英伟达的竞争护城河分析 - 市场关于TPU和ASIC侵蚀英伟达护城河的观点被严重夸大[2] - 英伟达通过持续精进GB300及后续Vera Rubin架构，可维持领先出货并不断降低成本，成为迄今最具成本效益的平台[2] - 英伟达的护城河源于其端到端、为高频宽、大规模扩展与可持续利用率而打造的整体架构，这是迈向AI工厂最关键的决定因素[3] - 英伟达除了掌握一定先进封装产能外，还持续推进GB200、GB300到Rubin的架构，并改善交换技术与整体系统设计，更具优势[3] - 在供应受限环境下，超大规模云端业者势必采取混合架构策略，难以用TPU全面取代GPU[3] - 英伟达的护城河因出货量、经验曲线效应以及多年端到端系统工作，形成稳固护城河[7] TPU作为替代方案的局限性 - TPU核心问题不在是否为“好芯片”，而在于其架构能否适配AI下一阶段的发展需求[3] - TPU因频宽昂贵且稀少而诞生，适合低频宽需求的AI任务，但随着模型规模扩大与工作负载多样化，在扩展性等方面遇到限制[3] - 目前领先的AI训练走向为“高频宽与大规模扩展”而改善的系统架构，这需要让大量加速器彼此连接并长时间维持高效运转[3] - “TPU走向开放市场”更合理的解释是生态系伙伴及Meta等公司寻求优势带来的压力，而非Google有意成为真正的商用芯片供应商[4] - 像Google这样的主要超大规模业者，不太可能大规模对外销售自家专有加速器，以让直接竞争对手形成真正的外部市场[3] Google与OpenAI的竞争格局 - 市场关于Google通过Gemini击败OpenAI的观点被严重夸大[2] - Google在壮大的同时面临“创新者困境”，其搜寻业务与广告营收高度绑定[2] - 若Google将广告模式转向类似聊天机器人的体验，单次搜寻查询的服务成本将暴增至原来的100倍[2] - Google必须将商业模式转向更高度整合的购物体验，但即便Gemini近期取得一定成功，Google仍不具备这样的信任基础[2] - OpenAI核心在于强调可信资讯，而非推送广告，仍有其优势[2] - 就平台动能而言，现阶段仍是OpenAI“领先一大截”，平台建设、开发者采用、企业用户组合转变以及对稀缺运算资源的掌握都对OpenAI有利[6] - OpenAI因平台执行力及企业需求而保持领先，其先行者优势正逐步转化为更持久的竞争力[7] - 模型品质已成为基本门槛，真正的竞争焦点在于模型周边的软件与服务[7] Google面临的商业模式挑战 - Google的困境在于如何以不损害其获利引擎的前提下，让主导模式过渡到更完善的模式[5] - Google获利引擎建立在与搜寻行为挂钩的广告变现上，但互动模式转向ChatGPT式的体验会使成本结构发生巨大变化[5] - 从经典搜寻转向助手式的交互模式会改变单位经济效益，从而可能破坏其盈利引擎[5]

行业技术动态与产品发布 - 光通信研究机构LightCounting发布关于AOC、DAC、LPO及CPO的最新报告 [2] - 2024年3月，英伟达率先宣布在其InfiniBand和以太网交换机中采用单通道200G的CPO技术 [2] - 2024年9月底，Meta的测试数据显示博通前两代CPO产品具有卓越可靠性 [2] - 2024年10月，博通推出了其第三代单通道200G的CPO产品 [2] - 2024年12月初，英伟达在TEF大会上报告称，基于CPO交换机的AI集群可靠性相比采用可插拔光模块的系统提升了10倍，集群运行时间提升了5倍 [2] 市场整合与并购活动 - 近期，Ciena收购Nubis Communications，Marvell收购Celestial AI，印证了亚马逊、Meta和微软等行业龙头对CPO的高度关注 [5] - LightCounting预计2026年初将出现更多相关并购活动 [5] CPO技术应用现状与挑战 - 目前CPO的应用仅限于面向Scale-Out网络设计的交换机 [5] - 英伟达等公司面临的下一个挑战是如何将Scale-Up互连突破单个机架的限制 [5] - 将GPU集群从128-144颗芯片扩展到500-1000颗，被认为是加速AI训练的最佳路径 [5] - 未来3年内，推理集群也可能需要多达1000颗GPU以支持更大规模的模型 [5] - 亚马逊正使用AEC在两个机架之间互连Trainium加速器（每个机架32颗XPU），但这种方案可能难以扩展到更多机架 [5] - 华为在其纵向Scale-Up网络中采用了800G可插拔LPO光模块，每颗XPU最多连接18个LPO [5] - 对于4-8个机架组成的系统，若需实现数万个高速互连，CPO可能是唯一可行的选择 [5] 市场预测与规模展望 - LightCounting因此上调了CPO的市场预测，涵盖用于Scale-Up场景、传输距离小于50米的1.6T和3.2T端口 [5] - 报告对比了可插拔以太网光模块（含AOC、ACC、AEC和DAC）与CPO（仅包含100G及以上速率产品）的市场情况 [6] - LightCounting预计，博通和英伟达都将在2026年推出集成CPO的Scale-Up交换机、GPU或XPU [8] - Marvell也将利用收购来的Celestial AI技术推出类似产品 [8] - 这些产品的出货将于2027年开始 [8] - 到2030年，包括Scale-Up和Scale-Out场景的CPO引擎的市场规模预计将达100亿美元 [8] - 到2030年，CPO端口出货量预计接近1亿个 [8]

美国拟对华半导体加征关税及中方回应 - 美国贸易代表办公室调查后声称中国在半导体行业寻求主导地位并采取非市场做法 拟自2027年6月23日起提高对中国半导体进口的关税 但初始关税税率在18个月内为零 [1][3] - 中方外交部与商务部均表示坚决反对 指责美方301调查具有单边和保护主义色彩 扰乱全球芯片产业链供应链 并敦促美方纠正错误做法 [1][4] - 中方指出美方通过《芯片与科学法》提供巨额补贴 且美国企业占据全球芯片市场近一半份额 指责中国是自相矛盾 [5] 事件背景与影响 - 此次关税行动是拜登政府时期根据《贸易法》第301条款启动调查的后续步骤 与特朗普政府根据第232条款威胁的关税是分开的 [3] - 美方推迟至少18个月征收新关税的决定被解读为寻求缓和美中贸易敌对情绪 新的2027年日期为美国公司提供了更明确的预期 [3] - 根据美商务部报告 中国产芯片仅占美国市场份额的1.3% 中国芯片对美出口远低于自美进口 [5]

台积电财务业绩与行业地位 - 公司是今年台湾最赚钱的公司，前三季税前净利达1.4兆元新台币，已超过去年全年总和[1][2] - 公司今年业绩普遍比去年成长3成，全年税前净利可能达到1兆5千亿新台币[1][3] 高管薪酬与行业对比 - 根据2024年年报，董事长魏哲家一年的薪资、奖金和特支费为6亿元新台币，加上分红3亿多元，合计薪酬为9.46亿元新台币[1][3] - 鉴于公司业绩增长，魏哲家今年的薪酬可望超过10亿元新台币[1][3] - 有法人观点认为，以公司在全球的领先地位来看，此薪酬水平算低[1][3] - 作为对比，英特尔CEO陈立武的首年潜在总酬劳可达约6900万美元（约新台币21.73亿元），包含基本年薪100万美元、绩效奖金最多200万美元及价值约6600万美元的长期股权激励[1][3] 高管荣誉 - 公司董事长魏哲家及前董事长刘德音在2024年7月被美国半导体产业协会选为2025年罗伯特‧诺伊斯奖共同获奖者[1][2] 员工薪酬变迁与留任策略 - 约2000年前后，公司同组工程师月薪为3.9万元新台币[2][3] - 二十几年后，留在公司的工程师年薪可达300万元新台币[2][4] - 公司采用每季度发放分红的制度，有工程师单季分红可达50万元新台币，一年发放四次[2][4] - 此薪酬发放策略的调整源于历史经验：过去在农历年前发放年终奖金后，常出现员工过完年跳槽导致人力短缺的危机，改为季度发放后，人力波动得以分摊到每一季[2][4] 行业人员流动案例 - 历史上，有工程师从公司跳槽至联电或前往中国大陆的和舰[2][3] - 部分前往中国大陆发展的工程师，后续有的难以返回台湾，有的加入了中芯半导体[2][4]

