迈为科技宣布突破HBM设备是真的吗

大快人心啊兄弟们！抢咱们内存颗粒的 ai 厂商这两天齐聚韩国，向海蒂士三星要 hbn 产量，你不放产量我就不走了， 谷歌负责采购的主管还因为没有签下合同而丢了工作。为何这些高高在上的 ai 大 厂们会抢的头破血流呢？ 因为代表通用算力的 gpu 和代表专用算力的 tpu 的 竞争已经进入到你死我活的地步，谁能签下更多的 hbm， 谁就能保障自家的 afo 器的产量。 话说咱们长兴的 hbm 三产量开始爬坡了，有空到我们中国来喝喝茶呀！同样因为内存涨价，我们的评论区中引起了激烈的讨论，有发牢骚的，有诉苦的， 也有趁风口趁机捞一笔的。这位小伙伴在评论区问了一个看似简单但也很直接的问题，为什么 ai 需要那么多的内存？吵归吵，闹归闹，我觉得这个为什么应该让大家都知道。 不管是 nv 的 h 两百、 b 两百，还是 n d 的 m i 三百，以及蓝场的瓜迪三，所有的通用 ai 服务器在训练过程中都会产生大量的数据， 而配备的内存容量通常是显存的三到五倍。如果换成 pc 的 话，比如用上一块三十二 g 显存的五零九零，那就至少需要搭配一百六十 gb 的 内存。那比方说放在一个四 u 的 服务器模块上，内存一般就是一到四 tb， 而用于训练的高端服务器甚至能达到六到十二 tb 的 内存。那这么多的内存在 ai 服务器上到底有什么作用呢？首先它是数据的临时工作台， ai 训练时，显卡从内存中读取到显存 模型中的各种工作都在显存中完成，内存作为数据中转站供 gpu 调用。其次，它能大幅的提升训练效率和放化能力。内存越大，能同时处理的数据样本就越多，模型学的越快，也更聪明。 然后，它还是 cpu 和 gpu 之间的通讯桥梁， ai 服务器内部的传输带宽非常夸张，如果内存不够快不够大，根本吃不满整个系统，那 ai 占用的巨大电力就浪费了。 最后，它也承担着数据交换这样的基础任务，保证每一部的计算准确无误。所以啊，在 ai 的 世界里，内存不再是配角，算是狼二吧。 需要说明的是，不是所有的 afg 平台都需要 hbm， 一 些做推理和运营的用 d 点五就够了。一方面是 hbm 颗粒产能挤占 d 点二产能，另一方面又直接上手抢 d 点五内存，所以 会对你手上几百块的 d 点五产生如此大的影响。何时产能跟上来？上周跟一个品牌高管聊到这个话题，他给出了几乎是最准确的答案，内存这种成熟产线，扩产， 有厂房的一年半，没有厂房的三年。上周啊，海力士还推出了一款单条二百五十六 gb 的 ddr 五锐顶高密度内存，通过了英特尔这样六平台的认证。那这有什么可牛逼的呢？ 我给大家解释一下。首先，这是全球首款采用 e b 纳米工艺的内存。上半年，海力士也推出过一块二百五十六 gb 的 d 五内存，但是采用的是 e a 纳米工艺，虽说物理上都是十纳米， 但 e a 警示引入 u v 属于第四代产品，而 e b 则叠加了 h k、 m g， 显著降低了漏电功耗，比前者降低了百分之十八，是关键技术的分水岭。另外，这块内存单颗粒达到了三十二 g， 比你想想， 回头收两颗旧内存颗粒就够咱电脑用上了。前提是到时候的 pc 主板能够兼容而定。不仅是内存向高密度发展，目前机械硬盘也突破极限。细节 hdd 的 单碟容量达到六点九 tb， 这得感谢西杰提前走了哈马的产品路线，也就是热辅助磁记录技术，这项技术能够大大提升磁盘的磁密度。目前 h、 d、 d 已经能够实现单盘最大堆叠十个盘片，十一盘呢， 能够实现小批量的测试生产。东芝呢，之前也完成了十二盘片的验证，二零二七年才会推向市场。那就意味着西杰目前已经具备生产六十九 tb 甚至更高容量的产品。 也有一种放卫星的说法，也是细节说的，未来哈马的产品有望达到一百五十 t b， 但是与 s、 s、 d 比，密度似乎还稍显落后。 索尼等今年已经发布了一百二十二点八八 t b 的 s、 s d， 据非官方消息称，明年 s、 s d 的 单盘容量极可能翻番。最后还有一个好消息， 不用新技术，就让你的 sd 性能原地升级的办法有了。这其实是微软之前为大家埋的雷，都二零二五年了， windows 还只支持老旧的 s c s i 协议，而不支持原生的 nvme。 不 久前，微软才在 windows service 二零二五上开启了原生 nvme 存储堆栈，由单队列三十二条命令提升到六万四千个并发队列， 很直观的表现就是在四 k 的 写入性能上凭空提升了百分之二十以上，而且整体的性能也提升了接近百分之十五，而且呢，延迟还降低了。好消息， 咱们用的 win 十一同样可以享受到这个功能，只要版本升级到二五 h 二，修改三行注册表就可以运行。之前的性能提升是在索菲亚姆的 p 四幺上测出来的，而英瑞达 p 七零五随机写入性能更是提升了百分之八十五。 战队三星和闪迪以及第三方主控的固件貌似好像有冲突，所以操作有风险，各位需谨慎。可以先拿室友的电脑试一下方法呢，我放置顶评论区了，有修改的小伙伴评论区自取啊。 好了，这就是本期视频的全部内容了，觉得不错的不妨投币点赞、转发，我们下期再见！

