资本市场流动性环境展望 (2026年) - 资本市场流动性环境将呈现三大特征：以中央汇金为代表的战略性稳市力量及稳市机制建设是防止市场大起大落、实现稳定健康发展的重要保障；以保险、公募基金为代表的机构资金占比将进一步提升，资金结构不断优化；以并购重组为核心，辅以IPO及产业资本有序退出的股票供给将有所增长 [1] - 总体来看，在提升市场韧性和积极发展股权融资的政策背景下，资本市场投融资结构将更趋平衡，流动性对估值单边变化的推动作用将减弱 [1] 磷化工行业动态 - 受益于化工品持续涨价潮，磷矿石价格持续高位运行：12月2日，国内30%品位磷矿石市场均价为1016元/吨，28%品位均价为945元/吨，25%品位均价为758元/吨 [3] - 上市公司如芭田股份、兴发集团等密集披露在磷矿资源获取与产能整合方面的进展，行业产能整体呈现扩张状态，布局步伐明显加快 [3] - 此轮资源布局热潮背后，是业内对磷矿石价格短期内将维持“紧平衡”的判断，拥有“矿化一体”完整产业链布局的企业凭借资源自给与成本控制优势，或成为主要受益者 [3] 低空经济发展前景 - 2024年是低空经济发展元年，未来中国低空经济市场为万亿元蓝海，2023年市场规模已超5000亿元 [4] - 随着下游应用领域不断扩大，未来市场有望继续保持增长，设备价值量约占运营收入的5-15%，基础建设约占运营收入的20% [4] - 根据《通用航空装备创新应用实施方案（2024-2030年）》，目标到2030年形成万亿级市场规模，以2027年为节点，将致力于提升通用航空装备供给能力与产业创新 [4] - 2025年多家eVTOL公司已接到国内外意向订单，反映低空经济市场空间广阔 [4] 保险行业趋势 - 保险行业已从资产负债表衰退叙事中率先走向良性扩张，周期向好正式确立，预计2026年向上趋势进一步加强 [6] - 具体体现为：净资产恢复并维持较快增长；分红险作为主力产品更加畅销；银保渠道份额集中和总量增长仍有很大空间；险资作为耐心资本主力，其资产结构正受益于债券利率低位波动、股市慢牛的市场格局 [6] - 从选股角度看，保险股阿尔法和贝塔兼具，2024和2025年牛市带来的业绩弹性已较充分体现，应更加关注保单价值率高、新业务价值增速快、盈利和股息稳定增长的头部公司 [6] AI与半导体产业链投资机遇 - AI时代以显存带宽和容量升级为核心，存算一体是趋势，近存计算维持高景气 [7] - 围绕国内HBM及CUBE相关产业链，重点推荐四个投资方向：存储方案厂商（CUBE必要配套，定制设计方案助力产业化，重点关注有存储原厂支持、具有先发优势的龙头及布局超薄LPDDR堆叠方案的公司）；半导体设备（受益先进封测需求升级及国产化，重点关注刻蚀、键合、减薄设备）；先进封装（高端存储核心突破口，中国大陆厂商能力居行业前列并扩充产能）；逻辑芯片公司 [7] 当前市场状况与展望 - 短期大盘趋势偏弱，增量资金入场未见明显，市场赚钱效应不足 [9] - 上证指数调整远未结束，在弱势行情下，机构资金年底减仓导致个股跌幅加大，成交持续萎缩背景下缺乏明确领涨主线与增量资金配合，反弹根基薄弱，若无实质性利好刺激，更容易呈现震荡反复格局 [12] - 创业板指数受近期科技新股及游资注入影响走势相对较好，但未改变市场整体弱势局面，跌多涨少盘面频繁出现 [12] - 后续重点跟踪重要会议的政策信号及央行货币政策进一步发力情况（如可能的降准、降息等） [12] - 年底政策窗口期有望提前验证“政策底”，支撑2026年经济增长，在“政策底”提前验证、周期涨价与PPI同比改善预期下，顺周期可能是春季行情的基础资产 [12] - 从性价比角度看，科技成长短期性价比已快速改善，机构投资者科技仓位有所下降，微观结构压力缓和 [12]

