每经AI快讯，12月19日，英伟达持仓概念股盘前走高，CoreWeave涨近6%，NEBIUS、Applied Digital涨 超4%。 ...

文章核心观点 - 高带宽内存是AI算力发展的关键基础设施，其性能直接决定了AI模型训练和推理的速度与效率[1] - 韩国KAIST大学发布的HBM技术路线图详细规划了从2026年HBM4到2038年HBM8的完整发展蓝图，揭示了未来十年HBM技术的演进方向[1] - HBM通过3D堆叠等核心技术，在带宽、功耗和体积上相比传统内存具有压倒性优势，已成为AI服务器的必需品[7][11][14] HBM技术定义与核心优势 - HBM是一种专为AI设计的“超级内存”，采用“三明治式”3D堆叠技术，将8-24层核心芯片垂直堆叠，通过硅通孔连接，解决了传统内存的“平面布局”缺陷和数据传输瓶颈[7][8] - HBM相比传统DDR5内存具有三大核心优势：带宽极高、功耗更低、体积迷你[11] - **带宽碾压**：HBM3带宽为819GB/s，HBM4将达2TB/s，HBM8更将飙升至64TB/s，是HBM3的78倍，能满足未来万亿参数AGI的需求[12][56] - **功耗减半**：传输1TB数据，HBM3功耗是DDR5的60%，HBM4能降至50%，可为数据中心节省巨额电费[13] - **体积小巧**：HBM直接集成在GPU封装旁，传输距离从厘米级缩短至毫米级，使AI服务器算力密度提升3倍[10][14] HBM技术发展路线图（2026-2038） - **2026年：HBM4——定制化首秀** - 核心创新在于定制化Base Die，可集成内存控制器并直接连接低成本、大容量的LPDDR内存，作为“备用仓库”[9][22] - 带宽从HBM3的819GB/s提升至2TB/s，单模块容量达36-48GB，是HBM3的2倍[22] - 采用直触液冷散热方案以应对75W的高功耗[24] - 主要面向中端AI服务器、高端游戏显卡等场景[26] - **2029年：HBM5——近内存计算崛起** - 核心创新是引入近内存计算，在内存堆叠中集成NMC处理器和L2缓存，使内存具备计算能力，可将LLM推理中GPU的工作量减少40%，速度提升1.5倍[27][28] - 带宽提升至4TB/s，单模块容量80GB，功率100W[27] - 采用浸没式冷却散热，并集成专用去耦电容芯片以稳定供电[28][29] - 主要面向超算中心、大模型训练集群等场景[31] - **2032年：HBM6——多塔架构优化高吞吐量** - 核心创新是“四塔”结构，在一个Base Die上放置两个独立的Core Die堆叠，使吞吐量比HBM5提升126%[36][38] - 带宽达8TB/s，数据速率提升至16Gbps，单模块容量96-120GB，功率120W[35][36] - 采用硅-玻璃混合中介层以降低成本20%，并集成L3缓存专门存储LLM推理中的KV缓存，减少HBM访问次数73%[38][40] - 主要面向LLM推理集群、实时AI翻译等高吞吐量场景[40] - **2035年：HBM7——内存与闪存融合** - 核心创新是整合高带宽闪存，形成“内存+闪存”协同方案，HBM存高频数据，HBF存低频大容量数据，使系统总容量可达17.6TB，成本比全用HBM降低60%[41][42][46] - 带宽提升至24TB/s，数据速率24Gbps，单模块容量160-192GB，功率160W[44][46] - 支持3D堆叠LPDDR以拓展边缘计算场景，并采用嵌入式液冷散热[46][47] - 主要面向多模态AI系统、自动驾驶中央计算单元等场景[48] - **2038年：HBM8——全3D集成终极形态** - 核心创新是全3D集成技术，通过铜-铜直接键合将GPU裸片垂直堆叠在HBM之上，使数据传输延迟突破1纳秒，I/O功耗降低70%[54] - 带宽达到64TB/s，数据速率32Gbps，单模块容量200-240GB，功率180W[36][56] - 采用双面中介层设计，使单GPU搭配的HBM容量再提升50%，并应用双面嵌入式冷却进行精准温控[56][57] - 专为未来AGI原型机设计，标志着计算架构进入“立体共生”时代[52][60] 支撑HBM性能的三大关键技术 - **硅通孔**：在芯片上制造垂直微孔道，让数据直接在堆叠层间穿梭，传输路径缩短90%以上，是实现3D堆叠的基础[59][67] - **混合键合**：采用铜-铜直接键合工艺替代早期的微凸点连接，使连接电阻降至原来的1/10，实现了更高密度（单片10万个连接点）和更可靠的芯片堆叠，支撑HBM8达到16384个I/O[68][70][71] - **AI辅助设计**：利用AI模型大幅提升HBM复杂结构的设计效率，如PDNFormer模型可在1毫秒内完成电源阻抗分析，Mamba-RL算法可在20分钟内优化去耦电容布局，将设计周期从半年缩短至两周[72][74][76][79] HBM产业格局与市场前景 - 全球HBM市场呈现寡头垄断格局，SK海力士、三星、美光三家公司垄断了90%以上的产能，订单已排至2026年[80][81] - SK海力士为行业龙头，HBM3E良率达90%，占据全球55%的HBM3E出货量，其M15X新工厂投产后月产能将从10万片提升至17.8万片[81] - 三星的HBM3E产能已被谷歌、博通、亚马逊等头部客户包圆，并与OpenAI签订了价值713亿美元的四年供应大单[84] - 美光增速最快，其HBM3E已通过英伟达认证，目标是在2026年将市场份额从7%提升至24%[85] - 2025年全球HBM市场规模已达300亿美元，预计2030年将突破980亿美元，占据整个DRAM市场的50%[80] HBM未来发展的主要挑战 - **成本挑战**：HBM3每GB成本约为DDR5的5倍，HBM4因工艺复杂成本预计再增30%，需通过提升良率（目标95%以上）、扩大产能、技术创新（如采用玻璃中介层）来构建降本体系[86] - **散热挑战**：未来HBM8功率可能突破200W，需研发新型高热导率冷却材料、采用芯片级冷却方案（如集成微型散热鳍片）以及智能温控系统来应对[87] - **生态协同挑战**：需要GPU/CPU厂商优化硬件接口，AI框架针对近内存计算特性优化算法，并推动行业制定统一标准，以降低应用门槛并实现性能最大化[87]

