多种模态嵌入同一共享向量表示空间，实现更高效一致的理解与生成[23] - 推理能力成为核心标配，模型在训练阶段学习“如何一步步思考”，在推理阶段采用“延长思考时间”等机制提升判断能力[24][26] - 新一代模型支持超长上下文并结合外部记忆存储机制，能够在多次交互中持续追踪用户身份和偏好，成为具备长期认知能力的数字伙伴[27] 训练范式与架构探索 - 大语言模型经历范式转变，从以大规模预训练为核心单一路径，演进为融合后训练精调与运行时计算增强的多阶段协同体系[31] - 能力提升遵循三条“规模法则”：预训练规模法则构建基础能力，后训练规模法则注入任务导向行为模式，测试时规模法则提升准确性[32][33][34] - Transformer仍是绝对主流架构，但研究者积极探索线性注意力模型、混合注意力机制和文本扩散模型等替代或混合方案[37] 物理AI和世界模型 - 世界模型和物理AI成为行业新焦点，物理AI指能够感知现实环境、理解物理规律并采取有效行动的智能系统[38] - 世界模型是AI在“脑海中构建的微型世界”，能模拟和预测未来状态，具备“内部模拟-预演-规划”能力，提升系统泛化能力和安全性[38] - 2025年世界模型领域迎来多项标志性进展，DeepMind发布Genie3，OpenAI推出Sora2，World Labs发布Marble，NVIDIA Isaac Sim获得业界广泛关注[44] 产业链与基础设施 - 算力基础设施层面英伟达领先地位依然稳固，市值一度突破5万亿美元，多元化生态虽已萌芽但远未成熟[47] - AI行业从依赖少数云厂商支持转向多方参与的“循环式资金支持”模式，形成以英伟达和OpenAI为核心的“软硬双核”驱动结构[48][51] - 截至2025年8月全球AI应用的年度经常性收入约300亿美元，但行业全链条成本需达到约6000亿美元年收入才能实现合理回报，存在数千亿美元亏损缺口[51] 应用层发展机遇 - 大模型公司通过打造“超级助手”和布局开发者工具、AI搜索等，希望成为下一代人机交互的入口掌控者[53][54] - AI应用创业者的机会存在于大模型边界之外的垂直领域，需要深度行业理解、复杂工作流整合或强用户关系沉淀的场景[55] - 成功创业路径包含三个关键策略：抢跑模型能力、搭建灵活脚手架、将护城河转向用户数据侧积累[56] AI应用进化与挑战 - AI应用从被动响应的对话工具向具备目标感与自主性的智能体进化，经历对话、Copilot、有限智能体和自主智能体四个阶段[61] - 软件开发方式发生根本转变，核心工作转向“上下文工程”，即动态编排提示词、记忆、状态与工具调用[62][65] - 高达95%的组织未能从生成式AI投入中获得可衡量的商业回报，出现“生成式AI鸿沟”，主因是应用场景错配和难以捕捉隐性知识[65][66] - AI应用面临“成本悖论”，尽管单位Token推理成本下降，但由于链式推理导致Token调用量大幅攀升，公司整体支出可能不降反升[67] 2026年AI行业展望 - 技术方向关注在线持续学习，期待模型能实现终身学习模式，在线持续地学习、感知反馈、自我调整[73] - 经济影响关注AI能否打破“生产率悖论”，当大模型承担智力工作、机器人接管体力任务，可能推动全要素生产率提升[74][75] - 投资逻辑从“技术叙事”回归“商业基本面”，投资者更关注项目是否具备真实竞争壁垒、清晰可持续的经济模型和规模效应[76]

**ARM公司及行业研究电话会议纪要关键要点** **一、 公司业绩与业务亮点** * 公司2025年第三季度收入达10亿美元，同比增长34%[3] * 授权收入同比增长56%，驱动因素包括为软银提供设计服务以及与多家大型企业（包括一家中国企业）签订高价值许可交易[3] * 许可费收入同比增长超预期，因两家大客户提前提升产品产量[3] * 公司提高全年收入指引1亿美元，但EPS保持不变，因计划增加AI研发投资[3] * 本季度签订4宗新的CSS（计算子系统）订阅业务交易，帮助客户芯片设计效率提升，上市时间减半[5] **二、 战略合作与技术发展** * 