mRNA疗法与核酸药物递送 - mRNA疗法新锐虹信生物完成A轮融资 吸引了IDG资本、经纬创投、腾讯投资等顶级风投重注 [1] - 公司拥有自主知识产权的核酸递送系统 这是mRNA技术的核心壁垒 [1] - 公司已建立自主的可离子化氨基脂质库 致力于在肿瘤、遗传病等领域开发创新mRNA药物 [1] 半导体特色工艺制造 - 积塔半导体完成D轮融资 投资方包括中信金石、中金资本及中国电子-中电投资等“国家队”产业资本 [1] - 公司专注汽车电子、工业控制等领域的特色工艺 是中国半导体实现差异化竞争和自主可控的关键路径 [1] - 公司为汽车电子、工业控制和高端消费电子领域提供微控制器、模拟电路、功率器件等核心芯片的特色工艺制造平台 [2] 数字视频通信与网络融合 - 微联星智完成C轮4亿元人民币融资 投资方包括洪泰基金、中金资本等 [2] - 公司深耕“三网融合”与高清视频传输 卡位下一代通信应用场景 [2] - 公司是物联网和智能安防等产业繁荣背后的关键基础设施提供商 [2] 高端精密制造与自动化 - 纵苇科技完成C轮数亿元人民币融资 由创新工场、蓝驰创投等机构投资 [2] - 公司是工业自动化领域的“隐形冠军” 其直线运动控制系统是半导体、新能源等高端精密制造装备的核心部件 [2] - 公司技术已达国际先进水平 是高端制造国产化替代进程中不可或缺的一环 [2] 智能机器人商业化应用 - 四足机器人企业云深处完成C轮5亿元人民币融资 投资方包括达晨财智、联通、中芯聚源等十余家机构 [4] - 公司是中国四足机器人商业化的领军者 产品已在电站巡检、消防侦查等复杂地形场景中实现规模落地 [4] - 其自主研发的“绝影”系列机器人已在巡检、应急救援、未来科研等多种应用环境中落地 [4] 智能网联汽车与北斗应用 - 北斗智联获广汽集团等产业方数亿元B轮投资 [4] - 公司是深度融合北斗高精度定位与智能座舱/ADAS的Tier 1供应商 [4] - “北斗高精度定位+智能网联”是中国智能汽车的特色优势路径 获得主机厂战略投资标志着产品已得到前装市场深度认可 [4] AI芯片架构创新 - 存算一体AI芯片公司后摩智能完成B轮融资 公司采用“存算一体”这一颠覆性架构 致力于挑战单芯片千TOPS算力巅峰 [5] - 在传统芯片架构面临瓶颈时 公司通过架构创新寻求算力与能效的突破 [5] - Unconventional AI完成高达4.75亿美元的种子轮融资 投资方包括Lightspeed、a16z、Lux Capital等顶级风投 [5] - 公司探索基于半导体物理特性的AI模拟计算 寻求能效的范式革命 [5] 前沿国防科技与高超声速 - Castelion完成B轮3.5亿美元融资 由Lightspeed、a16z、General Catalyst等硅谷顶级基金领投 [6] - 高超声速技术是大国战略竞争的焦点 商业资本大规模介入标志着资本正试图将互联网领域的创新速度与模式复制到国防工业 [6] 下一代靶向疗法与新药研发 - BlossomHill完成B+轮4800万美元融资 投资方包括奥博资本、维梧资本等知名医疗基金 [7] - 公司专注解决肿瘤与自身免疫疾病的“抗药性”这一临床终极难题 通过创新药物设计克服耐药机制 [7] - 公司致力于创造新型化学实体以解决靶上和靶下抗药性机制 开发有望重新定义治疗标准的小分子药物 [8]

美股市场开盘表现 - 美股三大指数开盘走势分化 道指高开0.17%刷新历史高位 纳指低开0.45% 标普500指数低开0.2% [1] - 博通销售展望未达预期令科技股承压 博通股价跌超7% AMD与甲骨文股价跌近1% [1] - 受降息预期提振 黄金与白银板块表现强势 赫克拉矿业与哈莫尼黄金股价涨超3% [1] 中概股市场动态 - 部分中概股表现强势 36氪股价涨超9% 金山云股价涨超4% 网易股价涨超3% [1] - 部分中概股股价下跌 东方文化跌超15% 沃氪医疗跌超10% 海天网络跌超3% [1] 人工智能与数据中心行业 - 英伟达将于下周举办闭门峰会 旨在破解AI时代日益严峻的电力短缺困局 [2] - 摩根士丹利将2025-2028年美国数据中心累计电力缺口预测从44吉瓦上调至47吉瓦 此缺口相当于9个迈阿密或15个费城的用电量 [2] - 京东正招募端侧AI芯片领域人才 招聘方向主要集中在存算一体AI芯片领域 产品或将用于机器人、智能家电等硬件端侧 [5] - 京东为存算一体芯片设计相关工程师岗位开出“40-100K*20薪”不等的薪酬待遇 [5] 科技公司与政府监管 - 澳大利亚针对16岁以下人群的社交媒体禁令于12月10日正式生效 Reddit就此禁令向澳大利亚最高法院提起诉讼 [3] - Reddit将澳大利亚联邦政府通信部长列为被告 称该法律影响了隐私与政治交流 并要求法院宣布该禁令无效 [3] 企业投资与扩张 - 资管巨头博枫将投资10亿美元在印度孟买建设一座全球能力中心 预计将创造1.5万个直接就业岗位和3万个间接就业岗位 [4] 汽车行业动态 - 小鹏汽车发布声明支持《汽车行业价格行为合规指南》 承诺将严格遵守明码标价原则 坚决杜绝任何形式的价格欺诈与不正当竞争行为 [6]

文章核心观点 - AI时代下，显存带宽和容量的升级是核心，存算一体是发展趋势，近存计算领域处于高景气状态，存在投资机遇 [1] 投资方向与产业链分析 - **存储方案厂商**：CUBE技术的必要配套环节，通过定制设计方案推动产业化并进军高端市场，重点关注有存储原厂支持且具备先发优势的龙头企业，同时关注布局超薄LPDDR堆叠方案的公司 [1] - **半导体设备**：受益于先进封测需求升级，产业配套需求增长，配合工艺优化与良率提升，加速供应链国产化进程，重点关注刻蚀、键合、减薄等设备领域 [1] - **先进封装**：是高端存储领域的核心突破口，设备可获得性较高，中国大陆厂商的先进封装能力已处于行业前列并正在积极扩充产能 [1] - **逻辑芯片公司**：作为投资方向之一被提及 [1]

AI时代存储技术发展趋势与投资机遇 - AI时代显存带宽和容量升级为核心，存算一体是趋势，近存计算呈现高景气度，存在投资机遇 [1] - HBM有望成为云端训练和推理的标准化主流显存方案 [1] - 在美国对华制裁加码背景下，国内存储厂商加速突破追赶，相关产业链配套具备重要投资机会 [1] - CUBE有望在推理及端侧成为“打破AI存储墙”的弯道超车补充路径 [1] - CUBE通过定制化与先进封装获得突破性带宽，并以封装技术弥补制程短板 [1] - CUBE是当前国内满足AI存力需求的优选方案，也是未来本土存算一体实现弯道超车的重点观察方向，为真正意义上的存算一体奠定基础 [1]

大会背景与基调 - 2025年WISE商业之王大会在北京举办 基调为“风景这边独好” 旨在不确定中锚定中国商业的确定性未来 [1][2] - 大会以“科技爽文短剧”为沉浸式体验载体 探讨AI重塑硬件 具身智能 品牌出海及传统行业转型等趋势 [2] 端边AI计算发展趋势 - 未来五到十年 端边侧计算将从以逻辑控制为主转向以AI为主 行业正站在端边侧AI爆发的前夜 [3] - 端边计算市场正经历类似数据中心过去的“范式迁移” 从控制优先转向数据优先 核心动力是大模型落地带来的算力重构需求 [3] - 行业分析机构STL Partners预测 端边计算的市场规模在未来五至十年有望达到四千亿美元量级 [3][11] - 目前端边计算仍以CPU及控制为主 AI是配角 未来感知 理解 决策类任务将成为端侧主流 通用AI芯片将迎来爆发 [3][13] 端边通用AI芯片的挑战与机遇 - 端边通用AI芯片面临“存储墙”与“功耗墙”制约 传统架构约90%功耗耗在数据搬运上 而非计算本身 [3][14] - 端边通用AI计算覆盖成千上万种不同场景 总和可观 需求多样 需在保证效率的同时兼顾高通用性 [13] - 垂类场景如手机 智能驾驶因场景明确 体量大已受广泛关注并做了大量软硬件协同优化 [13] 后摩智能的技术路径与产品 - 公司选择“存算一体”技术路径以突破存储墙和功耗墙 提升计算能效 [4][14] - 公司于今年7月推出首款针对端边大模型的芯片M50 以10W功耗提供100-160T算力 可支持百亿级参数大模型在端侧运行 [4][16] - M50芯片提供多种产品形态 如M.2卡和Duo M.2卡 最小的M.2卡仅口香糖大小 可运行140亿甚至300亿参数模型 [16] - 公司提供了完整的工具链 支持各类已训练好的模型直接转换到硬件运行 无需重新训练 [16] 应用场景与生态合作 - M50芯片目前已与AIPC 智能办公 陪伴机器人 5G+AI 智能语音设备 AI NAS AI网关 计算盒子等场景的客户展开合作 [4][16] - 公司正与产业链上下游共建端边AI生态 已完成与多种操作系统及主控芯片的适配 并与算法层 解决方案层伙伴开展适配工作 [6][17] - 端计算不仅是算力的竞争 更是生态的竞争 目标是与合作伙伴一起在端侧实现AI的普及与普惠 [7] 具身智能的未来赛道 - 具身智能被视作下一代端边AI的关键赛道 机器人需要实时 强思维 可交互的“最强大脑” [6] - 存算一体架构被认为是实现“最强大脑”式芯片解决方案的优势所在 公司正基于下一代DRAM PM存算一体芯片与机器人厂商共同推进 [6]

行业趋势：端边AI计算范式迁移 - 未来五到十年，端边侧计算将从以逻辑控制为主转向以AI为主，行业正站在端边侧AI爆发的前夜 [4] - 这一变革是类似数据中心过去十年的“范式迁移”，核心驱动力是大模型落地带来的算力重构需求 [4] - 行业分析机构STL Partners预测，端边计算的市场规模在未来五至十年有望达到四千亿美元量级 [4][12] 市场格局与驱动因素 - 当前端边计算仍以CPU及逻辑控制为主，AI是辅助角色，但未来任务将更多转向感知、理解、决策等以数据和AI为主的方向 [4][14] - 端边设备对实时性、隐私性的天然需求，以及AI普惠化的发展趋势，共同推动端边AI计算崛起并成为AI竞争的主战场 [10] - 端边AI计算可分为垂类场景（如手机、智能驾驶）和通用场景，后者覆盖成千上万种不同场景，总和可观，目前正开始受到重视 [14] 技术挑战与解决方案 - 端边通用AI芯片面临“存储墙”与“功耗墙”的严峻挑战，传统架构中约90%的功耗耗在数据搬运上，而非计算本身 [5][15] - 存算一体技术被认为是突破存储墙和功耗墙的最佳路径之一，通过拉近数据与计算的距离来减少数据搬运，提升能效 [15] - 存算一体有不同实现方式，基于SRAM的方案更适合提升计算密度和能效，基于DRAM的方案更擅长解决带宽问题 [15] 公司产品：后摩智能M50芯片 - 公司于2024年7月推出首款针对端边大模型的存算一体芯片M50，该芯片以10W功耗提供100-160T算力，可支持百亿级参数大模型在端侧运行 [6][19] - M50能支持从140亿、200亿、300亿直至1200亿参数的大模型，产品形态包括M.2卡和Duo M.2卡，最小的M.2卡仅口香糖大小 [19] - 公司提供了完整的工具链，支持各类已训练好的开源模型直接转换到硬件运行，无需重新训练，编译过程顺畅 [19] 应用场景与生态合作 - M50芯片目前已与AIPC、智能办公、陪伴机器人、5G+AI、智能语音设备、AI NAS、AI网关、计算盒子等场景的客户展开合作 [6][19] - 公司正与产业链上下游紧密合作，完成了与多种操作系统（Windows、Linux、麒麟、统信）及主控芯片（x86、ARM、国产CPU）的适配 [20] - 公司预计从2025年初开始，会有更多落地应用推出，并与算法层、解决方案层伙伴共建端边AI生态 [20] 未来战略与关键赛道 - 具身智能被认为是下一代端边AI的关键赛道，机器人需要一颗实时、强思维、可交互的“最强大脑”，而这正是存算一体架构的优势所在 [6] - 公司正基于下一代DRAM PM存算一体芯片，与机器人算法及方案厂商共同推进“最强大脑”式的芯片解决方案 [6] - 公司强调端计算不仅是算力的竞争，更是生态的竞争，目标是与合作伙伴一起在端侧实现AI的普及与普惠 [8][20]

