如果您希望可以时常见面，欢迎标星收藏哦~ 来源：内容来自半导体芯闻综合。 美光科技，作为美国最大的电脑内存芯片制造商，因人工智能设备需求带动，给出了乐观的季度业 绩预期，其指出，下一代HBM内存将与台积电合作生产基础逻辑芯片。 公司周二发布声明称，本财年第一季度营收预计约为125亿美元，高于分析师平均预期的119亿美 元。扣除部分项目后，每股利润预计约为3.75美元，而市场此前预估为3.05美元。 这一前景证明了美光已成为AI投资的主要受益者。其高带宽存储器（HBM）是开发人工智能模型 所需芯片与系统的关键组成部分，这也使得该技术成为总部位于爱达荷州博伊西的美光极具盈利性 的产品。 值得关注的是，美光在财报会议上表示其HBM4 12-Hi DRAM 解决方案进展顺利，为了满足近期 不断增长的性能需求，该公司已生产并交付了迄今为止速度最快的 HBM4 解决方案的首批样品， 该解决方案提供超过 11 Gbps 的引脚速度和 2.8 TB/s 的带宽。他们表示，新的 HBM4 产品在性 能和效率方面应该超越所有竞争对手。 除了 HBM4，美光还谈到了下一代 HBM4E 内存。与完全基于自主研发的先进 CMOS 基础 ...

英伟达Rubin CPX GPU架构变革 - 英伟达推出专为长上下文AI工作负载设计的Rubin CPX GPU 采用成本更低的GDDR7内存而非高端HBM方案 颠覆以往AI芯片搭载HBM的惯例 [1][2] - 该芯片定位解耦推理架构中的上下文阶段主力 在NVFP4格式下提供30 PFLOPs算力并搭载128 GB GDDR7显存 而标准版Rubin GPU专注于生成阶段 提供50 PFLOPs FP4算力及288 GB HBM4显存 [3][5] - 整体系统Vera Rubin NVL144 CPX机架计划2026年推出 包含144块Rubin GPU和144块Rubin CPX GPU 性能达8 ExaFLOPs NVFP4 是现役GB300 NVL72的7.5倍 [3][4] HBM与GDDR7的技术经济性对比 - HBM成本高昂且存在带宽闲置问题 在推理任务的预填充阶段因并行度高 其额外带宽未被充分利用 而解码阶段才真正需要高带宽 [8][11] - GDDR7在预填充阶段带宽和延迟已足够 配合HBM在生成阶段的分工 既保障性能又降低系统总成本 使显存成本占比大幅下降 [9] - 选择GDDR7可降低预填充与token的单位成本 可能刺激推理需求增长 进而反向推动解码阶段对HBM带宽的更高需求 [9] 内存供应链格局变化 - 英伟达对GDDR7需求激增 要求三星将产量翻倍 三星已完成扩产准备并预计本月启动量产 而SK海力士和美光产能更多锁定HBM订单 [10] - 针对中国市场的新产品"B40"将搭载三星GDDR7 预计年出货量达100万片 仅GDDR7基板需求约2000亿韩元 整体订单规模或达数万亿韩元 [12] - 三星凭借GDDR7订单巩固图形DRAM市场地位 并积极争取HBM4供应资格 计划用1c存储单元技术实现反超 [12] HBM技术发展持续 - SK海力士宣布完成全球首款HBM4开发并做好量产准备 强调通过性能、功耗和可靠性优势保持AI存储器领域领先地位 [13] - 行业仍持续追求性价比优化 HBM4被视为新里程碑 但巨头竞争焦点同时涵盖高端HBM和成本更优的替代方案 [13]