Rapidus 2nm GAA工艺及封装技术进展 - 公司在2025年日本半导体展上首次公开展示了其位于北海道千岁市IIM研发制造中心生产的2nm GAA晶体管原型和600mm方形RDL中介层面板原型[2] - 公司于2025年6月16日首次将晶圆装载到IIM的前端试验线，并于同月28日完成首个2nm GAA晶体管原型并确认运行正常[2] - 与约2008年的尖端40nm平面晶体管相比，2nm GAA晶体管的功耗可降低约二十分之一；与约2018年的尖端7nm FinFET相比，功耗可降低约四分之一[2] Rapidus 先进封装技术发展 - 公司正在开发用于芯片封装的600mm方形RDL中介层面板，使82mm见方的中介层数量从300mm晶圆上的4个增加到面板上的49个，增长超过十倍[2] - RDL中介层制造过程包括在玻璃载体上形成布线、嵌入桥接芯片、形成上层布线、连接支柱、树脂密封、抛光及安装逻辑与存储芯片等多道工序[3] - 公司计划于2027年开始大规模生产前端工艺，并于2027年下半年至2028年上半年开始大规模生产后端工艺[3]

文章核心观点 - 智能汽车的发展催生了对其“神经系统”——高速、确定、可靠的通信网络的迫切需求，时敏网络（TSN）是支撑智能驾驶的关键基础设施，而该领域长期被国际巨头垄断，国产自主可控率不足1% [2] - 北京芯升半导体科技有限公司作为国内首个具备车规级TSN交换芯片量产经验的团队，通过差异化创新（不做简单替代，而是基于市场需求进行价值创造）和前瞻性布局（如车载光纤通信），在巨头林立的市场中寻找突破口，并致力于以汽车为基石，将时敏通信技术赋能至更广阔的智能体应用场景 [2][8][11] - 中国汽车芯片产业正经历从“系统级弯道超车”到“底层技术自主”的关键转型，未来5到10年将经历“从无到有”、“从有到优”、“走向世界”三个发展阶段，国产供应链面临历史性机遇 [14] 智能汽车通信架构的演进与TSN的重要性 - 传统汽车采用CAN、LIN等低速总线，数据带宽仅有几百Kbps-10Mbps，仅能满足简单控制指令传输 [4] - 智能汽车（如L2+级别）通常搭载十多个高速传感器（高清摄像头、激光雷达、毫米波雷达），产生海量数据（激光雷达点云数据动辄数百兆），并需要同步采集与实时传输，同时OTA升级需下发数GB的AI模型数据，传统总线无法承载 [4] - 智能驾驶对通信的确定性和可靠性要求极高，数据延迟或抖动可能导致交通事故，因此需要“时敏”网络，即在确定的时间边界内完成数据传输 [6] - 时敏网络（TSN）在传统以太网基础上，通过一系列IEEE 802.1标准进行“加固”，能同时承载高带宽视频流、低时延控制指令、周期性传感器数据等多种业务，并保证关键数据的确定性传输 [6] - TSN技术形象比喻为在高速公路上开辟专用高铁轨道，通过精确的时间同步和流量调度，实现多业务混合传输的实时性与可靠性保障 [6] 芯升半导体的竞争策略与产品布局 - 公司核心团队具有“通信+汽车”的交叉背景，核心人员来自华为、中兴等通信芯片企业及汽车电子领域资深工程师，这成为其理解市场需求、实现技术突破的关键优势 [8] - 面对国际巨头（博通、Marvell、恩智浦等）的竞争，公司采取差异化竞争策略，不做简单的“Pin-to-Pin替代”，而是基于中国市场的实际需求进行差异化创新 [8] - 公司积极布局下一代车载通信技术——车载光纤通信，推出SV37XX系列车规级TS-PON芯片，这是面向万兆级车载通信的前瞻性产品，支持多种接口协议实时性转换，为“光进铜退”趋势提前卡位 [8] - 公司参与设计的国产首款车载TSN交换芯片已完成超过100万公里的整车路试验证 [2] 车载通信“光进铜退”的趋势 - “光进铜退”（光纤通信替代铜缆通信）被认为是下一代车载通信的必然趋势，当通信速率超过万兆，光纤在信号质量、带宽潜力、电磁干扰抑制、成本控制等方面的优势将全面体现 [10] - 车辆正在变成一个移动的计算中心，算力增大、传感器增多、AI模型需实时传输海量数据，光纤通信技术是满足未来带宽和实时性需求的必然选择 [10] - 