会议核心观点 - 全球半导体存储与终端应用产业高度关注AI浪潮带来的变革，会议探讨了AI对晶圆代工、存储、服务器、电源及终端设备等全产业链的深远影响，并预测2026年将迎来强劲增长与技术创新 [1] 晶圆代工与先进工艺 - 预计2026年全球晶圆代工产业营收将实现19%的年增长，其中AI相关的先进工艺市场增长最为显著，年增幅达28% [5] - 台积电已在下半年导入2nm工艺生产，并持续向A16、A10等1nm工艺推进，先进封装产能明年预计年增27% [5] - 除CoWoS外，CoPoS与CoWoP等先进封装技术未来也将发展 [5] - AI芯片需求强劲，英伟达保持领先，同时2026年将成为ASIC芯片起飞的元年，美国四大云端业者及中国的华为、寒武纪均在推进自研芯片 [5] AI服务器与数据中心 - 全球数据总量预计将以约40%的年复合增长率持续攀升，对数据中心提出更高要求 [7] - 英特尔推出至强6系列处理器，通过AMX加速引擎和CacheClip方案，使中小模型推理的TTFT性能提升超过2倍，并构建了“CPU+GPU”异构LLM服务方案Hetero Flow以提升大模型推理并发能力 [7] - 英特尔计划于2026年基于18A制程推出下一代能效核产品Clearwater Forest（至强6+），支持高达8:1的服务器整合比例，可实现约750千瓦的功耗节约以及3.5倍的能效提升 [8] - 预计2025年全球服务器出货量增长有望超过7%，AI服务器将增长近25%；2026年全球服务器出货量可能再增长超过9%，AI服务器增长预计达20%以上 [29] - 2026年AI服务器竞争将分为三大阵营：以英伟达、AMD为主的GPU市场；美中CSP业者扩大自研ASIC；中国业者（如BBAT、华为、寒武纪）致力AI芯片自主化 [29] 存储市场趋势与挑战 - AI与服务器相关应用预计到2026年将占据DRAM总产能的66%，云端服务提供商正积极签订长约以确保供给 [17] - 由于需求产品组合复杂（含HBM/DDR5/LPDDR），预期缺货时间将更持久，AI服务器对LPDDR5X的需求激增已开始严重压缩智能手机的LPDRAM供给 [17] - 预计DRAM将面临比NAND更严峻的缺货，市场将出现产能竞价，受ASP持续上涨带动（2026年DRAM ASP预计年增36%），2026年DRAM营收预计将飙升56% [17] - 尽管供应商上调资本支出，但受限于无尘室空间与设备交付周期，对2026年的位元产出增长助力有限 [17] - AI驱动DRAM向大容量、高带宽、低延时、超高频发展，例如LPDDR5X传输速率高达8533Mbps，尺寸比LPDDR4X减小30% [13] - HDD市场因供应链限制导致交期长达52周，2026年预计将有150EB缺口，迫使需求转向高密度QLC eSSD，造成供不应求 [34] 存储技术创新与解决方案 - NAND Flash正从被动储存转型为辅助运算核心，催生两大新趋势：高带宽闪存（HBF）作为HBM的低成本补充，提供TB级容量；AI SSD将NPU整合至控制器，实现近数据处理 [34] - 为满足AI终端对存储芯片超薄、小型化、大容量、高速的要求，时创意采用SDBG制程（切割精度1μm，晶圆抗折强度提升30%）和C-Molding封装工艺（支持8叠/16叠Die，厚度可薄至0.6mm） [13] - Solidigm是QLC产品的首位推动者，自2018年以来已累积出货超过100EB的QLC产品，并推出了122TB的D5-P5336数据中心SSD以提升能效和空间利用率 [20] - Solidigm推出超高性能PCIe 5.0 SSD（如D7-PS1010/PS1030）以及业界首款采用单面冷板液体冷却技术的固态硬盘D7-PS1010 E1.S，以解决AI工作负载导致的热功耗攀升 [20] - 铨兴科技推出全离线、软硬一体的AI超显存融合解决方案，支持6B-671B模型全参微调，可降本90%且推理并发性能提升50%，并布局PCIe 5.0 eSSD [23] AI终端与AR设备 - AI和AR眼镜形成强大的共生关系，AI为AR提供功能支持，AR是AI人机交互的自然平台 [10] - 预计在Google、Apple等品牌AR眼镜于2027年后密集上市的推动下，2030年全球AR眼镜出货量将超过千万副 [10] - 中国在全球AR眼镜发展中扮演重要角色，Xreal、RayNeo、Rokid等品牌出货超过50万副，并在微型显示光机、光波导材料与加工、供应链整合方面领先全球 [11] 功率半导体与电源架构 - 随着AI芯片功耗迅速攀升，数据中心供电架构正在转向800V HVDC，碳化硅（SiC）和氮化镓（GaN）将成为推动转型的关键技术 [32] - SiC凭借大规模产能扩张和技术升级，在高压应用场景确立领导地位；GaN已进入由成本效益驱动、多应用领域共进的快速增长期，新兴应用包括AI数据中心、机器人、汽车 [32] - SiC/GaN晶圆正由6英寸加速迈向8英寸，12英寸GaN值得期待 [32] 存储测试与产业支持 - 专业的全自动测试系统对保障存储产品品质可靠及一致性、实现经济大规模量产至关重要，能消除人工错误并提供详细失效定位 [25] - 欧康诺提供一站式存储器测试系统，覆盖SSD、RDIMM/UDIMM、UFS和LPDDR等，并具备纯自研的测试系统底层驱动及IO引擎 [25] - 欧康诺通过优化测试Pattern，在同等效果下可大幅缩短测试时长80%，有效提高测试效率、降低测试工艺成本 [26]

文章核心观点 - 北京大学武汉人工智能研究院成功研发出中国首款存算一体视觉芯片，该芯片采用类似人脑的存算一体架构，正从实验室走向产业化[1] - 该芯片具有高算力、高性能、低功耗的特点，旨在实现国产替代并保障智能数据安全，计划在湖北依托当地产业和科教资源推进商业化[1][2] 技术特点与优势 - 芯片采用存算一体架构，区别于传统计算机将存储与计算分离的模式，可实现存算同步进行[1] - 与国外同类芯片相比，在同等速度下更节能，并能更好地保障中国智能数据安全[2] - 芯片具备高算力、高性能、低功耗的特性，适用于对体积、功能和成本有严苛要求的智能设备[1] 应用领域与市场潜力 - 智能眼镜是代表性应用领域，可解决当前依赖国外芯片导致的体积、功能和成本问题[1] - 在智能汽车领域可替代部分激光雷达功能，显著降低整车成本[1] - 其他应用场景包括工业车间生产监控、安防监控设备、低空经济及医疗影像识别等需要视觉“看”和“判断”的智能设备[1] 产业化战略与区域优势 - 产业化选址湖北，看重其拥有小米等头部企业可快速对接市场，以及丰富的科教资源和政府支持[2] - 计划联合本地力量培养团队，将芯片打造为湖北特色产业，推动国产视觉芯片在多领域落地[2]

行业与公司 * 行业涉及DRAM存储技术、近存计算/存算一体技术、3D DRAM封装技术以及AI芯片（NPU）领域 [1] * 主要提及的公司包括国际厂商三星、海力士、美光、NVIDIA、高通、联发科（MTK） 国内及台湾厂商长鑫半导体、长存、兆易创新、华邦电子、武汉新芯（XMC）、立基电、南亚、金正公司、巨星科技等 [1][5][16][25][26][29][51] 核心技术与观点 **1 近存/存算一体技术路线与现状** * PIM（Processing in Memory）技术由三星积极推广 将其与DRAM合封 直接置于DDR处 预计未来将成为发展热点 [1][3] * 海力士也在推动HBM PIM及DDR、LPDDR PIM等协议 高通和MTK未来可能会适配相关技术 [1][3] * PNM（Process near Memory）技术主要应用于服务器领域 若能接入NVIDIA体系 前景可期 但目前NVIDIA的PCI Switch多由其自身制造 市场参与者较少 [1][4] * 存算一体（CIM）适用于小型应用（如耳机唤醒） 但在大模型领域由于参数量巨大 难以获得功耗和面积收益 基本无人采用 [32][33] **2 3D DRAM技术特点与发展** * 3D