各位投资者朋友，你们知道吗？现在 ai 大 模型训练时，百分之九十九的时间竟然都在等数据，这就是内存墙难题，而十六层 hbm 正是突破这个瓶颈的关键。今天咱们就来深度解析这个被英伟达钦点的下一代 ai 基础设施核心。先看产业背景， ai 模型参数正以指数级增长， gpt 四已经达到一点七六万亿，参数预计二零二八年将突破十万亿。传统内存的内存和容量根本跟不上，导致像 h 一 零零这样的顶级 gpu 在 推理时利用率不足百分之一。 这就是为什么英伟达紧急向三星、 sk 海力士、美光下达明确定单，要求二零二六年第四季度必须交付十六层堆叠的 hbm， 用于 ruben ultra 和 fireman 等下一代 ai 加速器。这可不是研发计划，而是实实在在的量产需求。 再看技术难点，十六层 hbm 要求在七百七十五微米的高度限制内堆叠，十六层 drm 晶圆厚度要从当前十二层的五十微米减薄到三十微米， 薄的像张透明纸，同时间隔层厚度要小于十微米，还要解决十六层 drm 同时工作的散热问题。目前三星用 tc 杠 ncf 间核工艺， sk 海力士靠 mrmuf 工艺领先， 美光则聚焦散热优化，三家都得部署新设备，突破金元减薄的破碎风险。技术壁垒极高，二零二八年前，全球也就这三巨头能量产，产业路线图已经非常清晰。 二零二五到二零二六年，十二层 hpm 四量产，十六层进入认证。二零二六年第四季度，十六层 hpm 正式交付。 二零二七年 ruby ultra gpu 配备 e t b hpm， 四 e。 二零二八年 fanman 架构落地，融合十六层 hpm 与三 d 堆叠 sram， 那时 h p m 就 成了 ai 基础设施的标配。为什么十六层 h p m 不 可替代？三重因素，驱动需求端七百亿参数模型，单用户 k v 缓存就达三百一十二 g b 一 百，并发用户需要三十一 tb 内存。 只有十六层 h p m 能满足三十微米金元减薄，小于十微米混合见核散热材料技术都已突破龙头端英伟达占据全球 ai 芯片百分之九十以上市场份额，它的订单直接决定技术路线。技术壁垒方面，有三个卡脖子环节， 三十微米金元减薄容易破碎，需要高精度切割设备。剑合工艺各有优势，但都需定制材料。十六层 drm 同时工作产热、大散热材料性能决定稳定性，这三大壁垒让竞争格局非常清晰。 投资建议方面，优先关注 hbm 上游核心材料和设备，比如金源检报设备、建核材料、高导热散热材料厂商需求刚性最强，其次是具备二点五 d、 三 d 封装能力的封测企业，最后是英伟大供应链配套企业。 要规避纯概念标地、低壁垒环节和技术未验证的企业，这些标地都有较高的安全边界。最后想问问大家，你们觉得十六层 hbm 量产会比预期提前还是推迟？产业链中还有哪些环节可能存在预期差？欢迎在评论区交流你的看法。

巨头联手研发 hbm 替代内存 ai 存储赛道迎新挑战者软硬牵通，联合英特尔、富士通等企业，启动 samore 项目，研发 hbm 替代品，兼指 ai 存储性能与成本痛点。 该项目目标明确，以相当或更低价格实现 hbm 二到三倍容量与百分之五十功耗优化， 精准解决 hbm 成本高、容量扩展受限的行业难题。技术上，整合英特尔垂直堆叠技术与东京大学热管理方案，由星光电器锂机电负责原型设计与制造。资金端，计划二零二七财年累计投资八十亿日元， 软银、富士通等共同出资。这款新型内存若量产落地，有望重构 ai 存储市场格局，适配终端 ai 加速卡、边缘计算等广阔场景。

大家好，欢迎来到西厂红湾。昨天存储巨头美光公布了一份炸裂的财报，重点是说 hbm 的 公司 ceo 桑贾伊梅赫罗特拉直接宣布，全球的 hbm 总市场将从二零二五年的三百五十亿美元 提前两年，在二零二八年就会突破一千亿美元的大关，年复合率呢，可以达到百分之四十， 这背后是 ai 对 内存的无尽的渴求。今天咱们 ai 周期第五集存储芯片就揭秘这场由训练还有推理双引擎推动的内存趋势。 和传统计算不同之处是在于， ai 工作负荷对内存的需求是指数级增长的。 呃，比如说训练一个中等规模的七百亿左右的参数模型，它需要一 tb 的 聚合内存，而且这只是刚刚开始，新一代的模型呢，它需要的是万亿级别的，那需求也是刚刚咱们说的十倍以上。 ai 工作负荷呢，所需的内存待宽和存储 i o， 它是指数级增长的，这已经远远的超过了行业制造能力。 为什么连行业巨头都预判失误了？主要是因为他们此前的假设完全被颠覆了。 二零二三年，大家普遍认为训练模型成本高，但推理成本是比较低的，只需要少数的基础模型就够了，但是拆的 gpt 的 爆发，让推理需求呢，变成永远在线 深度，集成到了所有的应用当中。那这样呢，巨头呢，就明白了，低估了 ai 对 内存的依赖速度，现在他们正在为 hbm、 drm 和 ssd 的 支付创纪录的价格， 那么这场需求失衡呢，就引发了完美的价格风暴，三星率先涨价超过百分十，海力士 ddr 四和 ddr 五 就暂停报价了，估计是要涨到百分之二十到三十。美光第四季度 d r a m 预计上涨百分之十五到百分之三十。咱们可以这样理解啊，就是存储芯片的价格全面进入到了一个上涨通道，一个超级周期已经到来了。 更意外的是， hdd 供应瓶颈已经成为了这场完美风暴的催化剂。全球主要的 hdd 供应商能不总导致占据 数据中心超百分之八十的硬盘严重短缺，云服务商被迫加速采用企业级的 ssd。 尽管单位成本高，但是为了推进 ai 的 发展，客户愿意承受更高的费用。 面对内存的瓶颈，行业也正在多维度的寻找突破。比如说新内存技术 h h b m 和 h b f。 刚才咱们说了另外一个呢，就是高效的模型架构，比如说咱们国家的 deepsea， 它通过模型蒸馏，用更少的资源复现了 gbt 四的能力。 当然还有这种专用的加速芯片。之前咱们也说了谷歌的这些内存池化的数据中心，这目前就是一场应对储存危机的技术总动员了。 咱们再回答一个问题，为什么 ssd 更具经济性？虽然初期采购成本高出五到十倍，但是在未来的三五年的生命周期里头，它的运营成本优势完全碾压 它的性能。在微秒级延迟，对比这个 h h d 的 毫秒级，它的功耗还有散热、无旋转部件都显著地可以降低电费。 