微软推出Surface商用新品，推动AI办公生态
微软(416.85, -0.57, -0.14%)在5月19日正式向企业用户发布全新Surface商用设备，该设备采用英特尔(118.15, 7.35, 6.63%)酷睿Ultra Series 3芯片，重点突出本地化AI计算能力、系统安全及远程协作支持。当前正值企业更新设备以满足AI负载需求的重要阶段。 三大产品系列：价格明显上涨 新款设备涵盖Surface Pro 12商用款、Surface Laptop 8以及13英寸新Surface Laptop。其定价约为前代产品的两倍。行业分析认为，由于AI相
内存晶圆面临报废风险！三星电子明日启动全面罢工：半导体行业史无前例
科技媒体5月20日报道，韩国新一届政府正面临严峻考验。 据韩国媒体报道，三星电子工会宣布，工会方面已接受调解建议，但资方却拒绝接受相关方案，调解程序宣告终止，将从明日开始进行无期限罢工行动。 这不仅是三星电子创建以来参与人数最多的一次罢工，更是全球半导体产业历史上规模最大、影响范围最广的停工事件，罢工周期暂定为5月21日至6月7日，持续时间达18天。 此次罢工获得了广泛的支持。今年3月中旬，超过6.6万名三星电子工会成员参与罢工表决，支持率高达93.1%。预计参与人数将达到4.5万至5万人，相当于三星半导
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 新趋势：边缘计算崛起，蒸馏技术重塑本地智能
理解 AI 为何必然走向边缘，不能始于硬件，而应源于对“心流（Flow State）”的深刻洞察。在 AI 芯片领域，长久以来我们受制于 NVIDIA 定义的“吞吐量（Throughput）”指标——即单位时间输出 Token 的数量。这好比衡量大巴车的载客量，只要一次能运送足够多人，便视为高效。然而，当 AI 转变为实时编程助手或虚拟伴侣时，底层逻辑彻底改变。若 AI 助手每秒仅输出 40 个词，你的思维将不断被打断，交互显得“割裂”；但若其速度达每秒 200 词，甚至快过阅读速度，AI 便从“对话框”
AI 科普专栏 | 《eMRAM 存储芯片革命》第五期:深度解析寒序科技为何领跑国内 8nm eMRAM AI 芯片
导读2026 年 5 月 7 日，一则消息在半导体与 AI 领域引发轰动：中国寒序科技携手韩国 SEMIFIVE，成功实现亚洲首例 8nm eMRAM 边缘 AI 芯片流片。许多人不禁发问：寒序科技究竟是谁？为何它能率先推出 8nm eMRAM AI 芯片？其技术实力究竟有多雄厚？本期第五篇，我们将对此进行全方位深度剖析。核心团队：融资历程（截至 2026 年 5 月）：寒序科技是国内唯一具备从物理、材料、器件到异质集成、芯片设计、算法全链条研发能力的磁计算企业。技术分工（创新合作模式）：核心性能指标：量
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
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
AI时代HBM需求井喷 三星SK海力士疯狂扩产：今年出货量突破300亿Gb
科技媒体5月16日报道，当前DDR5内存价格持续攀升，较去年同期涨幅达到3-5倍，此轮涨价并非DDR5市场需求旺盛所致，而是受到AI内存HBM供应紧张的间接影响。 由于三星等企业将生产线重点转向HBM，导致DDR5供货紧张。众所周知，HBM内存采用多芯片堆叠工艺，一颗HBM内存可能需要消耗3-4倍于DDR5的芯片产能，而三星、SK海力士及美光三大存储厂商今年均无大幅增产计划，产能仅提升约5%，且大部分已转向HBM生产。 据韩国媒体披露，三星今年将HBM内存出货量从去年的40亿Gb大幅提升至100亿Gb以上
ROG二十周年庆典：在广州“快乐屋”集结信仰
5月15日，广州流花展贸中心大麦66 Live House内，人潮涌动，皆是身着ROG联名T恤的玩家。 这是ROG DAY 2026广州站。正值ROG品牌20岁生日，主题定为“信仰集结”，午后两点发布会伊始，随着《陪伴我们的ROG》纪念短片播放，众多观众纷纷翻阅相册，寻找与ROG装备的旧日合影。 这不仅是一场新品发布会，更像是一场久别重逢的老友聚会。 复刻主板亮相：售价5206元，致敬2006年 发布会的最高潮由B站UP主普普通通Tony大叔、百大UP主籽岷及解说闫紫境wAwa共同揭晓——ROG CROS
