AI算力的能源与温度挑战：VPD垂直供电、功率器件与散热方案深度解读
英伟达Rubin架构GPU功率已突破2000W大关，传统供电模式正面临"低压大电流"的严峻考验。一场从芯片级供电到整机散热的全面升级浪潮正在兴起，A股市场中蕴藏的投资机会也在逐步显现。一、引言：算力跃升背后的两大"隐藏障碍"近两年间，AI芯片的算力增速已远超摩尔定律的经典轨迹——英伟达B200峰值功耗约2700W，后续Rubin架构更是瞄准2000W以上目标。然而，算力高速增长的表象之下，两个被低估的障碍正在制约整个产业发展：一是电力传输限制，大电流环境下供电效率急速下滑，传统水平供电已无法承载千安培级别
SK 海力士市值破万亿，与英伟达台积电并肩
受益于人工智能（AI）引发的芯片浪潮，SK 海力士已跃升为全球最有价值的芯片厂商之一，成功加入市值超万亿美元的顶级企业阵营，与英伟达、台积电 (412.32, 7.80, 1.93%) 等巨头平起平坐。 作为全球第二大存储芯片生产商，其股价今年以来涨幅已超过两倍。周三早间交易时段，该股曾飙升 15%，推动 SK 海力士的总市值突破 1600 万亿韩元，折合约为 1.061 万亿美元。 SK 海力士是继三星电子（Samsung Electronics）之后，第二家市值冲破 1 万亿美元门槛的韩国企业。就在本
美光市值破万亿：AI 存储新纪元开启
📅 2026 年 5 月 27 日 · 星期三一家存储芯片厂商，单日市值激增相当于一家比亚迪——美光科技涨幅达 19%，总市值跨越 1 万亿美元大关。这不仅是美光自身的里程碑，更标志着整个 AI 产业由"算力短缺"正式迈入"存储短缺"的新阶段。5 月 26 日美股开市，美光科技持续走高，收盘涨幅超过 19%，市值首度冲破 1 万亿美元。直接诱因是瑞银将其目标价从 535 美元大幅上调至 1625 美元——创下华尔街最高纪录。同日，芯片板块全面上扬，费城半导体指数劲升超 4%
美光HBM4产能扩张提速，HBM4E量产预计明年启动
IT之家 5 月 25 日消息，据韩媒 The Elec 今日报道，美光科技第六代高带宽内存 HBM4 目前正在顺利扩大产能，同时还计划于明年启动下一代 HBM4E 标准产品量产。 当地时间 5 月 20 日，美光科技全球运营执行副总裁马尼什 · 巴蒂亚在摩根大通投资者会议上表示，美光 HBM4 的量产爬坡速度已经超过去年 12 层 HBM3E 产品的约两倍，良率提升也更为迅速。据IT之家了解，HBM4 主要面向英伟达 Vera Rubin AI 计算平台。 美光透露，HBM4 量产加速主要源于三方面因素
AI浪潮下的封装革命
这几年半导体圈子最魔幻的事情，莫过于大家原本都在死磕光刻机和晶体管尺寸，结果猛然一抬头，发现卡住全球 AI 算力脖子的，居然是以前被看作是“低端苦力活”的封装。作为在产线和商业场上摸爬滚打的人，咱们得把这事儿看透。现在的先进封装（Advanced Packaging）和 3D 堆叠，早就不是以前那个给芯片“穿个塑料壳、引出几根铁丝”的边缘工序了。它现在是真正的“利润收割机”和“技术印钞机”。咱们今天就摘掉那些虚无缥缈的学术光环，左手拿工程师的放大镜，右手拿商人的算盘，把 AI 时代先进封装带来的暴利机会彻
全球存储芯片热潮背后的多空博弈：AI能否真正改变行业周期宿命？
来源：智通财经网 2026年，全球存储芯片行业正经历一场史诗级的价值重估。三星电子市值突破1万亿美元，SK海力士股价年内飙升近200%，美光科技股价连续刷新历史高点，闪迪更是以超过3000%的12个月累计涨幅改写了半导体行业的历史纪录。这场由AI驱动的存储盛宴，更是让韩国KOSPI指数在不到半年时间内从4300点一路突破8000点大关——涨幅超过85%，冠绝全球主要股指。 然而，在狂欢的背后，质疑声从未消失。从谷歌TurboQuant算法引发的恐慌性抛售，到韩国股市空前的集中度风险，再到行业老兵对“豹子不
HBM超级周期开启，国产高速接口IP突破关键瓶颈
中国接口IP行业正迎来历史性发展契机 作者：赵新亮 2026年，全球芯片产业正在经历一场由人工智能引领的深度转型。这场变革的重心，是存储器芯片摆脱了以往消费类电子驱动的3-4年一般周期，进入了大模型训练与推理推动的超级增长阶段。 HBM芯片价格飙升、订单已排至2027年、三大厂商扩产仍供不应求……无论是AI算力竞争，还是存储能力热潮，都已引起市场高度关注。然而，在这轮热潮中，有一个几乎被忽视的“隐形冠军”，位于产业链顶端的高速接口IP，通俗讲就是“数据运力”。 它不制造存储芯片，也不设计AI计算卡，却是每
ASMPT股价午后飙升近7% 华泰证券持续看好并维持买入评级