空间密度方面呢，更小的体积可以提高更高的容容量，还有就是故障率非常的低，那对于大规模数据中心运营成本完全 压倒了资本支出。咱们得说点专业的了， k v cash 是 transformer 架构中提升推理效率的关键机制，通过缓存已计算的键值矩阵避免了重复计算。以 lama 二型十三 b 模型为例，单个需求就需要超过三十一 gb 的 kv cache 容量。这种多级缓存结构显著带动了对高性能、大容量、企业级的 n a n d。 闪存的新增需求。 对于存种芯片来说，这不是一个普通的周期，而是一个新时代的开端。 d r a m 和 n a n d。 厂商的投资重心已经转向了 h b m 这些高附加值的产品，而非单纯的产能扩张。 transforce 预测 供应紧缩将延续至二零二六年全年。这有一组数据，二零二六年， d r a m。 资本支出预计增长到六百一十三亿美元，但新增产能将优先满足 h b m。 的 需求。 ai 的 功能正在向所有终端设备渗透。 咱们先说手机端， iphone 十七以二百五十六 gb 起步，安卓的旗舰机总内存需求已经达到了二三 gb。 在 pc 端， ipc 运行本地大模型至少需要十二到十六 gb 的 内存。 在新兴市场上， ai 眼镜市场预计从二零二五年零点八五亿美元增长到二零三零年的二十亿美元。内存需求无处不在。 朋友们，我们正在见证一场结构性变化。 ai 驱动的内存需求是根本性的， 将创造延续多年的超级周期，从云端、数据中心到每一个边缘设备，这场革命正在重塑整个产业链。记住，在 ai 时代，得内存者得天下，谢谢收看，别忘了点赞推荐加关注，下期再见！

ai 芯片的心脏刚刚上演了一场绝地翻盘，三星这个差点掉队的存储巨头突然杀回来了。就在今年初，三星的高宽带内存 h b m 还拿不到英伟达的认证，眼看要被对手甩开，但短短两个季度，局面彻底扭转，他先是拿下了 a m d 的 h b m 三亿订单，紧接着在第三季度，连英伟达也成为了他的客户， 采购其最新的 hbm 三 e 和下一代 hbm 四芯片。这一连串突破直接反映在市场份额上，三星在第三季度的 hbm 销售额份额达到百分之二十二，成功反超了美光，虽然还落后于领头羊 s k 海力士，但上升势头非常猛。三星能翻身靠的是硬实力， 它即将量产的 hbm 四号称拥有业界最快的传输速度，这意味着它为未来 ai 芯片准备好了最强大脑。预计到明年，当 amd 的 米四百芯片和英伟达的新一代 rooting 平台上市时，三星的 hbm 四就会成为核心动力。第一 ai 更快更聪明 hbm 是 训练和运行大模型的高速公路，三星的竞争和突破会加速整个 ai 芯片的竞争，有助于降低高端存储的成本， 最终可能让强大的 ai 功能更快地进入你的手机、电脑，而不是仅仅停留在天价的数据中心里。简单说，巨头们在你看不见的地方激烈赛跑， 最终是为了把更强大的 ai 塞进你手中的设备。这场三星的逆转好戏，我们才是最终的受益者。总结一下，三星 hbm 上演逆转技术突破，抢下大单，明年 ai 芯片更快，未来智能生活值得期待！

十二月二十四日刚传来重磅消息，三星电子、 s k 海力士等存储巨头，以上条明年 h p m 三亿，价格涨幅接近百分之二十。要知道，通常新一代产品面试前，前一代都会降价清库存，这次反向涨价在日内较为罕见， 这背后是不是和近期热炒的存储超级周期有关？今天我们特别邀请到行业调研员，带大家深入拆解。大家好， 这个最新涨价消息正是存储超级周期的核心信号之一。存储超级周期本质是 ai 驱动下的行业结构性改革，不仅带动产品价格暴涨，更重塑了全球存储产业格局。 接下来，我们用真实数据和行业逻辑把这件事的来龙去脉讲清楚。首先想问问，到底什么是存储超级周期？它和以往的行业周期有什么不同呢？存储超级周期是指由 ai 算力需求爆发引发的持续时间更长、增长更稳健的行业上行周期。 和以往依赖消费端需求的周期不同，本轮核心驱动力是 ai 大 模型的训练与推理，尤其是二零二五年后， ai 从训练转向推理应用，对存储的待宽和容量需求呈指数级增长，单台 ai 服务器的存储容量是传统服务器的十倍以上。 摩根时丹利报告明确指出，这一轮周期比移动互联网、云计算时代的周期更稳、更持久。那当前市场的具体表现怎么样？除了 h p m 三 e， 还有哪些直观的价格和规模数据可以参考？数据非常明确，二零二五年， 全球存储芯片市场规模已达一千五百亿美元，同比增长百分之八十，其中国内市场占比百分之四十，成为全球最大消费市场。价格方面， ddr 五内存芯片从二零二四年的二十美元每颗涨至六十美元每颗，涨幅达三倍。 三 d n n d 闪存价格从一点五美元每 g b 涨至四点五美元每 g b， 同样暴涨三倍。高宽带内存整体表现更突出，二零二五年全球 h b m 收入达三百零七亿美元，同比增长百分之八十点六。 而这次 h b m 三 e 的 反向涨价，更是行业景气度的直接体现。价格和规模都有这么大的增长，核心原因是什么呢？是需求太旺还是供给不足？核心是供需结构性失衡。 需求端仅 gpt 五就需消耗九点一三 e b 存储，到二零二六年头部大模型，将推动 drm 需求翻倍至一八点二六 e b n a n d 需求达四百 e b。 全球 ai 算力中心的存储芯片采购量同比增长百分之一百二十。尤其 hbm 三 e 需求端，除了英伟达之外，来自谷歌、亚马逊等公司的订单量也大幅增加。供给端，三星 s k、 海力士等国际大厂将产能向高端 h b m 和企业级存储倾斜，收缩消费级产能百分之三十。