AI浪潮助推存储芯片大涨
5月4日亚太股市走势强劲，表现最抢眼的当属存储芯片板块。韩国股市SK海力士股价刷新历史纪录，市值突破千万亿大关；美股存储板块前一晚表现强劲，美光和闪迪涨幅均超8%，从而引领了整个亚太科技股的上涨。存储芯片板块之所以突然飙升，根本动力在于AI需求的井喷，如今它已跃升为AI产业不可或缺的核心部件。过去存储芯片多用于手机和电脑，而今随着AI服务器的大量部署，其内存需求量是普通服务器的8至10倍。特别是高端的HBM内存和DDR5，已成为各大AI厂商争相抢购的稀缺资源。以谷歌和微软为例，今年它们投入数千亿资金建设A
AI浪潮引爆存储业新周期：中国企业迎崛起良机
2026 年五一假期，全球存储市场迎来史诗级行情：韩国股市 SK 海力士暴涨 12%、市值首破 1000 万亿韩元，三星电子大涨 5% 创历史新高；美股美光科技涨 6.31%、闪迪涨近 5%，同步刷新历史纪录。本轮行情核心驱动力是AI 大模型催生的存储结构性供需反转，HBM（高带宽内存）、企业级 SSD 等 AI 专用存储产品需求呈指数级增长，彻底改写存储行业传统周期逻辑。本文将从韩美龙头暴涨的核心原因切入，深度剖析 AI 时代存储行业的超级周期逻辑，聚焦长江存储、合肥长鑫、江波龙、佰维存储、德明利、香农
250331AI算力基建概念速览
六、重构算力版图全球首个星座级太空AI算力实现常态化运行【太空AI算力】9月25日，国星宇航的太空计算星座依托第四届琶洲算法大赛完成商业化验证，意味着全球首个星座级太空AI算力服务已在中国进入日常运营阶段。该“星算”计划今年已形成首批阶段性成果：今年5月已完成12颗计算卫星发射并成功入轨，单颗卫星最高算力可达744TOPS。完成组网后，整体具备5POPS的处理能力，可让80亿参数级天基模型持续稳定运行。比赛中的“星上路网分析”任务里，卫星在轨完成图像采集、模型推理并将结果回传，端到端响应时延被压缩到3分钟
5月5日美股成交额前20：美光再创历史新高，CEO看好高速内存需求
周一在美股成交额榜单中，美光位列第1（576.45, 34.24, 6.31%），当日上涨6.31%，股价刷新历史高位，成交额达264.4亿美元。分析人士认为，推动美光（以及闪迪(1255.86, 68.86, 5.80%)）股价走强的主要因素有三点。 首先，亚洲存储龙头SK海力士当天大涨12%，市值突破千亿韩元，显著带动市场风险偏好。与此同时，美国科技四大巨头公布计划投入7000亿美元资本开支，进一步点燃资金对行业的炒作情绪。 其次，美光CEO提到，AI仍处于发展的早期阶段，未来推理环节的需求有望大幅提
AI算力的底层驱动与投资机会——台积电观点
在2026年技术研讨会上，台积电公布了其最新的先进制程与先进封装技术路线图。不少人一看到这些描述就会觉得门槛很高：N2、A16、A14、A13、CoWoS、SoIC、HBM、硅光子、背面供电等。但如果用一句更直白的话来概括，这份报告其实在传递的重点是：当AI进入更深的阶段，真正决定胜负的并不只是模型有多“聪明”，而是谁能够把支撑AI的算力底座系统真正做出来并规模化。我们眼前接触到的AI，似乎只是手机或电脑里的软件——一个聊天框、一个应用。可它背后依赖的是非常庞大的物理工程：从芯片与封装，到内存、供电、散热
AI浪潮延续下的A股科技股后市判断
近期台积电、SK海力士出现明显上涨，SK海力士盘中涨幅一度超过12%，进而带动韩股走强、台股创下历史新高。这样的行情并非偶发，而是全球AI科技股牛市逻辑的延续与加深。当前，海外科技产业正处在由AI驱动的景气上行新阶段，龙头公司的持续强势，背后核心在于算力需求的集中释放带来业绩落地与估值再定价；产业链层面的共振与资金层面的传导，也会持续影响A股科技股的运行节奏。综合全球市场走势、国内产业与资金特征，A股科技股后续大概率呈现“整体联动、结构分化、节奏转缓”的特征，整体可拆为若干阶段来观察，并重点跟踪关键变量带
AI存储新格局：HBM决定算力极限，NAND划分数据疆域
市场对于AI内存的理解存在根本性误区——过分关注DRAM，却忽视了NAND的重要性。当前AI正经历从“算力驱动”向“内存驱动”的转变，而真正的制约因素并非通用DRAM。HBM将决定单点算力能力的上限，而NAND则划定了系统进行大规模扩展的边界。这两者协同运作才是AI存储架构的核心，那种非此即彼的观点已然过时。市场对AI内存的判断出现了根本性偏差——过度聚焦DRAM、低估NAND。AI正从"算力驱动"转向"内存驱动"，而真正的瓶颈不在通用DRAM。HBM决定单点算力上限，NA
边缘AI算力存储瓶颈与创新解决方案探析
随着计算重心从云端向边缘迁移，人工智能应用独特的计算需求对存储系统带来了严峻挑战。边缘AI设备，如自动驾驶汽车、智能机器人、AI PC及高端智能手机，在追求高计算吞吐量的同时，必须严格控制功耗、散热和成本。传统的冯·诺依曼架构因计算与存储分离，在处理大规模并行矩阵运算时，大量能量耗费于数据传输而非计算本身，即所谓的“内存墙”与“功耗墙”，这已成为阻碍边缘AI性能提升的关键瓶颈。生成式AI和大语言模型（LLM）向边缘渗透，使得存储系统的复杂性呈指数级增长。边缘端AI推理主要包含预填充（Prefill）和解码
