瑞萨电子3纳米汽车芯片进展 - 公司已完成3纳米汽车芯片的流片，样品已开始提供[2] - 该芯片由公司在印度诺伊达和班加罗尔的团队设计，公司自称是印度首家设计出3纳米汽车芯片的公司[2] - 商业化上市的具体时间尚未确定[2] - 公司正与Murugappa集团旗下CG Power合作，在印度Sanand建设一家半导体封装与测试工厂[2] 印度半导体产业发展战略 - 印度政府确认瑞萨将成为印度首个从事前沿3纳米芯片设计的设计中心，标志着技术里程碑[4] - 英国半导体公司ARM在班加罗尔的新研发中心将专注于包括2纳米节点在内的先进芯片设计[4] - 印度拥有全球近20%的芯片设计工程师，政府正以此人才基础推动建立完整的半导体生态系统[4] 印度半导体人才培养举措 - 政府推出多项举措促进人才发展，包括为VLSI设计与技术、集成电路制造提供新课程[4] - 计划在半导体设计领域培养85,000名熟练技术人员并提供EDA工具，已有来自100所院校的45,000多名学生入学[4] - 正在建立SMART实验室，目标培训10万名工程师，目前已与行业和大学合作培训了44,000多名工程师[5]

反倾销调查背景与范围 - 商务部于2025年9月13日决定对原产于美国的进口模拟芯片发起反倾销调查 调查对象包括博通、德州仪器、安森美和亚德诺半导体的40nm及以上工艺通用接口芯片和栅极驱动芯片 申请方指控倾销幅度高达300%以上 [2] - 此次调查是中国首次针对美国半导体具体品类及龙头企业发起贸易调查 标志着芯片争端从高端GPU和先进制程逻辑芯片扩展至模拟芯片领域 [2] 模拟芯片行业地位与市场 - 模拟芯片在电子产业链中扮演"神经与血管"角色 应用于电源管理、信号转换、传感器接口、汽车和工业控制等关键领域 [3] - 2024年全球模拟芯片市场规模达794.33亿美元 中国市场规模为280亿美元（约2000亿元人民币） 占全球份额近三分之一 [3] - 全球模拟集成电路市场规模预计在2025-2029年间增长171.2亿美元 复合年增长率达4.6% [6] 倾销行为证据与影响 - 2022-2024年美系模拟芯片占中国同类产品进口比例持续上升 分别为47.81%、53.06%和62.14% 年均比重达54.34% [4] - 进口数量从2022年11.59亿颗增长至2024年15.90亿颗 2024年较2022年累计增长37.13% [5] - 平均价格从2022年3.36元/颗持续下降至2024年1.62元/颗 累计降幅达51.77% [5] - 国内厂商被迫跟进降价 2024年同类产品加权平均价格较2022年累计下降27.38% [5] - 国内产业遭受实质性损害：2024年较2022年人均工资减少5.37% 劳动生产率下降27.41% 库存量上升21.39% 开工率下降且处于低位 税前利润从2023年起转为严重亏损且2024年亏损额进一步增加7.05% [6] 受调查美企业务影响分析 - 德州仪器约20%收入来自中国客户 产品覆盖电源管理IC、信号链、MCU等 若贸易措施导致售价提升 其市场份额和定价将面临显著压力 [10] - 亚德诺半导体2024财年对华收入占比约22-23%（约21-22亿美元） 产品集中于工业与车规链条 中国作为全球最大新能源车市场 价格波动将在车规链中放大 [10] - 安森美核心业务为功率器件和图像传感器 SiC产品线2024年贡献总收入约60% 中国是其重要增长市场 [11] - 博通2024财年对华收入占比20%（含香港） 较2023财年32%下降 但其业务高度多元化 模拟芯片仅为边缘业务 实际受冲击有限 [11] 本土厂商现状与市场反应 - 反倾销调查消息带动A股模拟芯片板块全线走强 圣邦股份、上海贝岭、纳芯微、思瑞浦等企业股价涨停 板块情绪显著升温 [14][15] - 圣邦股份2024年营收33.46亿元（同比增27.96%） 净利润4.9亿元（同比增81.95%） 电源管理产品占比61.7% 毛利率中枢维持在50% 