并且存储厂商预计 明年第六代 h b m 需求将增加，加大对其产能投入，导致 h b m 三亿产能遭到积压，再加上存储芯片产能建设周期长达两年，短期无法快速释放， 形成了需求激增加、供给滞后的缺口。国内企业在这一轮超级周期中表现如何？有没有实现技术突破和国产替代呢？国内企业已经实现关键突破，形成了全产业链布局。长江存储作为三 d、 n、 n d。 龙头，两百三十二层产品量率突破百分之九十五， 二零二五年营收突破一百五十亿元，同比增长百分之八十七点。五常新存储的 ddr 五内存芯片进入华为浪潮供应链，二零二五年相关业务营收超五十亿元。 此外，赵毅创新、蓝企科技、通付微电等企业在不同细分领域均实现技术卡位。二零二五年，国内存储芯片企业在三 d、 n、 n、 d、 dd 二五等领域的试占率已提升至百分之十五， ai 存储芯片试占率更是达到百分之二十。那这个超级周期会持续多久？未来还有哪些值得关注的细分化方向？综合供需情况判断， 本轮周期大概率持续一到两年，甚至有望延续至二零二七年。核心细分化方向集中在三个领域，一是 h b m， 二零二三年至二零二七年，全球市场年复合增长率超百分之一百。二是 dd 二五和企业级 s s d。 二零二六年，服务器用 ddr 五 r d i m m 价格预计上涨超百分之四十，企业级 s s d 价格涨幅将达百分之二十到百分之三十。 三是国产替代。相关产业链包括存储芯片设计、先进封装、检测设备等环节。国内十家核心企业二零二五年研发投入合计超八十亿元，技术突破持续推进。听下来，这确实是一次行业级的风险呢，主要有三个风险点需要关注。 一是二零二六年全球精原厂产能预计增长百分之三十，若需求增速不及预期，可能出现价格回调。 二、使 m r a m 等新型存储技术的研发进度加快，可能对传统存储产品形成替代。三是高端设备和材料仍依赖进口， 海外技术限制可能影响国内企业产能扩张。需要强调的是，行业趋势不等于具体投资，建议，大家需结合自身情况理性看待。没错，好了，本期解读到此结束了，喜欢本期内容的朋友别忘了点赞收藏哦，也欢迎在评论区留下你的疑问和观点，我们下期再见！

当 ai 算力竞赛进入白热化，一块指甲盖大小的芯片正悄然改写游戏规则，这就是 hbm 人工智能时代的内存心脏。关注云谷财经，打开你的财经视野。在人工智能浪潮的推动下，高宽带内存正在突破传统内存墙的限制。 这项革命性技术通过三 d 堆叠和规通孔工艺，将多层 d r a m 芯片垂直集成在处理器上方，实现了带宽、能效和空间利用的三重突破。当前，全球 h b m 市场格局呈现明显的韩美主导特征，三星和 s k。 海力士占据了百分之九十以上的市场份额，而美光、英伟达和 amd 则掌握着核心技术与市场需求。值得注意的是，台积电的先进封装技术为整个产业链提供了关键支撑。中国在 hbm 领域正处于关键配套与奋力追赶阶段，核心短板 hbm 存储芯片的设计制造仍基本空白。优势环节 封装测试已接近国际先进水平。突破方向，设备和材料领域迎来国产替代的重要窗口期。中国产业链的主要参与者可分为四大类， 一、封装测试领域，长电科技、二点五 d 三 d 集成方案达到国际水准，通铺微电具备 hbm 与 gpu 集成封装的量产经验，华天科技、精方科技在三 d 封装和 tsv 技术方面有深厚积累。二、 材料领域，华海诚科专注塑封料，新增科技主攻 a、 b f 载板。雅克科技专精前躯体、特种气体、顶龙股份聚焦抛光材料。三、设备，雨淋部件，中微公司 t s v 课时设备专家、北方华创薄膜沉机设备领先者尝尝科技测试设备供应商四、 存储芯片长兴存储，国内 drm 制造的希望照样创新。北京，军政设计领域的积累者从投资角度看，短期全球 ai 芯片需求爆发，封装和材料环节将率先受益，重点关注已进入国际供应链的企业。 中期国产 ai 芯片崛起将带动本土供应链需求，设备和材料的国产替代进程将加速长期机遇。在 chip 技术改革中，中国有望通过先进封装实现换道超车，构建自主可控的 ai 算力基础设施。当前面临的挑战不容忽视，技术代差仍有二至三代生态壁垒高起， 投入需求巨大，但发展机遇同样清晰。全球 hbm 市场年增长率超过百分之五十，政策支持力度空前。中国拥有完整的制造体系和广阔的应用市场。 hbm 竞争的本质是 ai 时代算力主导权的争夺。虽然中国尚未掌握存储芯片这颗皇冠明珠， 但已在风装环节展现出强大实力，在材料和设备领域实现多点突破。这场内存战争关乎国家算力安全，每一次国产替代都在为数字未来砥砺基石。

怎么看小米听说要拿英伟达的 h 两百，而且是首批，而且定了很多，你们想问小米能不能抄他的底，上他的车？如果小米拿了英伟达的 h 两百的话，小米的市值是否有所改善？这是第一个问题。第二个问题就是你们很多人最近看到的头条，英伟达花两百亿美元 史诗级最大收购，收购了 grac 这一家初创企业。 grac 的 背后就代表着 tpu 的 退路，它的整个的技术应用是不是预示着英伟达会放弃 gpu， 转而冲向 tpu？ 那 如果 tpu 是 未来的话，今天我们再去追 tpu 的 上下产业链， 会否吃得到一波肥的？如果你嫌巴菲特的作业谷歌现在太贵了，没关系，可以看一下 tpu 真正可以落地应用的，我觉得它有大概率可以长得比谷歌还要好。最近在社交媒体还流行了一份报道，说英伟达目前的价格是有史以来最便宜的价格， 历史上比英伟达便宜的价格只有十三天，他们这个便宜怎么来的呢？是根据 pe 跟 ps 倍数得来的，这也是你们很多人私信问我的问题， 所以英伟达现在这个价格便宜还是贵？能不能抄他底？能不能上他的车？你们知道为什么哪怕你们买标普五百，你们也挣不了钱吗？原因是什么？