公司与Meta合作优化AI算法（如PyTorch、ExeTorch），使其更好运行在ARM芯片上[2][5] * 与OpenAI有紧密合作，共同开发Star Gate项目，每年支付30亿美元获取其技术，以了解软件发展方向，指导新一代CPU开发[2][11] * 公司透露可能在2026年推出自己的硅基芯片，目前处于决策流程中[2][5] * 软银（持有公司87%股权）正开发自己的半导体业务，并收购了Graphcore和Ampere等公司，有望形成强大的生态系统[3][17] **三、 行业趋势与市场观点** * **AI需求与泡沫担忧**：公司认为当前对AI设备和边缘设备芯片的需求远未满足，与25年前互联网泡沫不同，当前数据中心GPU和加速器利用率高达100%（如谷歌7年前安装的TPU仍保持100%利用率）[2][6] 高需求环境预计至少延续到2027年[7] * **边缘AI趋势**：边缘AI发展将加速，更多算法将从数据中心迁移到边缘设备，SOC升级将带来更高TOPS算力[2][9] 小语言模型（如谷歌Gemini Nano）开始进入边缘设备，可在成本仅10美元的芯片上运行，嵌入家用电器，推动具身智能普及[9] * **芯片设计趋势**：行业趋势是将大型复杂芯片分解为多个芯粒（chiplet），再封装成超级芯片（如亚马逊Graviton、英伟达Grace Blackwell）[4][12] ARM计划出售不同功能芯粒，由客户自行组合成超级芯片[4][13] * **Chiplet技术应用**：该技术可将不同工艺节点（如14纳米、7纳米、2纳米）的芯粒组合，已应用于数据中心，高端汽车领域（如ADAS和座舱）也有望采用[16] **四、 市场竞争与地缘政治** * **英特尔与英伟达合作**：公司认为该合作主要针对企业服务器市场中的AMD，对ARM的云业务影响不大，因基于ARM芯片的功耗远低于x86芯片（约一半），且成本效益更高（NVIDIA Blackwell芯片含72个ARM内核，总成本约35美元，而Intel x86芯片售价在1000到2000美元之间）[4][18][19] * **PC市场**：在Windows系统PC市场，目前除高通（与微软有排他性协议）外无其他ARM架构芯片供应商，但预计2026年至少有1-2家公司宣布进入[19] 在Linux PC（如NVIDIA DJS Spark工作站）和苹果Mac（已100%基于ARM）领域表现强劲[19] * **ARM中国**：ARM中国成立旨在技术本土化，近期许可收入年增速达20%[2][10] 尽管软银是日本公司，但ARM总部位于英国并在美国上市，受美国地缘政治影响较小，公司认为地缘政治不会对业务造成重大不利影响[2][10] **五、 未来战略与挑战** * 公司专注于技术开发，以满足客户需求，打造下一代芯片和数据中心，并确保未来AI基于ARM架构运行[7][20] * 边缘AI发展带来技术挑战，如需要安全地跨应用程序协调数据访问[9] * 若推出完整的半导体解决方案，可能提升收入和利润，但也可能导致利润率下降（当前IP业务毛利率为92%，半导体业务毛利率较低）[14] 未来可能拆分IP业务与半导体业务线以清晰评估影响[14][15] * 公司关注物联网（IoT）的长期发展趋势，核心是设计能运行未来AI算法的新CPU[20]

谷歌AI反诈系统 - 谷歌在旗下应用及搜索引擎中全面引入AI反诈系统，利用人工智能技术精准识别并拦截潜在恶意网站，打击网络诈骗行为 [1] - 谷歌每天成功阻止"数以亿计"的诈骗性搜索结果，较三年前拦截效率大幅提升20倍 [3] - AI技术深度应用通过智能算法快速识别并过滤含有欺诈信息的搜索结果，确保用户获取真实可靠信息 [3] 谷歌AI反诈功能扩展 - Google Messages短信应用和Phone电话应用增添AI驱动的诈骗检测功能，通过智能分析短信和通话内容精准识别潜在诈骗行为 [3] - 安卓版Chrome浏览器推出"AI警告"功能，利用本地机器学习模型分析网页弹窗通知内容，检测到可疑通知时立即弹出警告 [4] 浏览器安全防护 - 桌面版Chrome浏览器引入设备端运行的Gemini Nano大语言模型，提供额外安全防护 [3] - Gemini Nano在本地分析网页内容识别"恶意意图"，并将安全报告发送至谷歌安全浏览服务进行最终判定 [3] - 本地化与云端相结合的AI处理方式提高检测速度，有效识别新型诈骗网站 [3] 市场数据 - 道琼斯指数41,249.38点，下跌0.29% [2] - 标普500指数5,659.91点，下跌0.07% [2] - 纳斯达克指数17,928.92点，持平 [2]