2025年上半年研发费用占比达27.90% [16] - 纳芯微2024年营收19.6亿元（同比增49.53%） 毛利率32.33%（同比下降6.17个百分点） 聚焦隔离器、栅极驱动器和电流传感器产品 [17] - 上海贝岭2024年营收28.18亿元（同比增31.89%） 毛利率27.39% 拥有4,793款可销售产品 [17] - 思瑞浦2024年营收12.20亿元（同比增11.52%） 毛利率48.19%（同比下降3.59个百分点） 研发费用占比达47.32% 车规级产品已推出200余款 [18] 行业战略意义与发展阶段 - 反倾销调查为本土厂商提供竞争窗口期 国内模拟芯片行业正处于"量的突破与质的追赶"阶段 新能源车、储能和工业控制等领域需求旺盛 是国产替代的最佳切入点 [13][18] - 此次事件标志着中美芯片摩擦进入全链条博弈阶段 先进制程与基础芯片成为双重焦点 [20]

玻璃基板的核心优势 - 玻璃基板非常平坦，热膨胀比有机基板更低，简化了光刻工艺，并显著改善了多芯片封装的翘曲问题 [2] - 相对于有机芯基板，玻璃基板为高频高速器件提供了极低的传输损耗 [2] - 玻璃比硅中介层便宜得多，翘曲度降低了50%，位置精度提高了35%，更容易实现线宽和间距小于2微米的重分布层 [2] - 玻璃在通信波长下的透明度使得波导能够嵌入堆叠结构中，用于6G应用，超薄（小于100微米）玻璃可制成700 x 700毫米的大尺寸 [2] - 玻璃介电常数远低于硅（2.8 vs 12），且正切损耗较低，传输损耗比硅低几个数量级，大大提高了信号完整性 [3] - 玻璃的用途灵活，可用作载体、嵌入元件的核心基板、3D堆叠材料，或用于传感器和MEMS的密封腔体，其热膨胀系数可在3至10 ppm/°C之间调整，与硅或PCB兼容性更好 [2] 玻璃在6G及高频应用中的潜力 - 玻璃是6G无线通信网络的理想选择，必须支持>100 GHz的数据速率，堆叠玻璃中的异质集成可将高频前端芯片与低损耗互连集成到大规模天线阵列中 [5] - 佐治亚理工学院的研究展示了在玻璃基板上堆叠2英寸（50 x 50毫米）芯片的工艺，集成菊花链结构，玻璃层间对准度达3微米，电气性能高达220 GHz时损耗仅为0.3 dB [5] - 堆叠玻璃面板采用倒装芯片键合技术，使用激光加工形成用于信号传输和散热的玻璃通孔，填充高达130 µm、间距达100 µm的V形通孔，展现出作为6G应用3D堆叠方法的潜力 [8] 玻璃通孔制造工艺进展 - 激光诱导深蚀刻是玻璃通孔制造的领先工艺，首先对玻璃进行激光改性，使其蚀刻速率比未处理区域高出100倍，然后使用氢氟酸进行湿法蚀刻，可形成小至3µm、间距5µm的通孔 [10] - Yield Engineering Systems开发了自动化湿法蚀刻设备，可处理多达12块510 x 515毫米玻璃面板，在130°C下蚀刻速率高达80µm/小时，能制造纵横比4:1至20:1的通孔 [10][11] - 各公司探索更环保方案，东京大学使用超短脉冲深紫外激光在100µm厚玻璃上加工出6µm宽、25µm间距的孔，最小化热影响，实现精确清洁加工 [13][14] - 高深宽比TGV的深度最大可达260µm，深宽比在20:1至25:1之间 [16] 研发与良率提升技术 - 仿真和原子建模成为预测玻璃基板上界面行为的关键工具，GPU加速和机器学习算法能构建复杂系统的真实模型，为制造提供方向 [18] - Onto Innovation开发了预测良率模型，结合离线量测和机器学习算法，快速减少510 x 515毫米面板上的套刻缺陷，加速FOPLP良率提升 [18][19] - 面板级套刻误差校正有四种方法：全局、基于区域、基于芯片和逐点校正，基于点的校正可在保持高良率的同时减少对产量的影响 [19] - 通过模拟确定最佳工艺参数，并利用图表直方图及早发现叠对问题，加速认证和工艺优化 [21] 玻璃切割与微裂纹防护 - 玻璃切割过程中微裂纹是主要问题，Disco研究表明，双刀片切割比激光单片方法产生更多边缘碎裂但边缘更光滑，层压层能提高芯片强度 [22] - 有限元建模表明，边缘崩裂由切割过程中应力最集中的微观缺陷引起，当叠层延伸到分割区域边缘时会出现SeWaRe缺陷，可通过回拉法移除边缘叠层来消除 [22] - 索尼探索了切割好的基板嵌入有机树脂的新方法，提供边缘保护，该单片玻璃芯嵌入工艺能实现单面加工并提供卓越的基板保护 [24] 玻璃上的混合键合 - 玻璃的平整度和定位精度使其可以进行铜-铜混合键合，玻璃芯基板是对现有材料的补充，可使用二氧化硅电介质制造更小的RDL线路和间距 [26] - 欣兴电子演示了器件与有机芯和玻璃芯基板的倒装芯片键合，混合键合在玻璃上的翘曲度略大于微凸块，但均在可接受范围内，建议键合到高CTE的PCB时使用高CTE玻璃 [26]

人工智能泡沫风险 - 当前人工智能繁荣与2000年互联网泡沫相似，存在泡沫破裂风险 [3] - 市场分析公司Future Horizons首席执行官指出，疯狂的支出水平和不明确的投资回报开始显现裂痕，收入数字趋于平稳甚至下降 [3] - OpenAI首席执行官萨姆·奥特曼和主席Brett Taylor均警告人工智能处于泡沫中，很多人将损失惨重 [3][4] 行业增长预测 - 预测2024年半导体行业增长率达16%，主要受逻辑市场21%增长推动，而逻辑市场又受AI芯片推动 [4] - 预测2026年增长率为12%，但由于变量众多，最低预测增长率仅为6% [4] - 行业总体情绪仍朝积极方向发展，但需为常态突然改变做好准备 [4] 重大投资动向 - 对人工智能数据中心的投资达数千亿美元，包括美国星际之门计划、挪威首个OpenAI数据中心（耗资2000亿美元） [5] - 英国宣布在该国东北部建立“人工智能增长区”的300亿英镑计划和英国星际之门计划 [5] - 投资者黑石集团已向布莱斯电池厂投入100亿英镑，预计2028年开业 [5] - AI增长区有望吸引未来合作伙伴额外投资200亿英镑，Nscale公司与OpenAI和英伟达合作开发“星际之门英国” [7] 行业技术发展 - 2纳米工艺节点的开放，英特尔和Rapidus将加入台积电和三星成为供应商，得益于AI芯片设计对更高性能和更低功耗的需求 [13] - 如果AI热潮崩盘，GPU和AI芯片销量下降将释放台积电等供应商的产能，给公司带来巨大压力 [13] - 半导体市场其他部分尚未从过剩库存和长期协议的拖累中恢复 [13] 企业合作案例 - 半导体设备制造商ASML以13亿美元领投法国人工智能公司Mistral AI的C轮融资，获得该公司11%股份 [10] - 合作旨在通过AI赋能的创新产品和解决方案为ASML客户创造效益，并为联合研究创造潜力 [10] - 此合作是半导体设备制造商与领先人工智能公司之间的首例，交易还使ASML在Mistral AI战略委员会中获得一席 [11]

合作性质与官方声明 - 英特尔与英伟达的合作是对公司现有产品路线图的补充，而非替代 [2] - 英特尔发言人明确表示，公司将继续提供GPU产品，但未说明GPU的具体类型和设计者 [2][3] - 英伟达对英特尔进行了50亿美元的投资，并计划向英特尔供应RTX图形芯片，用于英特尔的CPU [2] 对英特尔产品路线图的潜在影响 - 合作可能改写英特尔在笔记本电脑芯片领域的移动路线图，因为RTX芯片提供了额外功能 [2] - 合作威胁到英特尔Arc图形核心的持续开发，包括独立的GPU和集成芯片 [2] - 公司的公开路线图显示，"Panther Lake"处理器将于2025年秋季首次亮相，并可能于2026年初出货；"Nova Lake"移动处理器计划于2026年末发布，2027年初应用于笔记本电脑 [5] - 与英伟达的合作成果将是附加的，可能在现有产品线中增加面向消费者、游戏、创作者和企业市场的高端版本或选项 [5] 市场背景与内部变动 - 根据最新的Steam硬件调查，英特尔在GPU市场的份额为7.9% [4] - 若RTX芯片组在移动设备中普及，可能蚕食英特尔现有的市场份额 [4] - 英特尔在过去一年经历了大幅裁员、重新关注盈利能力、首席执行官变更以及产品部门负责人更迭等重大内部变动 [3] - 新任首席执行官要求所有新产品的毛利率必须达到50% [3] 合作细节与未来展望 - 英特尔与英伟达已就合作筹备了约一年时间 [6] - 短期内预计不会获得太多关于未来产品的具体信息 [6]