原因就在于市值是一直波动的，你们大部分都只会买在半山腰以上到山顶的位置。 所以无论你买标普五百，还是买英伟达、谷歌、小米、阿里巴巴、拼多多等等等等企业，你都能够买到不对的位置，从而导致亏钱。而且你们每一次决定买入的决策都是看到公开媒体信息报道，哦，这个企业又有利好消息出来了，然后呢，你就一股脑的买进去。还记不记得我在直播间多次教你们的一个企业，他的二级市场的过程像是什么？就好像你们开一家餐馆， 会，在餐馆开业之前跟你的朋友进行融资募资，还是说餐馆开业之后，你的朋友看得到你的餐厅的营业的情况，你再去跟你的朋友融资募资。所以你就不能理解为什么每一家企业的市值，他在刚开头的时候，从七十度、八十度的斜坡向上竖立拉伸， 然后呢，突然掉下来，掉成一个谷底，再慢慢的回升，回升之后呢，平缓一段时间，这一段时间就是发展期，发展期如果能突破的话，他才会突破前高，你们绝大多数都埋在了整个鞋率最高的高点，甚至是半山腰以上，所以呢，他永远都趴在谷底， 然后你的成本永远高于他的现价。这就是为什么哪怕给你们小米你们也亏钱，阿里巴巴你也是亏钱。因为小米的十块、二十块，你们不看好他，你们不买他，你们只会买到五十块到六十块，然后企图达到八十块、九十块、一百块，那至于你说小米能否拿到英伟达，再开启第三条 ai 增长曲线，这个我们在董事会里面好好给你们掰扯掰扯。 你们可以翻看我之前对小米的预测，我有多次跟你们强调过，当小米到达了一点五万亿市值的时候，小米想往上走，并不是小米今天商业模式有问题，而在于今天商业模式的天花板就是一点五万亿，这是我在五年前就给你们预测了，因为一点五万亿恰恰好是雷军做首付的。同样的案例啊，美团，你们也是这么亏的钱呢？ 美团，在两百块的时候，我多次让大家赶紧下车落袋为安切换到小米赛道，有人听吗？没有任何人听，只有我董事会的兄弟们跟着我五年以上的兄弟们， 无一例外，全部都拼了，全部都完整的吃到了这波增长周期。我知道你要杠了，你不是看好巴菲特的价值投资吗？巴菲特的价值投资不是一直拿着不动吗？那为什么你走了？那你这个就是乱违背价值投资的理念，真的如此吗？那你知道巴菲特跟你说过一句话吗？巴菲特告诉你，如果你想做好二姐，请记得第一个点，不要亏钱。第二个点就是记住第一个点， 巴菲特有没有告诉你，他怎么可以让他的成本做成负数呢？所以当你只有一个企业，你只看持有的时长，而不去看你持有的成本，你根本就是在耍流氓。就好像美团一样，美团我多次跟你们讲了，外卖世界已经结束，出海战略物资已经完成，还记得我多次给你们强调了吗？美团为什么是从二零二二年之后，中概里面反弹最快的，从低谷反弹到高点，他最快的成为中概，没有之一， 核心点就在于他的外卖出海啊，他是中概里面外卖出海最快，并且在香港打出了最小单位基本模型，从而代数。在整个资本市场上，中概里面他融资最快的速度，所以他有了钱之后完全往中东走。这像不像我跟你们讲的，餐厅开业之前，跟餐厅开业之后，然后你们所有人都在两百块，一百八十块以上，餐厅开业之后你才进去， 结果呢，又遭遇了黑天鹅，阿东哥这个人呢？乱来。所以啊，外卖引狼入室，阿里巴巴发现，哎，还能这么晚。所以呢，阿里就学会了一招叫做袋鼠，以前摸着阿里过河，那么阿里今天我就摸着你袋鼠过河。如果你不在乎董事会，你也可以翻看之前的内容。我多次强调，如果外卖只有京东的话，美团不虚它。美团基本盘没有变化，但是一旦阿里进入了这个战场，不好意思， 美团不是阿里的对手。大多数你们对基本盘的定义，你们都只有一个空洞的理念，你们都不知道到底什么叫做基本盘。所以今天美团宣布进军房地产市场，进军房产中介市场。你觉得袋鼠想摸着贝壳捡捡贝壳的肉吃，你觉得阿里京东会不会进来？我免费教你们一个干货吧。既然你听到这里特简单， 如何区分一个企业被低估还是被高估？很简单，去看他的公司业务基本盘，如果他公司业务基本盘还能在增长，那么他就是被低估。如果他的公司业务基本盘已经摸到头，并且他主营业务不再发展，那么就是彻底的被高估。但是我想告诉你，你们都学不会，为什么？因为你们所拿到的数据全部都是免费的，噪音的数据， 你的数据源头本身就是错误的，你用一个错误的数字想去计算正确的答案，这本身就是一件荒谬且逻辑错误的事情。想了解更多企业资讯，加入主页粉丝群。

报道称，阿里巴巴正在考虑从 amd 采购四万至五万颗 m i 三零八人工智能加速器 mdi。 三零八是专为中国市场定制的合规 ai 芯片，它配备了高达一九二 gb 的 高速显存。 分析师认为，随着客户寻求供应商和方案的多样化， emd 在 以 ai 为重点的 gpu 行业中的市场份额正在增加。

你知道吗？光伏圈正刮起一股强劲的跨界风。昔日在太阳能赛道叱咤风云的龙头企业，纷纷将目光投向了半导体领域。 这绝非简单的跟风，而是光伏行业反内卷与半导体国产替代补缺口的双向奔赴，背后藏着巨大的产业机遇。光伏行业正面临产能过剩的严峻挑战， 价格战愈演愈烈，利润空间被持续压缩，头部企业手握多年积累的技术、资金与潜能，急需寻找新的增长点。而半导体产业恰好是我国急待突破的卡脖子领域，高端设备进口依存度高，市场缺口巨大。更关键的是， 光伏与半导体本是近亲，核心技术高度相通，两者均以硅为核心材料。光伏企业对硅的晶体生长提纯工艺有着深刻理解，薄膜沉积、精密切割、真空技术、施法清洗等光伏核心工艺稍作升级即可应用于半导体制造。 光伏单晶炉升级精度后可生产半导体硅片。电池镀膜技术改良后，能满足晶源介质层沉基需求。就像开惯了高端轿车的司机转去开赛车，核心技能无需从头学，只需针对性优化就能上手。这场跨界绝非小打小闹，众多光伏龙头已拿出实实在在的成果。 