行情表现 - 9月12日存储板块开盘大涨 德明利涨停 东芯股份、江波龙、香农芯创、普冉股份、朗科科技、兆易创新、佰维存储等集体大涨[1] 公司业务定位 - 兴森科技系国内本土IC封装基板行业先行者 IC封装基板应用于手机内存条等领域[3] - 德明利建立完善存储产品矩阵 涵盖移动存储、固态硬盘、嵌入式存储等[3] - 东芯股份系中国大陆少数能同时提供NAND Flash、NOR Flash、DRAM完整解决方案企业 主营非易失性存储芯片与易失性DRAM[3] - 江波龙为国内存储模组领先企业 内存产品线覆盖DDR内存条 应用于服务器、终端及电竞领域[3] - 兆易创新系国内存储领域龙头 业务涵盖存储器、微控制器及传感器 闪存芯片全球无晶圆厂供应排名第一[3] 行业动态与事件 - 隔夜美光、闪迪等美股存储龙头集体大涨[5] - 闪迪9月5日宣布全渠道消费类产品价格普涨10% 供应链消息称长江存储四季度将跟进涨价[5] - 英伟达9月9日推出Rubin CPX专用GPU 采用GDDR7内存提升海量数据上下文处理速度[5] - 长江存储三期公司于2025年9月5日正式成立 标志扩产计划进入新阶段[5] 机构观点与数据 - 闪迪涨价10%标志新一轮定价周期开启 供需缺口扩大：AI推动需求增长 供应端因产能转向高密度节点及财务困境导致紧缩[6] - 2025年第二季度全球DRAM市场规模季增17%至309亿美元 受AI风潮推动合约价上涨及HBM出货增长[6] - 英伟达Rubin CPX硬件拆分AI推理负载 内存升级推动DRAM量价齐升[6] - 长江存储三期项目有望打破三星/海力士垄断 推动国产设备/材料/零部件增长[6]

文章核心观点 - 英伟达推出Rubin CPX专用预填充加速器 解决AI推理中预填充和解码阶段硬件需求矛盾 通过专用硬件设计显著降低成本并提升效率[1][2][3] - 第三代Oberon架构机架采用无电缆设计和全液冷方案 实现更高计算密度和散热能力[8][9][10] - 行业竞争格局可能被重塑 竞争对手面临更大压力 GDDR7需求可能爆发[13][15][16] AI推理硬件需求矛盾 - AI大模型推理存在预填充(prefill)和解码(decode)阶段硬件需求矛盾：预填充阶段需要高计算能力但内存带宽需求低 解码阶段需要高内存带宽但计算需求低[2][3] - 通用GPU方案导致资源浪费：预填充阶段HBM内存带宽利用率仅0.7% 解码阶段计算能力过剩[3][7] - 专用硬件解决方案可提升效率：预填充阶段每小时浪费TCO从R200的0.9美元降至CPX的0.16美元[6][7] Rubin CPX配置特点 - 采用GDDR7替代HBM：内存带宽从R200的20.5TB/s降至2TB/s 但成本降低80%[4][6] - 封装和连接简化：从CoWoS封装改为FC-BGA SerDes速率从224G降至64G(PCIe Gen6)[4][5] - 成本效益显著提升：BOM成本仅为R200的25% 但提供60%计算能力[6] - 内存利用率优化：带宽利用率从0.7%提升至4.2% 容量浪费从286GB降至123GB[7] Oberon机架架构升级 - 无电缆设计：采用Amphenol板对板连接器和PCB中板 消除飞线故障点[9] - 计算密度提升：单个计算托盘容纳4个R200 GPU+8个Rubin CPX+2个Vera CPU 整机架达396个计算和网络芯片[9] - 全液冷散热方案：功率预算达370kW 采用三明治设计共享液冷冷板 支持7040W托盘功率[10] - 灵活扩展能力：支持单独添加VR CPX机架通过InfiniBand/以太网连接 可调整预填充与解码比例[12] 行业竞争影响 - AMD面临压力：MI400机架19.8TB/s带宽被R200的20.5TB/s超越 需重新规划产品路线[13] - 云计算厂商受冲击：谷歌TPU需开发专用预填充芯片 AWS Trainium3机架需额外设计EFA侧机架[13] - 定制ASIC公司处境困难：在硬件专用化趋势下可能被成本压制[13] - GDDR7需求增长：三星因产能充足获得大订单 SK海力士和美光因专注HBM产能受限[15][16] 产业链变化 - PCB价值量提升：每GPU的PCB价值从GB200的400美元升至VR200的900美元[21] - 中层板需求增加：每个NVL144需18个中层板 采用44层PTH PCB[20] - 液冷系统需求扩张：每颗CPX芯片需配冷板 同时拉动转接头、CDU和管路需求[22] 未来发展方向 - 可能推出解码专用芯片：减少计算能力 增加内存带宽 进一步优化能效[14] - 硬件专用化趋势加速：预填充和解码阶段可能分别采用不同专用芯片[14]