谷歌AI安全功能升级 - 公司宣布推出全新AI驱动的安全功能套件 旨在保护用户免受日益复杂的诈骗威胁 [1] - 桌面版Chrome增强保护模式集成Gemini Nano大语言模型 可实时分析网站并检测技术支持诈骗等威胁 [2] - 安卓版Chrome新增AI通知警报功能 对可疑通知发出警告并提供退订选项 [3] 设备端反诈骗技术应用 - Google Messages和Phone应用自3月起具备设备端诈骗检测功能 覆盖短信/彩信/RCS消息及语音通话 [4] - 所有数据处理均在设备本地完成 确保用户隐私不受侵犯 [4] - 通过实时行为扫描技术 可识别诈骗特征并即时提醒用户 [4] 反欺诈成效数据 - AI系统当前拦截的诈骗网站数量较三年前增长20倍 [5] - 改进后的检测机制能识别协同诈骗网络 并支持多语言分析 [5] - 2024年新防护措施使冒充官方网站的诈骗减少超70% [5] AI战略协同效应 - 公司将Gemini大模型深度整合至搜索及生产力工具 同时扩展云服务业务 [6] - AI技术不仅用于产品创新 更成为保护用户和品牌的安全护城河 [6] - 通过服务端内置AI防护 在用户接触诈骗前实现主动拦截 [6]

行业趋势 - AI眼镜和智能硬件在CES 2025展会上成为亮点，中国厂商占据近50款AI（AR）眼镜的半壁江山 [4] - Meta的Ray-Ban Meta AI眼镜销量突破200万台，在人机交互领域具有领先优势 [8] - 端侧AI应用的核心在于大模型能力，需完成模型压缩、模型适配、人机交互三个步骤 [9] - 端侧AI对存储要求提升，存储成为应用落地的核心，智能穿戴领域需要大容量存储支持 [9] 公司业绩 - 佰维存储2024年预计营收65-70亿元，同比增长81.02%-94.95%，归母净利润1.6-2.0亿元，同比增长125.63%-132.03% [12] - 剔除股份支付费用后，归母净利润为5.1-5.5亿元，同比增长202.43%-210.54% [12] - 2024年智能穿戴存储产品收入约8亿元，同比大幅增长 [21] 技术优势 - 佰维存储的ePOP产品具备小尺寸、低功耗、高可靠、高性能优势，最小尺寸为8.0*9.5*0.7（mm） [21] - 公司开发出芯片形态的BGA SSD，最小规格为11.5*13*1.2（mm），容量最大可达1TB，已通过谷歌认证 [24] - 公司掌握16层叠Die、30-40μm超薄Die、多芯片异构集成等先进封测工艺 [31] - 自研主控芯片SP1800支持eMMC5.1协议，实测性能领先行业同类产品 [36] 市场地位 - 佰维存储是全球前五的ePOP厂商，国内少数能量产ePOP的公司之一 [26] - 2021年公司在eMMC及UFS全球市场排名第8，国内排名第2 [26] - 2024年上半年嵌入式存储收入22亿元，占比65%，同比增长32% [26] 行业前景 - 2025年全球智能眼镜市场预计达48亿美元，同比增长20% [39] - 2030年全球AI眼镜出货量有望达8000万部，2024-2030年CAGR为185% [39] - AI眼镜价格下探至千元左右，复制TWS耳机发展路径 [45] - 存储芯片是AI眼镜中价值量仅次于SoC的半导体器件 [48] 战略布局 - 佰维存储提出"研发封测一体化2.0"战略，子公司泰来科技专精于存储器封测及SiP封测 [30] - 晶圆级先进封测项目于2023年11月落地松山湖，预计2025年投产 [33] - 研发人员数量750人，占比38%，研发费用长期高于销售和管理费用 [38]