京胜机电作为光伏单晶炉龙头，依靠技术积累，成功开发出半导体及硅片生长设备，十二英寸半导体硅片设备国内试战率第一，中芯国际、华虹半导体等头部企业均为其客户， 打破了国外垄断。麦维股份从光伏丝网印刷设备龙头跨界研发出纳米级精度半导体嵌合机，已进入长电科技等封测龙头产线。 二零二五年上半年，半导体业务收入暴涨近五倍，成为公司新的增长引擎。杰加伟创子公司创微微电子在碳化硅施法课时清洗设备领域，国内试战率超百分之六十，稳居第一梯队， 连续斩获多家半导体头部企业整线施法设备订单，设备可兼容八分之六寸产线，其光伏 p e c v d 技术成功迁移至半导体晶圆介制层尘机关键零部件，国产化率超百分之九十五。 碳化硅设备技术参数对标国际巨头奥特维，二零一八年力向研发高端铝线嵌合机，二零二一年首批设备或订单打破进口垄断。 如今，半导体设备订单创历史新高，已与华润微、无锡新节能、赋满微电子等建立合作。半导体 a o i 检测设备还首次出口美国，倒装芯片嵌合机、装片机样机在客户端验证效果良好。罗伯特科通过收购德国半导体设备公司 f i c t， 一举切入硅光、芯片、封装 c p o 等高端领域，客户含盖英特尔、英伟达等国际巨头。这场跨界浪潮背后，是多重机遇的叠加。一是国产替代的黄金风口。 国内半导体设备进口依存度仍超百分之八十，市场空间巨大。光伏企业设备性价比优势明显，同等性能比国外产品便宜百分之三十以上，且提供本地化服务，响应速度快。 再加上国家对半导体国产替代补贴丰厚，释放推进千亿级产业集群建设，政策支持力度十足。 二是第三代半导体的蓝海市场，碳化硅、氮化架等新材料既适合做光伏逆变器，又能用于新能源汽车 ai 算力设备。光伏企业凭借对硅材料的深刻理解，在相关设备研发上占得先机。三是技术协调的成数效应。半导体技术反补光伏， 比如半导体施法清洗技术应用于 topcon 电池，可将表面缺陷密度降低两个数量级，提升转换效率百分之零点三到百分之零点五。 而光伏企业的规模化生产经验带入半导体领域，有望降低设备制造成本，让更多国内半导体企业用得起国产设备。对整个产业而言，这场跨界是真正的双赢。 光伏企业找到了高附加值的新赛道，摆脱产能过剩的红海竞争，实现业务多样化和可持续发展。半导体产业增添了一批有技术、有产能、有资金的实力派玩家，增加供应链风险。 对整个国家来说，既推动了光伏产业的高质量发展，对整个国家来说，既推动了光伏产业的高质量发展，又助力解决半导体卡脖子问题， 为双循环新发展格局注入强劲动力。随着越来越多光伏龙头加入半导体赛道，这场双向奔赴将持续升华。你如何看待光伏企业跨界半导体的这波趋势，对哪家企业的转型发展更看好？欢迎在评论区分享你的观点。

国内啊，存储芯片巨头啊，长兴科技要上市了，这家公司啊，非常厉害啊。为啥这样说呢，我们普通散户啊，应该怎么把握这次机会呢？ 第一，先说大家最关心的，他大概会值多少钱，他有望啊，成为我们国内首个破万亿的半导体芯片公司。 目前啊，保底发行估值是一千六百亿，你参考那个木溪股份涨了七倍，毛岸县城涨了五倍。市值啊，保守估计过五千亿也有很大概率啊，能上到万亿。第二，存储芯片里啊，最稀缺的最贵的 技术，最难突破的是高速存储 hbm， 我 们国内啊，还没有公司能造这玩意呢。 长兴科技，他有望打破三星、海力士、镁光科技在高速存储芯片的垄断地位。他的这次 ipo 募集资金是二百九十五亿，主要用来升级鲸卵制造和新技术攻克。咱们看看啊，这张图，了解一下他的高速存储芯片的研发计划。 第三，他现在已经是啊，中国第一，全球第四的 dram 存储芯片厂商。 第四，他的盘子很大，但业绩增长也很快，他在二零二二年到二零二四年复合率达到了百分之七十二。二零二五年前三季度营业收入达到了三百二十亿，比前段时间上市的摩尔七点八亿，木西十二点三亿，那完全啊，就不在一个量级。 第五，他的研发费用远远高于三星、海力士等存储国际巨头，接近百分之三十了。什么概念呢？他每年在研发投入上要超过一百亿。 说白了啊，他是承载着突破关键技术的国家任务，他牺牲短期利润来换取长期的技术壁垒，那对我们普通散户啊，应该注意哪方面呢，才有可能啊，在这个板块拿到点收益呢？ 第一，首先啊，你要有科创版账户，要具备打新的资格，虽然啊网上配售份额不高，中权率也比较低，但是万一中了呢， 一千顶一年，我估计啊，一千最少挣挣一辆奔驰。第二，一定要把它的产业链研究透了，把它的上中下游的上市公司研究透了，找那些最具有确定性的你，比如说代工材料供应，封装设备提供等等， 大家可以看看啊它的具体的产业链图。 第三，把它的持股股东研究明白了，看看啊有没有提前布局的可能性。 第四，把和他的高速存储芯片研发设计制造的相关企业研究透了，虽然目前还没有实质性的进展，但是这个预期的炒作有可能会非常强势。 第五，对这种概念的布局啊，一定是中长线思维，短线你就不要操作了，你不要总想着高抛低吸，把自己当股神。我建议啊，最少持有啊，是三个月起。 以上咨询啊，纯属个人分享，不作为任何投资建议。你也可以关注我一下啊，或者申请我的群群，我会及时分享这个概念的相关动态和操作策略。