AI算力瓶颈转向光互连，国产产业链龙头深度解析
AI光芯片与国产算力产业链核心标的深度解析结合AI产业链核心逻辑、市场预期差、需求端变动及供给端约束四大维度，锁定海外高端光芯片产能告急带来的国产替代机遇，以及国产AI芯片市场份额突破的产业变革主线，将产业链龙头标的划分为三大梯队，挖掘AI算力核心瓶颈环节的业绩增长潜力与估值重估空间。一、底层逻辑四大维度剖析1. AI产业链核心逻辑AI算力集群的核心制约已由GPU转向光互连、先进封装及HBM三大领域，其中光互连成为当前最紧迫的“卡脖子”环节，海外产能的全面紧缺为国产产业链创造了历史性的替代契机。光互连构成
AI+半山腰：还能再涨一倍？
绝大多数人把筹码押在消费和白酒上。但就在他们咬着牙守着白酒、等市场“企稳”的同时，另一个赛道却悄悄发生了变化——寒武纪一季度营收28.85亿，同比上行159.56%；归母净利10.13亿，同比增加185.04%。市值也一路上冲，突破7100亿，登上A股“芯王”位置。涨到这个程度，你是不是也会觉得是不是差不多到顶了？我当时也这么想。直到我翻到一份机构研报，末尾有一页写着这样一句话——"按PEG估值，AI+主线当前PEG仅0.9，远未进入泡沫区间。"回看历史，牛市里的主线往往能把PEG拉到2到
每日AI硬件动态速递(20260502)：国产显卡进军全球，OpenAI算力战略调整，光互连技术悄然变革
微软WHQL认证是通向全球市场的通行证：砺算成为中国首家、同时也是全球第四家获得此项认证的GPU厂商，这表明其显卡与Windows系统达到了官方的兼容级别，能够直接进入全球消费级市场，从而打破英伟达、AMD和英特尔的市场垄断格局。真正意义上的自主研发，无IP授权依赖：其产品基于自研的TrueGPU天图架构，从核心设计到指令集均为自主掌握。产线已就绪，并非空谈：官方发布的视频展示了完整的6纳米工艺产线流程（包括制造、测试与封装环节），第一季度已完成小规模试产，产品将于5月20日开售并直接现货供应，其定价相比
AI每日观察 | 2026年5月1日
要点：数字中国峰会透露，2025 年全国 AI 推理所对应的数据量（101.34 EB）首次超过训练数据量，标志着 AI 正式迈入“应用与执行”阶段。补充：数据总规模达到 199.48 EB，同比增长 42.86%。这也意味着建设底座的重点将从“打造大模型”逐步转向“调用并落地大模型”。影响：企业需要调整 IT 架构设计，推理芯片与边缘算力的需求有望快速放大。要点：《杭州市促进具身智能机器人产业发展条例》自今日起正式实施，为机器人在道路与工厂环境的使用提供更明确的法律依据。补充：作为全国首部相关地方性法规
利润飙升近50倍，三星再警告2027供应缺口将扩大
三星电子周四披露的一季度财报显示，旗下芯片相关业务营业利润同比大涨近50倍，刷新历史最高纪录。与此同时，公司也提出风险提示：由于人工智能带动的内存需求增长明显快于供给，预计2027年的供需缺口还会继续拉大。 从财报口径看，半导体部门中的设备解决方案业务在一季度实现销售额81.7万亿韩元，营业利润达到53.7万亿韩元，同比大约增长48倍，并贡献了公司总营业利润的94%。存储业务方面，销售额为74.8万亿韩元，同比增长292%。整体来看，一季度公司营收133.9万亿韩元，同比增长69%；总营业利润57.2万亿
HBM：AI服务器存储的“天价”刚需
三层存储架构中，HBM是不可或缺的“算力粮仓”。📝 导读：AI服务器的存储系统是算力运转的核心。在HBM、DRAM、SSD构成的“三层金字塔”中，HBM单价远超SSD，高达其200倍，成为AI产业链中成本最高的环节。🔥 HBM的价值并非体现在存储容量本身，而在于其能否充分释放GPU的计算潜能——缺乏HBM，强大的GPU也无法发挥全部实力，如同没有燃料的跑车。HBM的价格差异令人瞩目：● 市场数据显示，2026年第一季度，8192GB的HBM3e模组报价高达3.2万美元，每GB成本约4美元，是DDR5内存的
2026年AI芯片终局：Token经济取代算力，HBM成新核心
如果把这次AI浪潮拆解开来，你会发现一个正在发生的根本性转变：衡量价值的核心，不再仅仅是GPU的算力本身，而是“单位成本能产出多少Token”。本文试图解答市场长期困惑的一个问题——为何每一代GPU对HBM的需求几乎注定呈指数级增长？更重要的是，为何这种增长不会像过去那样中途停顿？这也是我长期看多三星和SK海力士的理论依据（凭借此观点，近一个月本人美股收益率达78%）。一、被忽视的第一性原理在当前架构下，AI推理的本质可简化为一句话：Token吞吐量 ≈ HBM容量 × HBM带宽这并非经验之谈，而是基于