美国撤销三星和SK海力士在华工厂VEU资格 - 美国政府决定撤销三星电子和SK海力士中国工厂的"已验证最终用户（VEU）"资格 从2025年1月开始 每批设备发货都需要单独获得许可[1][18] 存储芯片市场格局与限制措施 - 存储芯片分为NAND闪存（用于U盘、SD卡、移动硬盘）和DRAM动态随机存储（用于手机、电脑、服务器内存）[6] - 2022年10月美国出口管制新规对DRAM和NAND实施限制 导致三星和SK海力士在中国利润下跌90%[6] - 全球前五大半导体设备公司占市场70%以上份额 大多为美国制造[3] - 三星西安工厂投资260亿美元 占全球NAND产量40% SK海力士无锡DRAM工厂和大连NAND工厂将受新规影响[12][18] 韩国企业在存储芯片领域的领先地位 - 2024年全球半导体市场规模达6260亿美元 同比增长18% 三星凭借存储芯片从英特尔夺回第一 SK海力士排名第四[9] - 2025年第二季度SK海力士以21.8万亿韩元销售额首次超越三星 成为全球存储市场（含DRAM和NAND）销售额冠军[12] - 三星和SK海力士垄断全球90%的HBM内存市场 HBM是DRAM的高端细分产品 用于AI领域满足海量数据处理需求[14][16] - SK海力士在HBM领域领先 独占9成高端市场 2023年以来HBM3价格上涨5倍多[16] 美国限制措施的战略意图 - 美国商务部明确表示"不允许扩大生产和技术升级" 阻止三星和SK海力士在中国升级扩产[20] - 措施旨在防止HBM内存技术转移到中国生产 同时拖慢中国HBM研发进度[21] - 美国通过打压韩国企业使美光受益 并限制中国AI崛起 包括禁止英伟达出售先进AI芯片给中国[21] - 三星和SK海力士对中国市场依赖度高 限制措施将导致其营收面临重大压力[21] 中国半导体产业应对与国产化进展 - 长江存储正深化与本土设备制造商合作 包括中微公司（蚀刻设备）、北方华创（沉积和蚀刻设备）、拓荆科技（沉积设备） 加速替换外国设备[21] - 中国HBM2e已有公司宣布量产 HBM3在先进封装与良率上仍有挑战 预计2026年送样 量产需再晚一年半载[25] - 国产HBM供应链正在建立 包括DRAM颗粒、逻辑die和先进封装 技术突围重点在HBM3e[25] - 美国限制措施将加速中国国产替代进程 推动HBM内存技术突破[22][24]