ASMPT（00522）午后股价上涨6.80%，现报186.80港元，成交额4.72亿港元。 SK海力士和三星电子积极扩张HBM产能。ASMPT TCB设备已被全球多家HBM头部大厂率先采购用于HBM4的量产，SK海力士在12层HBM3E的生产中向ASMPT下达了超过30台TCB的批量订单，并在最新的HBM4生产中，再次向ASMPT下单多台单价约40亿韩元的TCB设备，合计金额约300亿韩元。 华泰证券(18.160, -0.50, -2.68%)认为，公司业务在储存、C2W、CoPoS、硅光等领域多点开
AI 晨报|2026.05.20 科技圈十大重磅动态
智元WITA模型获批登记：智元机器人具身智能交互大模型WITA顺利通过备案，确立为全国首个合规的具身智能交互模型，具备连续对话及多任务协同能力，宣告产业迈入“合规商用”新纪元。矩阵超智推出MATRIX-3：矩阵超智正式推出旗舰人形机器人MATRIX-3，该机型融合WAVE物理基座模型及27自由度灵巧手，着重攻克物理环境作业难题与错误学习闭环，全力加速工业化进程。香港组建具身智能实验室：香港中文大学建立本地首个全端具身智能实验室，携手24家行业伙伴，围绕关节模组、核心算法及人形机器人等全链路开展创新研发与成
AI算力背后的内存对决：HBM与DDR的技术博弈
近一年多来，各大存储芯片企业迎来业绩爆发期。国内多家存储企业正加速推进上市进程，本文就此展开探讨。带宽决定效率在人工智能模型训练过程中，计算能力并非唯一限制，数据传输才是核心环节。传统DDR5内存单通道带宽仅为50-100GB/s，而高端HBM3E则可达到1-4.8TB/s，这种量级差异直接决定了GPU能否充分发挥性能。设想若采用DDR5运行大模型，GPU大部分时间将处于等待状态，训练周期可能从数周延长至数月；而采用HBM则能让训练效率接近满载，时间成本大幅缩减。可以说，AI训练本质上是带宽的竞争。定位与
AI推动存储需求爆发式增长
人们往往难以用长远眼光审视当下趋势。近三年英伟达单卡显存容量增长近3.6倍，未来三年HBM端需求预计暴增5倍。目前多数投资者对存储股存在担忧，主要集中在涨幅过大以及能否穿越周期。实际上这类股票可直接与英伟达绑定，如果存储股无法跨越周期，意味着英伟达销量增长不可持续，AI需求被证伪。显然，英伟达增长势头依然强劲，从全球token用量增长可直观感受AI需求。黄仁勋预测未来AI算力需求将增长千倍，存储需求同样如此。如果你相信AI革命真实发生，而AI的消费本质是算力、存储和光互连，那么存储股就具备了成长属性，AI
AI 早报|2026.05.19 科技圈十大重磅动态
清华系初创企业Liber AI斩获数亿元融资：这家专注于物理世界模型的新锐公司接连完成种子轮、天使轮及天使+轮融资，真格基金、红杉中国、美团龙珠与顺为资本等联合注资，资金将全力助推物理世界通用大模型的研发进程。博银合创融资逼近3亿：博世携手银河通用打造的工业具身智能企业博银合创，成功完成近3亿元Pre-A轮融资，由元禾辰坤领投，款项将用于首款自研工业具身智能机器人的量产落地及工业数据平台的搭建。国家级中试基地正式启用：杭州隆重揭幕“国家人工智能应用中试基地（具身智能）”，致力于构建涵盖算力、芯片、模型至应
AI芯片产业链深度解析：算力、存储、传输三大领域26家龙头企业全面梳理
随着GPT-5参数量迈入万亿级别，人形机器人单台算力需求达到100TOPS，全国智算中心以每月新增10个的速度快速扩张，全球科技产业面临的核心挑战已经非常明确：飞速增长的算力需求与芯片供给能力之间的巨大差距。摩根士丹利最新研究报告显示，2026年全球AI算力需求同比增速将突破400%，而实际算力供给增速仅为128%，供需缺口接近46%。如果把AI比作一个智慧生命体： ✅ 算力芯片=AI的大脑，承担计算与思考功能，决定大模型训练推理的效率上限 ✅ 存储芯片=AI的数据仓库，负责海量数据存储管理，HBM内存价
七类芯片定乾坤：揭秘 AI 算力的真实版图
展望未来十年的科技博弈，表层看似是 AI 应用的争锋，实则底层逻辑在于芯片体系的整体抗衡。近年来，每当话题触及人工智能，英伟达与 SK 海力士往往最先涌入大众脑海。这情有可原。大模型的训练依赖于惊人的计算吞吐量，算力芯片与存储芯片作为核心刚需，其中 GPU 因擅长并行处理而脱颖而出，致使英伟达成为此轮 AI 浪潮中的绝对主角。然而，若目光仅局限于 GPU，极易对整体芯片产业产生认知错位。毕竟，AI 的高效运转并非单靠某一颗芯片，而是依赖于一整套芯片系统的协同。GPU 主攻运算，CPU 负责调度，HBM 保
HBM需求爆发：AI算力时代的内存技术革命
在AI大模型时代，GPU的性能天花板完全取决于HBM（高带宽内存），HBM的容量与带宽必须代代实现翻倍增长，不再像传统内存那样存在周期性瓶颈，需求将呈现持续指数级攀升。 一、回顾：CPU时代，内存（DDR）并不关键 在电脑、手机等传统CPU算力时代，行业的唯一核心目标是让CPU的运算速度不断提升。 我们日常接触的DDR普通内存仅仅是辅助角色，在行业中的地位极低，十余年来技术几乎没有重大突破，主要原因有两方面： 1、CPU自带优化机制，无需内存加速 CPU配备了多层缓存和并行计算架构，能够自行弥补内存速度慢