核心观点 - AI算力租赁公司CoreWeave凭借与英伟达的紧密关系迅速崛起，手握大量订单，但其商业模式存在严重依赖巨头、缺乏核心技术、盈利能力薄弱等根本性缺陷，长期竞争力存疑 [1][23] 业务模式与客户依赖 - 公司收入高度集中，80%的收入来自微软和英伟达两家公司 [3] - 未完成订单高度依赖巨头，在总额556亿美元的未完成订单中，OpenAI、微软和Meta三家合计占470亿美元 [3] - 核心大客户有自建计划，例如微软明确表示长期更倾向于自建数据中心，外包仅为权宜之计，这给公司长期订单的持续性带来巨大风险 [5] 供应链与技术依赖 - 公司对供应商依赖严重，2023至2024年间，80%到90%的采购款支付给了三家供应商，其中最大的是英伟达 [5] - 公司核心产品算力所依赖的GPU芯片、高性能连接系统等关键硬件均需从英伟达采购，基础服务器设备也需向戴尔、超微等公司采购，缺乏自主设计与生产能力 [7] - 研发投入严重不足，2025年公司研发投入占比仅为8%，远低于同行（如Nebius的22%），导致技术能力薄弱 [13] 技术能力与业务局限 - 公司快速建设数据中心的能力（3-5个月建成一个，比行业平均快3倍）源于其创始团队的能源投资和比特币挖矿背景，而非技术优势 [8] - 技术短板限制了其业务范围，目前主要提供基础的硬件租赁服务，无法承接模型优化等高附加值的高端服务 [8] - 由于技术实力不足，连设备监控、故障解决等配套服务也只能免费提供，无法作为收费项目 [8] 扩张挑战与运营问题 - 扩张计划受阻，一项价值90亿美元旨在收购Core Scientific以获取机房和电力资源的交易，因股东投票未通过而失败 [11] - 关键基础设施建设出现延误，例如在德州为OpenAI建设的一个核心数据中心因暴雨导致混凝土浇筑受影响，延误达60天 [11] 盈利能力与行业对比 - 公司毛利率低下，真实毛利率仅为25%到30% [15] - 其毛利率远低于行业巨头，例如微软智慧云板块的毛利率超过60%，是其两倍以上 [15] - 盈利能力弱源于在产业链中缺乏议价权，对上无法与英伟达、戴尔等供应商议价，对下无法向微软、Meta等大客户收取高价 [15][17] 资本市场看法与行业地位 - 主要投资者态度谨慎，红杉资本在去年已减持了40%的公司股份，高盛也明确表示持有其股份仅为短期投机，无长期持有打算 [18] - 专业机构评级不高，Gartner将其归为“潜力级”公司，在10项核心技术评估中仅达标2项 [20] - 面临行业巨头的直接竞争压力，AWS、Azure等云巨头正在大力投资自研芯片以掌握核心技术，而公司连服务器都需外购，缺乏正面竞争能力 [20]