公司产品与技术特点 - Everactive公司专注于生产自供电SoC，其型号PKS3000无需稳定电源，可利用环境能量（如光、温差）自行供电[5][8] - PKS3000 SoC采用55纳米超低功耗工艺，芯片面积6.7 mm²，在5 MHz频率下运行功耗为12微瓦，基底功耗低至2.19微瓦[8] - 该SoC集成Arm Cortex M0+微控制器，配备128 KB SRAM和256 KB闪存，主频更高但存储空间小于早期IBM PC，体现近50年硅片技术进步[12] - 产品相比前代PKS2001有显著改进：空闲功耗从30微瓦降至2.19微瓦，工作功耗从89.1微瓦降至12微瓦，无线电灵敏度提升[51] - SoC支持多种环境能量收集源，包括电磁、光伏、热电、气流和振动，并能同时从两个能源收集能量[14][53] 核心技术创新与架构 - 能量收集电源管理单元采用多输入单电感多输出拓扑结构，可同时从两个能源收集并在四个电源轨上输出功率[14] - 最大功率点跟踪技术帮助EH-PMU以最佳电压从每个收集源获取能量，提高能量收集效率[16] - 能量感知子系统监控能量收集、存储和消耗，做出电源管理决策，支持等待唤醒模式，使设备进入低功耗模式但仍快速响应[24][31] - 唤醒无线电技术使用始终开启的接收器，实现极低功耗接收消息，无射频增益模式下功耗低于1微瓦，灵敏度达-63 dBm[35][43] - 无线电采用多级唤醒和细粒度占空比技术，实现-92 dBm高灵敏度同时将平均功率保持在6微瓦以下[43] 行业应用与市场定位 - 自供电SoC非常适合大型物联网部署，特别是在难以触及位置的传感器应用，避免布线和更换电池的复杂性[5] - 技术从可持续性角度具有吸引力，设备不受电网故障影响，可靠性高，适合工业监控环境[5][28] - 产品在恶劣条件下仍能运行，可在60勒克斯光照和8摄氏度温差下进行冷启动，相当于寒冷房间内的室内照明条件[16] - 与高功率AI芯片形成鲜明对比，AI芯片功耗达数百瓦，而Everactive的SoC将功耗降低到微瓦级别，比移动设备的毫瓦级别低一个数量级[2][46] - 当前行业趋势显示，标准正朝着使用唤醒无线电方向发展，该技术研究已持续数十年并不断改进[44] 性能比较与行业地位 - 与英特尔Wi-Fi 6 AX201相比，Everactive的WRX设置功耗更低，英特尔在核心功耗降低模式下的空闲功耗为1.6 mW，而WRX可低于1微瓦[44] - 在与同类产品的比较中，PKS3000在最小功耗、平均功率和应用能耗方面表现优异，支持同时能量收集且具备低电压冷启动能力[53] - 产品采用非尖端FinFET节点但能以极低功耗完成任务，专注于工业监控应用，未来可能随着技术发展覆盖更广泛用例[54]

英伟达与英特尔的历史性合作 - 英伟达与英特尔拉开历史性合作序幕，将联合开发一系列CPU和GPU产品，声明重点包括“英特尔 x86 RTX SoC”等未来解决方案 [2] 关于N1 SoC与GB10超级芯片的澄清 - 英伟达首席执行官黄仁勋证实，传闻已久的N1 SoC与已推出的GB10超级芯片本质上相同，GB10是Nvidia DGX Spark系列的一部分，专注于AI工作负载 [2][3] - GB10超级芯片包含一个与联发科联合开发的20核ARM CPU，以及一个基于Blackwell的强大GPU芯片组，旨在为家用电脑提供类似超级计算机的性能 [3] - 根据泄露信息，N1 SoC的GPU拥有6,144个CUDA核心（与桌面版RTX 5070相同），CPU为采用Grace架构构建的20核设计，分为两个集群 [4] - 黄仁勋表示N1处理器将应用于DGX Spark及许多其他类似产品版本，GB10的芯片与N1/N1X SoC完全相同，N1可能代表GB10面向主流客户端的低端版本 [4] - N1 SoC已在Windows上进行测试，表明其正接近Windows-on-ARM目标，而GB10主要基于针对AI、数据中心等专业负载优化的Linux DGX操作系统 [6] 产品路线图与发布状态 - 英伟达在CES 2025上宣布了Project DIGITS并透露与联发科合作，引发了关于N1/N1X SoC的猜测，但公司从未正式发布该产品 [3] - 目前尚不清楚N1 SoC的具体发布时间，但GB10已推出并被使用，两者目标受众不同 [5] - 尽管英伟达与英特尔有新协议，但公司开发基于ARM产品的兴趣与英特尔专注的x86解决方案将同时推进，互不影响 [5]

工业算力技术研讨会概述 - 半导体行业观察与中国工博会将于9月23日下午13:30共同举办"打造工业算力'芯'引擎技术研讨会" 聚焦工业场景下芯片应用与算力演进[1][4] - 会议汇聚离子注入设备、FPGA芯片设计、RISC-V处理器、半导体检测及工业大数据五大领域行业领袖[4] 离子注入技术突破 - 凯世通副总经理张长勇将分享离子注入全周期一站式解决方案 公司自2009年成立以来实现多款集成电路离子注入机在国内重点芯片制造产线规模量产[8] - 张长勇拥有20年集成电路离子注入机设备管理及开发经验 主导低能大束流系列国产离子注入机项目 推动设备在重点集成电路产线落地应用[8][9] AI赋能半导体制造 - 芯率智能董秘方亮将探讨AI赋能次世代半导体技术良率提升 公司自主研发的AI工具套件（如ChipSeek大模型）已在中芯国际、华虹宏力等十余家头部晶圆厂量产应用 帮助客户实现良率提升超95%[10] - 喆塔科技华东区总经理于勃将分析AI驱动下的半导体制造数据 公司通过跨类型数据关联分析精准定位良率瓶颈 构建大模型平台与智能体技术推动半导体制造智能化[11] FPGA与处理器技术创新 - 安路科技市场总监姚洋将解析FPGA技术如何赋能工业控制、人工智能、机器视觉等场景 公司于2021年成为首家专注于FPGA业务的A股上市公司[12] - 隼瞻科技CTO姚彦斌博士将分享RISC-V架构驱动的AI处理器自动化设计方法 公司专注于专用处理器IP和EDA处理器设计平台 为AIOT、5G网络、汽车电子等领域提供定制化处理器解决方案[13][14] 半导体检测智能化 - 季丰电子研发副总朱勇将阐述AI技术与传统半导体检测设备融合实践 公司作为半导体检测领域平台型科技公司 连接芯片设计、晶圆制造、封装测试等产业链环节[15] 产业协同与发展前景 - 研讨会涵盖从底层离子注入设备到上层工业大数据应用 从硬件芯片设计到软件算法优化的全链条技术交流[20] - 会议成果代表中国在工业算力技术领域最新进展 体现产业界对自主创新和技术突破的追求[20]

英伟达对HBM4性能的激进要求 - 英伟达正敦促其内存供应商超越JEDEC官方基准，要求其2026年Vera Rubin平台实现每针10Gb/s的堆栈速度，旨在提高每GPU带宽以超越AMD的下一代MI450 Helios系统[2] - 以JEDEC为HBM4指定的每针8Gb/s速度计算，单个堆栈在新的2,048位接口上可提供略低于2 TB/s的传输速率，提升至10Gb/s后，每个堆栈的总传输速率将达到2.56 TB/s[2] - 使用六个堆栈时，单个GPU可释放15 TB/s的原始带宽，而专为推理工作负载构建的Rubin CPX配置据称在整个NVL144机架上可实现每秒1.7 PB的传输速率[2] HBM4技术挑战与供应商动态 - 驱动10Gb/s HBM4面临挑战，更快的I/O会带来更高的功耗、更严格的时序以及对基础芯片更大的压力，若成本或散热问题加剧，英伟达可能会按HBM层级细分Rubin