小米618大促正式启动：旗舰手机最高让利1500元，卢伟冰解读内存涨价周期
新浪科技讯 5月17日上午消息，小米正式拉开2026年618大促帷幕。今年活动以“科技生态一步到位”为主题，推出多重优惠：科技好物至高立省4500元，爆款手机至高直降1500元，百余款家电全线参与优惠，至高立减4500元。完成学生认证的用户还可享受专属福利，至高再减200元。 近日，小米集团合伙人、总裁卢伟冰在微博上表示，受高性能计算和数据中心需求猛增，内存成本上涨力度远超预期、具有超长的周期性。内存涨价超预期预估至少延续到明年年底。在这种背景下，618就成为了今年最佳的购机窗口。 小米此次618手机全系
AI时代软件开发的新思路
回想OpenClaw刚发布时，有人将其称为AI操作系统。如果确实如此，那我可以这样理解：Harness本质上就是操作系统的CPU调度与内存管理理论的延伸。顺便提一下，Deepseek4的发布正如其标题所示，这套操作系统的运行内存从200K时代跃升至1M时代，虽然海外早已达到2M水平。要知道，如今的计算机也是从64K内存起步的。前阵子研究Harness理论，感觉有些领悟了，就想着手边的几台服务器，不如顺手开发一个AI运维平台。源码发布地址：http://senvon.x3322.net:53000/corp
AI抢光存储芯片，电动车面临涨价潮？
近期，全球消费电子领域正遭遇一场“无声的震荡”——内存价格的急剧上涨已从电脑、手机波及至汽车产业，尤其是严重依赖先进电子架构的新能源汽车。这场由人工智能爆发引发的存储芯片供需失衡，正以意想不到的方式，给汽车制造业带来新一轮供应链挑战。权威数据表明，DDR5内存条价格在半年内涨幅接近五倍，三大存储巨头——三星、SK海力士和美光——已将产能重心全面转向高利润的HBM（高带宽内存）产品，致使传统DRAM供应极度紧张。在这场技术变革的余波中，电动汽车首当其冲。AI挤占存储产能近年来，人工智能的飞速发展催生了对算力
三星工会坚持下周罢工，谈判延至行动后
三星电子旗下最大工会于周五透露，即便公司方提议无条件重启磋商，该工会仍决定按原定计划于下周发动大规模罢工行动。 同日早些时候，三星管理层向工会提交了正式提案，此举被视为管理层为规避原定下周四启动、为期18天的罢工而采取的紧急举措。若罢工如期举行，恐将干扰这家全球顶尖存储芯片巨头的生产运作。 不过工会方面强调，除非在政府斡旋下于周六开启的新轮谈判前，其关于绩效奖金的核心诉求获得解决，否则无意展开任何进一步对话。 三星电子最大工会主席崔承浩（Choi Seung-ho）指出：“我们愿在6月7日之后进行商讨。”
AI时代存储变革:从数据仓库到算力引擎的技术演进
随着AI大模型和多模态智能体的快速发展，存储产业正在经历从底层开始的根本性变革。传统面向通用计算场景设计的存储体系，已无法应对大语言模型所需的万亿级Token处理、TB/s量级带宽以及微秒级响应等严苛要求。未来的存储系统不再是消极等待调用的"数据仓库"，而是能够主动为AI算力提供支撑的核心动力源。在存储节点层面实现数据的标准化、Token化以及ETL预处理操作，数据存放位置即计算发生位置；网络传输量可削减超过70%，GPU显存占用显著下降，训练效率与资源利用率实现双重优化。依托DPU（如BlueField
为何 AI 始终面临存储荒
AI 堪称“数据饕餮”与“带宽黑洞”，其存储需求呈指数级暴涨，而产能与物理极限却难以企及。以下分五点详述：一、模型规模激增，直接撑爆内存- 大模型参数从数十亿跃升至数千亿，未来更将达万亿级。- 训练阶段，全量参数需载入 HBM 或高速 DRAM 方可运行。- 推理阶段，需储备海量 KV 缓存（上下文状态），上下文越长、并发用户越多，内存消耗越巨。- 结论：模型越庞大，内存越捉襟见肘；并发越高，短缺越严峻。二、训练数据：只进不出，无限累积- 训练涵盖全网文本、影像、视频、日志及对话，均需永久留存。- 全球数