每经AI快讯，12月19日，美股七巨头盘前普涨。英伟达涨1.3%，苹果涨0.1%，谷歌涨0.42%，微软涨 0.3%，亚马逊涨0.6%，Meta涨0.3%，特斯拉涨0.86%。 ...

公司股价表现 - 英伟达(NVDA.O)股价在盘前交易时段上涨1.2% [1]

文章核心观点 - 美国政府于2025年11月正式启动名为“创世纪任务”的国家级AI战略计划，旨在打造首个AI驱动的科研平台，加速科学发现，标志着美国科技战略从各自为战转向系统性集体攻关 [1] - 该计划被类比为“AI曼哈顿计划”，其核心目标是通过整合顶尖AI技术、国家实验室资源与超级计算能力，将科学发现速度提升一个数量级，并重塑国家科研体系的底层结构 [1][13][14] - 计划释放出AI已从商业竞争工具升级为国家战略能力与科研基础设施的关键信号，未来国家科技竞争的核心在于谁能将AI深度嵌入科研体系以改写科学发现的速度曲线 [28][29][33] 计划概况与目标 - **计划性质与启动**：计划由美国总统发布行政命令启动，是美国能源部与白宫签署的历史性合作文件，名为“创世纪任务” [1][16] - **核心目标**：打造全国首个AI驱动的科研平台，利用人工智能与超级计算能力加速可控核聚变、能源材料发现、气候模拟、量子计算算法等重大科学研究 [1] - **量化目标**：目标是到2030年，将美国的科学生产力翻倍 [7] - **战略意义**：标志着美国在科技领域的国家级战略调整，旨在确保未来技术领先地位 [1][25] 参与方与合作模式 - **参与企业范围**：集结了微软、谷歌、英伟达、OpenAI、DeepMind、Anthropic等24家美国顶尖科技公司，覆盖了AI产业的全栈力量 [5][19][21] - **历史性合作**：OpenAI和谷歌作为AI领域最大的竞争者，史上首次携手共同推动前沿科学突破 [6] - **企业类型分类**： - 云与平台：Microsoft、Google、AWS、Oracle、IBM [21] - AI模型公司：OpenAI、Anthropic、xAI [21] - 芯片与算力：Nvidia、Intel、AMD、HPE [21] - 新型AI芯片：Cerebras、Groq [21] - 数据与分析公司：Palantir等 [21] - **合作模式**：科技公司提供AI模型、云计算基础设施和开发平台，与国家实验室的科研能力和数据资产相结合 [7][21] 核心实施机构与资源 - **牵头部门**：美国能源部，因其管理着全球最顶级的超级计算机、拥有战略级科研数据及承担非商业化但战略级的研究任务 [16][18] - **核心科研资产**：计划依托能源部旗下的17个国家实验室，包括洛斯阿拉莫斯、劳伦斯伯克利、阿贡和橡树岭等国家实验室 [13] - **资源整合**：计划将国家实验室、超级计算机（如Frontier、Aurora）及数据资产统一到一个AI平台 [13][14] 对关键参与公司的具体影响 - **英伟达**：作为计划中最关键的技术支点之一，国家实验室的超级计算机几乎全部基于其GPU，该计划是其AI与高性能计算长期战略的国家级兑现 [22] - **微软与谷歌**：角色清晰，负责提供云计算基础设施和AI开发平台，未来国家实验室的AI很可能直接运行在其云服务上 [21] - **OpenAI与Anthropic**：意义重大，意味着其大模型将进入核物理、材料科学等硬核科学领域，成为“科学发现引擎”的一部分，而不再局限于聊天、办公等应用 [24] - **谷歌具体承诺**：将把Gemini 3的推理能力应用于核聚变等离子体模拟、气候建模及新材料搜索，并在2026年为国家实验室提供AlphaEvolve、AlphaGenome和WeatherNext等工具 [8] 计划将如何改变科研范式 - **传统流程颠覆**：计划将把传统的“提出假设→设计实验→申请算力→跑模拟→分析数据”长达数年的科研周期，颠覆为“AI自动生成假设→AI设计实验→AI运行模拟→AI分析结果→人类决策”的新范式 [25][26] - **具体应用实例**： - 材料科学：AI可在几天内筛选上亿种材料组合 [26] - 气候研究：AI可替代部分昂贵的物理仿真 [26] - 核聚变领域：AI可优化等离子体控制参数 [26] - **定位**：该计划被视为一个“AI版的国家科研操作系统”，旨在把AI变成科研的“默认工具”，并将最先进的AI能力引入公共科研体系 [13]