我最近一直在琢磨一个事，就是咱们现在天天说 ai 大 模型，说 check gpt， 说文心一言。可你有没有想过，这些 ai 背后最头疼的问题到底是什么？ 不是算法不够聪明，也不是数据不够多，而是那个藏在背后的内存。对，就是咱们今天要聊的内存战争。你可能会说，内存不就是电脑里存东西的地方吗？这有啥好战争的？ 哎，你可别小看这个问题，这事啊，可能比你想象的要复杂的多，甚至可能决定未来 ai 能走多远。你想想现在的大模型，比如 gpt 四，它的参数有多少？哦，对了，我突然想到一个数据，好像是一万亿左右， 不对，等一下，我之前看的资料好像是说 gpt 四的参数大概是一点七六万亿。 不过具体数字可能不重要，关键是这个数字一直在涨，从 gpt 三的一千七百五十亿到 gpt 四的一万多亿，这中间翻了多少倍？ 你算算，差不多十倍吧。可问题是，这些参数都得存在内存里啊，模型越大，需要的内存就越多，那内存不够怎么办？总不能无限加内存条吧？说到这，我想起一个事， 就是前阵子英伟达发布的那个 h 一 零零显卡，你知道它的内存有多大吗？四十 gb？ 不 对，应该是八十 gb， 哦，对，是八十 gb 的 hbm 三内存。 可就算是这样，跑 gbt 四这样的大模型可能还不够用，你猜怎么着？有人做过测试，说跑 gbt 四可能需要至少一百六十 gb 的 内存，那怎么办？只能把模型拆开，分到多个显卡上跑。 这就好比你有一堆书，一个书架放不下，只能放到两个书架上，可找书的时候就得来回跑，效率肯定会受影响。这就是现在 ai 行业面临的一个大问题，内存强。哎！你可能会问，什么是内存强？ 其实就是说 cpu 或者 gpu 的 计算速度越来越快，但内存的读写速度和容量却跟不上了，就像一堵墙一样，挡住了计算能力的发挥。你想啊， cpu 每秒能算几十亿次，但内存每秒只能传起之弊的数据， 那 cpu 大 部分时间都在等内存传数据，这不就浪费了吗？对 ai 模型来说，这个问题更严重，因为模型需要不断地读取参数，更新参数，内存的速度直接决定了模型的训练和推理速度。那有没有办法解决这个问题呢？当然有， 不然 ai 行业怎么发展？我最近看到一些资料说现在有几种思路，一种是压缩模型，就是把大模型变小， 比如用蒸馏、减脂这些方法，把不重要的参数去掉，或者用更小的数值来表示参数。比如原来用三十二位的浮点数，现在改成十六位甚至八位，这样内存占用就能减少一半甚至更多。 你知道吗？欧鹏 ai 就 用过这种方法，把 gpt 三压缩后，在普通的电脑上都能跑。 不过压缩也有代价，就是模型的精度可能会下降一点，但只要下降的不多，还是可以接受的。另一种思路是内存优化技术，比如模型并行和数据并行。 模型并行就是刚才说的，把模型拆到多个显卡上，每个显卡负责一部分计算数据。并行就是把数据拆成多份，每个显卡处理一份数据，然后再把结果合并起来。不过这两种方法都有缺点， 模型并行会增加显卡之间的通信开销，数据并行则需要更多的内存来存储中间结果。还有一种更高级的技术叫混合并行， 就是把两者结合起来，不过这对硬件和软件的要求都很高。说到软件，我想起一个事儿，就是现在很多框架都在做内存优化，比如 p y torch 的 f s、 d p， 还有 deep speed 这些，它们能把模型的参数、梯度这些东西分片存储， 或者在需要的时候才加载到内存里，不用的时候就放到硬盘上。这就好比你家里的衣柜，平时只把常穿的衣服挂在外面，不常穿的就放在箱子里，需要的时候再拿出来，这样就能节省不少空间，对吧？ 不过硬盘的速度比内存慢多了，所以这种换入换出的方法也会影响速度，但总比内存不够用，跑不起来要好。还有一种更根本的解决办法， 就是新型内存技术，比如现在的 hbm 三内存，比之前的 ddr 五快多了，待宽能达到每秒几 tb。 可就算是这样还是不够， 那有没有更快的内存？比如近内存计算或者存内计算，就是把计算单元直接做到内存芯片里，这样数据就不用在内存和 cpu 之间来回串了，速度肯定会快很多。 不过这种技术还在研发阶段，什么时候能商用还不好说。哎。你有没有想过，内存战争背后，其实是 ai 行业的军备竞赛，谁能解决内存问题，谁就能在 ai 领域领先。 比如英伟达，他的显卡之所以卖得好，就是因为他的 c u d a 生态和 h b m 内存技术能更好的支持大模型。 而 amd 和英特尔也在拼命追赶，比如 amd 的 m i 三零零显卡，内存更大，内存更高。还有一些初创公司，比如 graph core， 它们的 ipu 芯片就是专门为 ai 设计的，内存架构和传统 gpu 不 一样， 据说能更高效的处理大模型。说到这，我突然想到一个问题，未来的 ai 模型会发展到多大？会不会有一天模型的参数达到十万亿甚至百万亿？ 那时候内存该怎么办？总不能用几百个显卡来跑一个模型吧，这成本也太高了。所以我觉得未来的方向可能不是一味的增大模型，而是高效模型。 比如用更好的算法，让模型在更小的规模下达到同样的效果。或者用稀疏模型，就是大部分参数都是零，只有少数参数在工作， 这样就能节省内存。对了，还有一个事就是边缘计算，现在很多 ai 应用都在往边缘设备上跑， 比如手机、汽车、机器人，这些设备的内存和算力都有限，所以对模型的大小和内存占用要求更高。 比如你手机里的 ai 助手，总不能需要十 gb 的 内存吧，那肯定不行。所以这就要求模型必须足够小，足够高效，这也是内存战争的一个重要战场。哎，说了这么多，你有没有觉得内存问题其实是 ai 发展的一个瓶颈？ 就像当年的 cpu 频率之争一样，当频率无法再提高的时候，就转向了多核。现在内存也面临同样的问题，当单块内存的容量和速度无法满足需求时，就需要新的技术和架构，这可能就是技术发展的规律吧， 总是在解决一个问题的同时，又遇到新的问题。不过话说回来，这些问题也正是 ai 行业的机会，谁能率先突破内存瓶颈，谁就能在未来的 ai 竞争中占据优势。比如现在很多公司都在研发新型内存技术， 比如 m r a m rayrm 这些非意识性内存，它们的速度比传统内存快，容量比硬盘大，而且断电后数据不会丢失。如果这些技术能成熟，那对 ai 行业来说绝对是一个巨大的利好。你想想， 要是有一天我们能在普通的电脑上跑 g p t 四这样的大模型，那会是什么场景？