DRAM采用Die-to-Die或Wafer-to-Wafer封装 对SOC大小、功耗等有限制 与传统DIMM差异显著 [1][8] * 当前成熟技术支持DRAM 8层堆叠 容量随层数增加而增大 带宽甜蜜点约为1-2TB [1][9] * 芯片设计需权衡面积和堆叠层数 根据云端（推理重带宽 训练重带宽和容量）或端侧（重尺寸和功耗管理）应用场景调整 [1][10] * 3D DRAM设计环节壁垒不高 本质是在传统DRAM基础上增加TSV通孔 [30] **3 定制化存储与HBM的对比与前景** * HBM散热好、容量大 适用于GPU等高带宽应用 但成本较高 [20] * 3D DRAM成本低、功耗低 适用于端侧设备 但总容量相对较小且存在散热挑战 [20] * 两者将根据具体需求共存 定制化存储不太可能完全替代HBM [21] * 长期来看 更看好传统方案（先进工艺标准化逻辑加3D DRAM）以及原厂将计算能力集成到HBM中的方案 [34][50] **4 国内厂商与技术格局** * 国内长鑫半导体专注于DRAM生产 具备较强竞争力 在国内3D DRAM市场占据主导地位 用户粘性较高 有望成为事实标准 [1][5][7] * 武汉新芯（XMC）封装技术出色 采用TSV加HyperBonding（XSTACK工艺） 但其没有自己的Fab 目前隶属于长存系 仅有一条中试线 [26][27] * 兆易创新采用TSV加HyperBonding技术 华邦电子采用Micro bump TSV Hyper Bonding技术 前者密度更高（Hyper bonding密度是Micro bump的10倍以上） 但后者良率稍高 [16][18] * 在3D DRAM市场中 与Fab关系良好的企业更易获得产能支持 [28] 其他重要内容 **1 技术细节与性能** * PIM通过将带宽需求最大的部分置于Memory内来优化大模型推理 但对主SoC带宽提升不明显 [6] * HyperBonding通过铜与硅表面键合 更薄且通孔密度更高 Micro bump良率稍高但厚度较大、XY密度较低 [16] * 功耗方面 Micro bump方案比HyperBonding方案差约一倍 带宽可能接近但布局舒适度不如HyperBonding [17] * 当前DRAM制造良率可达90%以上 TSV封装良率接近99.99% 但多层绑定后最终产品良率会逐步下降（例如增加一层后良率打9折 多层后可能仅50%-60%） [45] **2 成本与价值量** * DRAM厂商在定制化存储环节价值量最高 成本占比超过芯片一半 [14][15] * 例如RK3,588的2.5GB存储容量售价70美元 两层5GB售价100美元 其中很大部分成本来自DRAM [14] * 一颗1GB 3D DRAM在台湾厂商公开市场报价约为10美元 国内厂商如兆易创新和长鑫根据供货量不同 曾报过每GB 3至5美元的价格 [46] * 定制化存储价格会随工艺成熟和成本摊平而下降 但目前处于存储警惕期 价格短期内不会显著下降 [31] **3 应用场景与市场展望** * 手机对芯片功耗、面积、容量和性能要求严格且量产规模最大 PC需求多样（轻薄本重功耗 性能机重性能） [22] * 其他终端如车载座舱、机器人、家用NAS、小型服务器等场景展现出不同程度的需求增长 [23] * 终端市场相关落地产品（如AI PC、家庭NAS）有望在明年初或年中推出 但可穿戴设备暂时难以量产 [24] * NPU领域竞争激烈 关键是对算力和带宽利用率的优化 而不仅仅是提升算力 [52] **4 产能与供应链** * 兆易创新与长鑫存储合作紧密 长鑫具备快速响应市场需求的能力 若未来需求增加 有可能扩大生产 [41] * 国内3D DRAM封装主要由长鑫负责 封装价格占总价值量的5%至10% 且随堆叠层数增加而提高 [42][43] * DDR4与DDR5制造工艺基本相同 但DDR5需求增加导致更多产能转向生产DDR5颗粒 挤占了DDR4的产能 [40]