SKU[3] - SK海力士作为英伟达的主要HBM供应商，已完成HBM4开发并准备量产，提到了“超过10Gb/s”的性能，但未公布芯片规格、功率目标或工艺细节[3] - 三星的HBM4基础芯片正在转向4nm FinFET工艺，这是一个逻辑级节点，旨在支持更高的时钟速度和更低的开关功耗，这可能使三星在高端市场占据优势[3] - 美光已确认HBM4样品，其接口为2,048位，带宽超过2 TB/s，但尚未透露是否支持10Gb/s[3] 三星在HBM竞争中的进展 - 三星电子公司的最新高带宽内存（第五代12层HBM3E产品）获得了英伟达公司期待已久的认证，这为下一代人工智能硬件芯片供应竞争扫清了关键障碍[5] - 此次获批是在三星完成芯片研发约18个月后，此前该公司曾多次尝试达到英伟达严苛的性能标准但均以失败告终，此次突破很大程度上归功于其芯片业务负责人决定重新设计HBM3E的DRAM核心，解决了热性能问题[5][6] - 预计向英伟达供应的12层HBM3E芯片数量相对较少，因为三星是继SK海力士和美光科技之后第三家获得批准的供应商，对三星而言，供货与其说是为了收入，不如说是为了自尊和技术信誉的恢复[6] - 三星已演示了11Gbps的HBM4速度，超过了SK海力士的10 Gbps，而美光公司则难以满足英伟达要求的速度[9] - 三星计划本月向英伟达大量出货HBM4样品，旨在尽早获得认证，并最早可能在2026年上半年开始向其客户大批量供应HBM4芯片[10] - 为了追赶SK海力士，三星去年与其代工竞争对手台积电合作，共同开发HBM4[10] AMD的竞争态势 - AMD的MI450仍处于规划阶段，预计其Helios机架每GPU最高可支持432GB HBM4显存，这使得AMD有机会在原始容量上追赶甚至超越英伟达[4] - 借助CDNA 4架构升级，AMD旨在充分发挥其在推理工作负载方面与英伟达Rubin平台竞争的优势[4]

文章核心观点 - 钼作为铜、钨等传统金属的替代品，在先进半导体节点互连和接触应用中的前景日益光明 [2][3][8] - 钼具有电阻率优势、无需阻挡层、成本较低以及与电介质附着力强等特性，使其在混合金属化方案和背面电源网络中展现出潜力 [3][7][8] - 尽管钼的集成性能受晶粒尺寸等工艺因素影响，但早期研究显示其在降低电阻、提高器件密度方面成果显著，是当前阶段有吸引力的选择 [5][8] 半导体金属化挑战与现有材料局限 - 先进节点制造中，铜面临缩放问题，而钌等替代品因价格昂贵、工艺废料量大及需要大规模工艺改造而受限 [2] - 钨在晶体管触点等应用中同样存在电阻率随尺寸缩小而增加、需要阻挡层以及电迁移问题，在3D NAND中其前驱体的氟残留还会侵蚀电介质 [2] 钼作为替代材料的优势 - 钼相比钨具有更高电阻率，且无需阻挡层，相比钌则成本更低、与电介质附着力更好 [3] - 在混合金属化方案中，采用钼作为无阻挡层接触金属可显著降低总电阻，Lam Research的研究显示其相比传统铜设计可降低总电阻约56% [3] - 钼比钌更易氧化，因此通过化学机械抛光更易去除，集成到现有工艺流程可能只需对金属沉积模块进行少量改动 [3] 钼集成工艺的关键因素 - 钼在实际器件中的电学、热学和电迁移性能高度依赖于沉积薄膜的晶粒尺寸和晶界结构，而非其本体特性 [4] - 通过循环沉积技术及混合热法与等离子法工艺可实现精确的晶粒尺寸控制，大晶粒钼薄膜在厚度低于约7纳米时，其电阻率性能优于钨、钌甚至铜 [5] - 在钼中掺杂钴等元素可在低浓度下减少散射从而降低电阻率，但高浓度掺杂会因杂质态导致电阻率急剧上升 [7] 钼在特定应用场景的潜力 - 在背面电源网络中，钼因其高机械稳定性、强附着力、良好导热性及潜在更优的抗电迁移性能，有助于应对高电流密度带来的挑战 [7] - 早期集成研究显示，Kioxia团队采用钼替代钨，在保持RC不变的前提下将字线间距减小7.3%，存储器孔间距缩小3.7%以上，总体比特密度提高16.3% [8] - 钼非常适合用于接触和字线应用，并能与现有集成方案良好契合，但从长远看，钌可能扩展到更小器件 [8]