每个人都能拥有自己的 ai 助手，或者在手机上就能实时运行复杂的 ai 模型， 比如实时翻译、图像生成，那体验肯定会好很多。这一切都离不开内存技术的进步。说到这，我又想起一个事，就是前阵子谷歌发布的那个 po m e 模型，它是一个多模态模型，能处理文本、图像、机器人指令这些。 你知道它的参数有多大吗？五千六百二十亿，不对，应该是五千六百二十亿吗？ 哦，对，是五千六百二十亿参数，可就算是这样，他还是能在实时环境中运行， 这说明谷歌在内存优化方面肯定有自己的一套技术。你有没有发现，现在的 ai 模型不仅越来越大，而且越来越聪明，从最初的只能处理文本，到现在能处理图像、音频、视频，甚至能控制机器人， 这背后需要的计算量和内存量是呈指数级增长的，所以内存战争不是一时的，而是长期的，只要 ai 还在发展，内存问题就会一直存在。那作为普通用户，我们能感受到内存战争的影响吗？ 其实已经感受到了，比如你用 chat gpt 的 时候，有时候会遇到服务器繁忙的情况，这背后可能就是因为内存不够，无法同时处理太多用户的请求。或者你用 ai 生成图像的时候，等待时间很长，这也可能和内存有关， 未来如果内存问题解决了，这些体验都会得到改善。说到这，我突然想到一个有趣的对比，就是几十年前电脑的内存只有几 kb， 现在的电脑内存已经达到了三十二 gb 甚至六十四 gb， 翻了多少倍？几百万倍吧。可就算是这样，还是不够用， 这说明人类对计算能力的需求是无限的， ai 的 发展也是一样，模型会越来越大，对内存的需求也会越来越高， 这可能就是技术发展的永动机吧。好了，今天咱们聊了这么多关于内存战争的话题，从模型大小到内存技术，从行业竞争到未来趋势， 其实我觉得内存战争背后反映的是人类对智能的追求，我们想让 ai 变得更聪明，能帮我们做更多的事情， 而这一切都需要更强大的硬件和软件支持。虽然现在面临很多问题，但我相信随着技术的进步，这些问题都会被一一解决。最后我想问问你， 你觉得未来的 ai 内存技术会发展到什么程度？会不会有一天我们能突破内存的限制，让 ai 模型无限大？ 或者我们会找到一种全新的方式，不需要那么多内存就能实现强大的 ai。 欢迎在评论区告诉我你的想法。行， 今天的节目就到这，咱们下期再见。大家关心的话题太多，视频里没法一一展开细讲，感兴趣的朋友点击头像进群，咱们关起门来接着聊。

二零二五量产元年，人形机器人海内外共振，万亿市场加速起当特斯拉机器人迈着稳健的步伐跑完一段路程，马斯克直言其为一件精美的艺术。当国内企业密集布局， 政策体系逐步完善，人形机器人行业正迎来前所未有的发展热潮。二零二五年，作为人形机器人量产人员，海内外技术突破与产业动作形成强烈共振，一个万亿级别的新兴市场正在加速浮出水 面。海内外齐发力，技术与产业双突破近期，人形机器人领域的重磅消息接连不断，成为科技圈最受关注的焦点。海外方面，行业风向标特斯拉持续领跑。 十二月三日，特斯拉机器人发布跑步视频，流畅的动作姿态展现了其在运动控制领域的技术突破。 更值得关注的是，特斯拉奥特曼斯第三代机器人预计二零二六年发布，明年量产规模有望达到数万台。而马斯克薪酬激励方案中明确的奥特曼斯机器人交付一百万台目标，更是为行业树立了清晰的发展标杆。目前， 特斯拉机器人产业链交流频繁，量产定价、神场定点等关键节点即将落地，将持续推动行业技术标准与产业化进程。国内市场同样动作频频，企 业与政策形成合力。企业端，有必选你以十六点六五亿元收购蜂农股份百分之四十三股权，深化产业链不平语数，发布人形机器人应用商店，为生态拓展奠基。 智源机器人宣布第五千台通用机器人下线，量产能力得到实质性验证。政策端，十二月二十六日，工信部成立人形机器人与聚深智能标准化技术委员会， 标志着我国在该领域的标准体系建设正式启动，将为产业发展提供重要保障。国产链优势凸显全球竞争占具有利位置聚深智能已成为全球科技竞争的核心赛道，美欧等发达国家均在人形机器人相关领域加大投入。 在这场全球角逐中，中国产业链凭借独特优势占据了有利位置。从竞争格局来看，我国企业在本底硬件和用空领域已实现领先，核心零部件与整机制造能力经过多年积累逐步成熟。在大脑具身这一核心领域，中美两国基本处于同一起跑线， 均在一铺， ai 技术的发展不断突破瓶颈。随着语速乐剧、云深处等国产本质龙头筹备上，优质资产逐步进入公众视野，国内产业链的整合与升级速度将进一步加快。更重要的是， 我国十五五规划已明确将聚深智能并未为未来产业核心增长点，提出要探索多元技术路线、典型应用场景与可行商业模式，推动其成为新的经济增长点。 全链条政策保障体系的逐步完善，将为国产人形机器人企业提供更广阔的发展空间，助力国内产业链在全球竞争中持续突围。应用场景多点开发商业化进程加足推进二零二五年，作为量产源泉， 人形机器人的应用场景已逐步从实验室走向现实。目前核心应用场景集中在高校科研导览展示、文娱表演、数据采集等领域，这些场景对机器人的功能需求相对明确，成为技术落地的试验田。 尽管工业级应用仍处于 p o c 概念验证阶段，但随着 ai 技术的飞速发展，学术界与企业界正积极探索世界模型与空间智能在具身机器人领域的应用，为场景扩展打开了无限可能。未来巡检导览类应用的渗透率将持续提升， 而在垂类模型的加持下，工厂物流、纺织服装等特定场景的规模化应用有望快速落地。业内预测，随着技术成熟与成本下降，未来可能会出台相关补贴政策，降低巨深智能商业化门槛，进一步加速人形机器人在更多领域的普及。 从科研到产业，从单一场景到多元应用，人形机器人正逐步打开万亿级市场空间，成为驱动经济增长的新引擎。