Meta Platforms Inc. (NASDAQ:META) is reportedly working on a new AI model, which will be focused on image and video processing, led by the company’s Chief AI Officer, Alexandr Wang.Focus on Image And Word ModelsThe new AI model, “Mango,” is being developed alongside Meta’s next large language model, which is text-based, reported The Wall Street Journal on Thursday. Wang discussed these AI models during an internal company Q&A session on Thursday, along with Chris Cox, Meta’s Chief Product Officer.The models ...

Hedge fund Coatue Management sold 14% of its Nvidia stake during the third quarter.About halfway through every quarter, any institutional investment fund that manages more than $100 million is required to file a Form 13F with the Securities and Exchange Commission (SEC), documenting all the stocks that it bought and sold during the prior quarter.One such firm that I monitor closely is Coatue Management, founded by Philippe Laffont. During the third quarter, Coatue reduced its position in Nvidia (NVDA +1.87% ...

Billionaire entrepreneur and Tesla Inc. (NASDAQ:TSLA) CEO, Elon Musk, weighed in on a post praising Google-parent Alphabet Inc.’s (NASDAQ:GOOG) new hardware play, and the company’s reemergence as the dominant player in the ongoing AI race.Long-Time Google Critic Turns InvestorOn Thursday, in a post on X, serial AI entrepreneur and digital nomad Pieter Levels, who goes by the name Levelsio, announced that he had purchased over $1 million in Alphabet shares, after being “the biggest Google hater for years.”Le ...

此外，谷歌旗下DeepMind宣布为美国能源部下属17个国家实验室科学家提供加速访问计划，允许其使用前沿AI科学模型与智能体工具。谷歌同步推出AI co- cientist系统，该工具基于Gemini平台开发，依托谷歌TPU训练，帮助科学家整合海量数据生成假设与研究方案，加速科学及生物医学发现。 由美国特朗普政府主导"创世纪计划"（Genesis Mission）近日新增24家人工智能领域企业为合作方，包括英伟达、AMD、OpenAI、微软、亚马逊AWS及谷 歌母公司Alphabet等。目前"创世纪计划"现有合作机构包括埃森哲、AMD、Anthropic、Armada、亚马逊AWS、Cerebras、CoreWeave、戴尔、DrivenData、 谷歌、Groq、HPE慧与、IBM、英特尔、微软、英伟达、OpenAI、甲骨文、Periodic Labs、Palantir、Project Prometheus、Radical AI、xAI、XPRIZE等企业及 研究机构。 其中，根据英伟达与美国能源部签署的谅解备忘录，双方将聚焦人工智能在制造业、供应链、开源AI、裂变能源、机器人技术、数字孪生、聚变能源、量 ...