三星与特斯拉芯片代工合作 - 三星电子与特斯拉签署165亿美元芯片代工大单，提振市场信心并为其晶圆代工业务带来转机 [2] - 该合作成为三星后续70亿美元美国封装工厂投资的重要催化剂，强化了其在美国市场的布局决心 [5] 三星晶圆代工业务现状 - 三星3纳米工艺采用GAA技术但良率不佳，制造成本较台积电高出40%，导致苹果、英伟达等客户流失 [2] - 2025年Q1台积电全球代工市场份额达67.6%，三星份额从8.1%下滑至7.7% [2] - 三星1.4纳米工艺量产时间从2027年推迟至2029年，德州泰勒市晶圆厂投产延迟至2026年 [2] 三星先进封装战略布局 - 投资70亿美元在美国建设先进封装工厂，瞄准美国本土高端封装产能空白（全球90%先进封装在亚洲） [3][5] - 工厂将与德州泰勒晶圆厂协同，提供"设计-制造-封装"全流程服务，计划早于台积电美国封装厂投产 [5] - 在日本横滨投资250亿日元（1.7亿美元）设立先进封装研发中心，预计2027年启用 [8] - 研发中心将联合日本材料设备供应商和东京大学，获得横滨市25亿日元补贴支持 [8] 三星封装技术路线 - 推进SoP（面板级系统）技术商业化，采用415mm×510mm超大面板，面积优势明显 [10] - SoP技术瞄准特斯拉第三代AI芯片系统，挑战台积电SoW和英特尔EMIB技术 [11] - 规划2028年引入玻璃基板封装，用玻璃中介层替代硅中介层降低成本 [16] - 开发SAINT技术体系实现存储与逻辑芯片协同封装，其中SAINT-D技术热阻降低35% [28][30] 三星封装技术细分方案 - I-Cube系列覆盖2.5D封装：I-Cube S（硅中介层）、I-Cube E（嵌入式硅桥）、H-Cube（混合基板） [32][33][36][39] - X-Cube专注3D IC封装：分凸点连接和混合键合两种方案，提升垂直集成密度 [41][43] - Fan-Out PKG技术优化移动AI芯片：工艺时间缩短33%，热阻降低45% [19][20] - 多芯片堆叠FOPKG技术实现I/O密度提升8倍，带宽提高2.6倍 [23] 市场竞争格局 - 2025年Q1台积电在代工+封装+测试市场占比35.3%，三星仅5.9% [9] - 先进封装市场规模预计从2023年345亿美元增至2032年800亿美元 [9] - 三星通过特斯拉165亿美元订单和苹果图像传感器订单验证本土化产能价值 [6] 战略协同与政策支持 - 三星整合HBM内存、先进制程与封装技术，提供一站式AI解决方案 [17] - 美国《芯片与科学法案》提供25亿美元先进封装补贴，与三星投资计划契合 [7] - 在韩国天安建设28万平方米HBM封装工厂，2027年完工 [31]

全球纯半导体晶圆代工行业收入预测 - 2025年全球纯半导体晶圆代工行业收入预计达到1650亿美元 同比增长17% [2] - 2021-2025年期间复合年增长率为12% 主要受先进制程节点推动 [2] 先进制程节点收入贡献 - 3纳米节点收入预计同比增长超600% 达到300亿美元 [2] - 5/4纳米节点收入将超过400亿美元 [2] - 先进节点在2025年贡献纯晶圆厂总收入的一半以上 [2] 需求驱动因素 - 高端智能手机 AI PC解决方案需求增长推动先进制程收入 [2] - AI ASIC GPU和高性能计算（HPC）解决方案需求增加 [2] 企业竞争格局 - 台积电在先进节点占据优势 三星和英特尔紧随其后 [3] - 联电 格芯和中芯国际在其他节点需求强劲 但收入增速可能不及先进节点 [3] 后端封装工艺创新 - HBM内存集成和芯片级封装等技术带来新增长机会 [3] - 创新提升产品性能和可靠性 开辟新收入来源 [4]

处理器市场增长趋势 - 生成式AI应用推动处理器市场规模从2024年2880亿美元增长至2030年5540亿美元，增幅近一倍[1] - 2024年GPU市场规模首次超越APU，主要因服务器领域运行ChatGPT等大型语言模型的高算力需求[1] - 边缘AI在APU和消费级CPU中快速扩张，智能手机和笔记本电脑是嵌入式AI发展前沿[1] 市场竞争格局 - 英特尔占据CPU市场66%份额，英伟达垄断GPU市场超90%[3] - APU和AI ASIC市场分散，苹果、高通、联发科等厂商竞争激烈[3] - 中国新玩家崛起，如小米在智能手机APU领域、蔚来在汽车ADAS APU领域取得突破[3] 技术发展趋势 - 代工厂技术节点持续升级，台积电垄断先进制程引发地缘政治紧张[7] - 2024年CPU采用3nm工艺，GPU/AI ASIC仍以4nm为主，AWS Trainium 3预计2025年导入3nm[15] - HBM内存成为AI应用关键，初创公司如Groq探索SRAM方案以提升性能[15] 数据中心处理器市场 - 2024年数据中心处理器市场规模1470亿美元，2030年将达3720亿美元[9] - GPU和AI ASIC主导市场增长，CPU/DPU保持稳定，FPGA份额持续下滑[9] - 加密货币矿场带动加密ASIC需求，2030年市场规模预计42亿美元[13] 行业动态与战略布局 - 超大规模厂商（谷歌/AWS）联合博通等开发自研AI ASIC芯片以对抗英伟达[12] - 基于ARM架构的CPU冲击x86主导地位，亚马逊Graviton/谷歌Axion强调能效优势[12] - 2024年重要并购包括软银收购Graphcore，Meta尝试收购Furiosa失败[19] 地缘政治影响 - 美国出口管制限制中国获取尖端AI芯片，英伟达开发合规芯片应对[18] - 中国加速半导体自主化，华为加强CPU/AI ASIC研发[18] - 各国政府投资专用AI数据中心以确保国家计算能力[17]