针对车载环境中光纤可靠性的质疑（如弯折、连接器稳定性），公司认为这些是“工程化问题”而非技术瓶颈，已在航空航天等领域得到验证，将随产业链成熟而解决 [10] - 未来通信技术将长期共存：骨干网和高带宽传输优先采用光纤，末端小型传感器和执行器继续使用低速总线，但光纤在车载骨干网的渗透速度会越来越快 [10] 市场定位与未来愿景 - 公司的市场定位是面向无人、智能、协同控制领域的高速时敏通信芯片解决方案提供商 [12] - 选择汽车作为切入点，是因为汽车产业规模足够大（今年中国汽车产量预计将达到3200万至3300万辆，出口600至700多万辆）、质量标准严苛、标准化程度高，在此市场中锤炼出的技术和产品具备辐射其他行业的能力 [13][14] - 时敏通信技术将辐射至汽车之外的广阔场景，包括工业自动化、低空飞行器、人形机器人、具身智能体等，这些领域都有高带宽、低时延、确定性、可靠性的通信需求 [12] - 以人形机器人为例，精细化的自动控制需要足够低的通信抖动和时延，以及足够高的带宽，以避免动作卡顿或造成伤害 [13] 对中国汽车芯片产业的判断 - 中国汽车产业正在经历从“系统级弯道超车”（如新能源汽车整车、智能座舱、辅助驾驶）到“底层技术自主”（核心芯片、关键器件）的关键转型，当前形势对国产供应链需求迫切，既是挑战也是历史性机遇 [14] - 未来5到10年，中国汽车芯片产业将经历三个发展阶段：第一阶段“从无到有”，填补空白、证明能力；第二阶段“从有到优”，快速迭代，构建差异化优势；第三阶段“走向世界”，随着中国智能制造产品全球布局，关键芯片技术同步出海 [14] - 公司对产业未来保持乐观，认为就像欧美、日本的汽车芯片曾主导全球市场一样，未来中国的先进制造和智能化产品及其关键技术也会走向全球 [15]

文章核心观点 现代芯片设计正从单一处理器选择演变为多种处理器类型和架构的复杂组合，其核心驱动力在于对可编程性、可重构性和定制化的需求，以适应快速变化的技术（如新AI模型、内存标准）和工作负载，避免因技术迭代而导致的芯片快速过时，从而提供更灵活、更具未来适应性的解决方案 [2] 处理器架构的演变与融合 - 过去在ASIC、FPGA或DSP间的简单选择，现已演变为多种处理器类型和架构的组合，包括不同程度的可编程性和定制化 [2] - 可编程组件（如FPGA、DSP）为应对新技术升级提供了比重新设计芯片更简便的解决方案，甚至可更换整个可编程芯片组 [2] - 现场重新编程能力使设计人员能重新分配工作负载，并为消费者提供硬件升级，而无需购买新设备 [2] - GPU虽高度可编程但极其耗电，因此嵌入式AI应用常采用固定功能的NPU与可编程DSP结合的方案 [2] - Quadric的GPNPU融合了NPU的矩阵运算效率和DSP的低功耗可编程性，旨在打造理想的嵌入式AI处理器 [3] - Synaptics最新的嵌入式AI处理器组合了Arm CPU、MCU、Helium DSP扩展以及基于RISC-V的Google Coral NPU [3] - Blaize使用专有的可编程图流处理器(GSP)和Arteris的片上网络IP来实现多模态AI应用 [3] 数据中心的可编程选项 - 数据处理单元(DPU)是一种智能网络接口，用于路由系统不同部分的数据包 [4] - P-4可编程交换机是用于可编程数据包处理流水线的网络交换机 [4] - 粗粒度可重构阵列(CGRA)采用软件驱动的重构，抽象级别高于FPGA，能在流水线中实现灵活性、效率和AI推理的平衡 [4] - CGRA性能介于FPGA和GPU之间，是一种可能带来颠覆性变革的新兴技术，但目前仍处于实验阶段 [4] - 现场可编程模拟阵列(FPAA)将可重构计算的灵活性扩展到了传统数字逻辑之外 [4] 可编程性、可重构性与定制化的层次 - 芯片的可编程性包括完全改变硬件设计（如FPGA），以及对现有资源进行分区和配置（如设置带宽、延迟优先级） [5] - RISC-V等架构允许进行与设备相关的配置，但可编程性可能有限 [5] - FPGA在I/O、底层结构等方面具备极高的可编程性，而其他类型的可编程性则更有限、更具针对性 [5] - 芯片可通过电源基础设施进行定制，例如使电源网络更具可编程性以匹配不同封装，从而消除封装差异影响，提升性能 [5] 模拟信号增长对DSP的影响与AI的融合 - 现代SoC集成的模拟内容（如射频、混合信号、传感器接口）越来越多，DSP需处理存在噪声、失真和波动的非完美信号 [6] - DSP的作用范围扩大至“模拟感知处理”，包括自适应滤波、射频功率放大器线性化、校正ADC/DAC误差等，架构正变得更并行并包含专用加速器 [6] - 数字控制模拟技术将可编程性、软件和数字电路引入反馈流程，虽速度不如纯模拟，但更易于编程和控制 [6] - AI开始用于解决模拟内容增多带来的挑战，机器学习可从设备行为中学习并动态调整校准，预测非线性并实时校正 [7] - AI驱动的算法能随环境变化（温度、组件老化、干扰）不断自我优化，使DSP更具适应性 [7] - 未来趋势将是传统DSP方法与AI的融合，例如在雷达处理中保留能效更高、更具确定性的FFT算法，然后在目标识别等任务上应用AI [7] FPGA中DSP与AI引擎的集成 - FPGA中内置的DSP切片是可重构模块，其效率已提高，能处理定点/浮点运算及AI/机器学习负载 [9] - 许多现代FPGA还配备了AI引擎（VLIW、SIMD处理器），使其能与数据同步执行数字信号处理，无需独立DSP [9] - AI引擎是针对线性代数和矩阵运算优化的向量处理单元(VPU) [9] - AI引擎可处理计算密集型负载（如通道化器、FFT、FIR滤波器），但可编程逻辑中的DSP切片因乘加运算的广泛适用性而仍然存在 [9] - 从射频测试角度看，将ADC和DAC集成到与FPGA相同的芯片上可降低系统测试延迟，带来显著优势 [12] Chiplet与嵌入式FPGA提供的灵活性 - Chiplet技术允许通过更换包含新协议或标准的Chiplet来应对频繁变化的应用场景，这在一定程度上削弱了FPGA的优势 [13] - 带有FPGA的Chiplet可以重新编程，而SoC的其余部分无需再次验证 [14] - 嵌入式FPGA(eFPGA)为未知领域和未来变化提供了灵活性，例如适应不同的数据中心背板或快速应对工艺节点变更 [14] - 但eFPGA由于可重构电路会增加面积成本，设计人员需谨慎部署 [14] - ASIC可采用定制存储器层次结构满足特定AI负载，而FPGA提供更大灵活性以适用于各种用例，这是在通用性与性能/效率间的权衡 [15] 软件定义趋势对硬件架构的影响 - 产品正变得软件定义、人工智能驱动、硅芯片赋能，软件开发时间大大提前，企业希望通过软件更新来添加功能和盈利 [16] - 硬件必须能够支持软件的变更，产品架构需设计成可软件更新的，例如iPhone通过iOS更新提升麦克风降噪、拍照效果和电池续航 [16] - 各公司正在加大对编译技术的投资，以在半导体可用之前就进行软硬件协同设计 [16] - 在AI普及、机器人兴起及未来6G需求增长的时代，可编程性使公司能跟上技术趋势，即使这会牺牲ASIC的一些效率 [16]

核心观点 - 人工智能需求驱动下，记忆体产业获利结构发生重大转变，主要记忆体制造商的毛利率预计将在2025年第四季超越全球领先的晶圆代工厂台积电，这是自2018年第四季以来的首次 [2] - 这一转变的核心驱动力是记忆体价格快速上涨，特别是由于高频宽记忆体产能配置挤占了标准DRAM供应，以及AI应用从训练转向推理阶段对高速存储的迫切需求 [2][3] 产业获利结构变化 - 预计2025年第四季，三星电子和SK海力士的记忆体部门毛利率将介于63%到67%之间，高于台积电预期的60% [2] - 这将是自2018年第四季以来，记忆体产业的利润表现首次超过晶圆代工厂 [2] - 美光科技在2026财年第一季毛利率已达56%，并预计第二季将升至67%，因此也有机会在2026年第一季于获利表现上超越台积电 [2] 价格与市场扩张动能 - 价格快速上扬是推动记忆体市场扩张的主要动能 [2] - 目前三大记忆体制造商已将约18%到28%的DRAM产能配置于高频宽记忆体 [2] - HBM通过堆叠8到16颗DRAM芯片，有效压缩了通用记忆体供应量，导致标准DRAM价格出现单季涨幅超过30%的情况 [2] AI需求结构改变 - 记忆体毛利率即将超越晶圆代工厂的转变，与AI产业需求结构改变密切相关 [2] - 当AI应用从“训练”转向“推理”时，对高速资料储存与即时存取的需求大幅提升，必须仰赖HBM等记忆体持续供应资料给GPU [3] - 即便通用记忆体效能不及HBM，市场对高效能通用记忆体的需求仍快速成长，在推理初期阶段，工作负载多由GDDR7、LPDDR5X等通用DRAM处理 [3] - NVIDIA在以推理为主的AI加速器中采用GDDR7，便是一项代表性案例 [3] 技术发展趋势 - 记忆体业者计划通过开发AI导向的高效能产品，延续“记忆体为核心”的产业趋势 [3] - 记忆体内运算技术让记忆体可承担部分原本由GPU执行的运算工作 [3] - 垂直通道电晶体DRAM与3D DRAM等新技术，通过在更小面积中储存更多资料来提升密度，预期将陆续导入市场 [3]

公司技术突破与产品发布 - 米硅科技首款自研4X112G ASP(CDR)电芯片收发套片ms89040与ms88040已一版流片成功，完成核心功能验证[2] - 公司成为全球首家且目前唯一一家4*112G CDR达到业界领先指标的模拟芯片公司[2] - 该4*112G ASP收发套片可替代传统400G、800G光模块中的oDSP+Driver+TIA芯片组合，打破oDSP芯片100%由国外垄断的局面[2] - 该系列产品已与头部光模块公司合作，共同获得了国家科技部重大科研项目[2] 产品技术原理与优势 - CDR技术通过模拟电路提取时钟信号解决抖动问题，核心包括鉴相器、锁相环和频率检测器[3] - oDSP技术采用ADC将信号数字化，通过数学算法补偿光纤损耗、色散和非线性效应，可处理PAM4等复杂信号[3] - 在400G、800G光模块中，采用公司的ASP方案替代oDSP方案，可使成本与功耗降低50%-70%[4] - 该4x112G PAM4 CDR技术亦可用于400G、800G AEC方案，在3-7米铜缆传输场景替代传统DSP方案，成本与功耗同样可降低50%-70%[4] 公司业务与产品布局 - 米硅科技成立于2020年，是一家专注于数据中心光模块高速电芯片的研发型公司[7] - 公司团队为海归高科技人才团队，拥有超过20年的商用、光通信、时钟和数模混合集成电路芯片经验[7] - 公司现有产品包括用于400G、800G光模块的4*100G TIA和4*100G Driver芯片，以及用于400G、800G有源铜缆的4*112G Retimer芯片[7] - 公司已全面着手研发4*224G ASP系列产品，4*448G ASP系列也已列入未来规划[4] 行业影响与公司愿景 - 公司的技术突破为高速光模块提供了更低时延、更低功耗、更低成本的创新解决方案[2][7] - 公司致力于打破国外在高端模拟芯片领域的垄断，立志成为高性能光通讯芯片和模拟芯片的世界一流企业[7]

三星电子绩效奖金分配 - 三星电子器件解决方案事业部将发放最高达基本工资100%的绩效奖金 这一调整反映了绩效体系的改变 主要驱动力是半导体技术竞争力的复苏 包括高带宽内存供应的扩大[2] - 绩效奖金体系为目标达成激励 每个事业部绩效每年评估两次 并根据评估结果发放最高达月基本工资100%的差额奖金 下半年发放日期为24日[2] 各事业部绩效奖金详情 - DS事业部存储器事业部获得100%的目标达成激励 较上半年的25%大幅提升 主要得益于向英伟达供应12层第五代HBM3E芯片以及近期内存价格上涨[2] - DS事业部下属的半导体研究所和人工智能中心也将获得100%的绩效奖金[2] - DS事业部下属的系统LSI和代工部门获得了25%的绩效奖金[2] - 设备体验部门的视觉显示和家电部门员工将获得基本工资37.5%的绩效奖金 主要由于包括电视在内的家电市场低迷导致业绩下滑[2] - 移动体验部门员工将获得基本工资75%的绩效奖金[3] 重要子公司绩效奖金情况 - 三星电机MLCC部门和摄像头模块部门将获得100%的绩效奖金 这两个部门占总销售额40% 封装基板部门的绩效奖金为75%[3] - 三星显示器部门所有员工统一获得基本工资50%的绩效奖金[3]