英伟达SOCAMM内存技术 - 英伟达推出模块化内存解决方案SOCAMM，专为AI产品设计，支持设备内存升级以提升性能和效率 [3] - SOCAMM基于LPDDR DRAM，通过螺丝固定而非焊接，具有可升级特性，区别于HBM和LPDDR5X [3] - 公司计划2025年生产60万至80万块SOCAMM内存，首批应用于GB300 Blackwell平台 [3][4] SOCAMM技术优势 - 带宽达150-250GB/s，可交换设计适用于AI PC和服务器，未来或成低功耗AI设备标配 [5] - 模块化设计比RDIMM更节能，带宽为RDIMM的2.5倍以上，功耗仅为三分之一 [6][9] - 采用LPDDR5X堆叠技术，提升数据处理性能，输入输出引脚达694个，远超传统DRAM模块 [6][7] 行业竞争与供应链 - 美光为首家量产SOCAMM的供应商，三星和SK海力士正与英伟达洽谈合作 [5][9] - 三星SOCAMM原型功耗9.2瓦，电源效率较DDR5 DIMM提升45%，计划利用LPDDR市场优势（市占率57.9%）争夺份额 [9][10] - SOCAMM价格预计为HBM的25%-33%，可能重塑内存芯片格局，成为HBM市场的补充方案 [6][7] 应用场景与产品规划 - GB300 AI加速器将同时搭载HBM和SOCAMM，SOCAMM模块将安装在AI服务器中 [7] - 英伟达计划在个人AI超级计算机Project DIGITS中采用SOCAMM，推动高性能AI计算普及 [8] - SOCAMM 2内存推出后，产能规模将进一步扩大，目标覆盖更多AI产品线 [4]

行业技术趋势 - 高通骁龙8至尊版主控搭配LPDDR5X Ultra内存和UFS4 1闪存构成性能铁三角，成为2025年秋季以来Android旗舰机的宣传重点[1] - 华为可能抢先苹果在智能手机中应用HBM内存，而苹果此前传闻将在20周年纪念版iPhone上采用HBM技术[2] - HBM内存基于3D堆栈技术，通过TSV和微凸块工艺实现多层DRAM芯片垂直堆叠，与传统DDR的并行总线架构有本质区别[2][4] HBM技术优势 - HBM3E传输速率达9 6GB/s，带宽1 2TB/s，是LPDDR5X带宽(1066 6MB/s)的1180倍[6] - HBM采用1024位数据总线宽度(对比LPDDR5X的64位)，通过硅中介层实现3D堆栈，大幅提升数据吞吐量[6] - 3D堆栈设计可缩短数据传输路径，节省芯片面积，为手机内部空间设计提供更多灵活性[4][10] 成本与商业化挑战 - HBM因硅中介层(如台积电CoWoS、英特尔EMIB)导致成本极高，约为GDDR内存的3倍[8] - 目前仅苹果、华为等溢价能力强的厂商具备在智能手机中率先商用HBM的条件[10] - AI大模型训练需求催化HBM市场，2013年SK海力士已量产但近年才因AI爆发获得强劲需求[10] 手机行业应用前景 - AI手机发展趋势推动HBM应用，端侧大模型需要高带宽(加速数据访问)和大容量(存储参数)[11] - 端侧模型在隐私保护方面的优势将促使HBM逐步取代LPDDR成为未来智能手机标配[11] - 3D堆叠技术节省的空间可优化机身内部设计，强化厂商在AI手机赛道的竞争力[11]