迈克尔·伯里做空AI龙头 - 知名投资者迈克尔·伯里旗下Scion资产管理公司大举做空英伟达与Palantir，相关空头头寸占其投资组合权重的80% [1] - Scion对Palantir的看跌期权名义价值达9.12亿美元（对应500万股），对英伟达的看跌期权名义价值为1.86亿美元（对应100万股） [3] - 伯里此前通过社交媒体暗示当前AI热潮回报率低迷，类比1999-2000年互联网泡沫，警示AI龙头或面临崩塌风险 [5] - 自9月30日以来，英伟达和Palantir股价分别累计上涨6.5%和4.6%，均创历史新高，若未平仓其空头头寸已面临浮亏 [5] 中国AI+医疗政策支持 - 国家卫健委发布文件，提出到2027年建立一批卫生健康行业高质量数据集，形成一批临床专病专科垂直大模型和智能体应用 [6] - 文件列举八个赋能方向，包括基层应用、临床诊疗、患者服务等，强调以基层为重点建立智能辅助诊疗应用 [7] - 在临床诊疗方向上，鼓励二级及以上医院医学影像智能辅助诊断从单病种向单个器官多病种发展 [7] - 加快智能理疗技术推广应用，支持符合条件的人工智能产品进入临床试验，并支持国产智能医疗装备的首台（套）应用 [7] 苹果中国渠道管理收紧 - 苹果中国区全面禁止线下授权经销商与电商平台合作，严禁其在线上渠道开展产品展示、推广及销售活动 [9] - 此举核心目的是遏制跨区域窜货引发的价格混乱，违规者将被直接取消授权 [9] - 管控并非“一刀切”，苹果官方授权专营店接入电商平台的即时零售业务未受影响 [9] - 业内分析指出，此举与“双十一”大促期间部分电商平台低价补贴引发的价格乱象直接相关，iPhone 17 Pro的线下与线上价差可达千元 [9] 影石创新回应行业竞争 - 影石创新董事长回应“大疆价格战”，表示友商发起的价格竞争为全景相机市场扩容创造了条件 [10] - 公司第三季度营收实现92.64%的同比高速增长，前三季度营收达66.11亿元，同比增幅67.18% [10] - 三季度研发费用为5.24亿元，同比激增164.81%，主要用于芯片定制等战略项目 [12] - 市场“破圈”效应显著，三季度影石与大疆官方App在核心市场的下载量与月活均同比高增 [13] SK海力士AI存储技术布局 - SK海力士宣布同步推进HBM、AI-DRAM与AI-NAND三大新型存储产品研发，以破解AI时代“存储墙”瓶颈 [14] - AI-DRAM细分三大技术方向，包括低功耗优化、性能突破和HBM技术延伸；AI-NAND聚焦性能提升、带宽扩容与密度突破 [14] - 公司12层堆叠HBM4已实现2TB/s带宽，计划2025下半年完成量产准备 [14] - 公司与英伟达、台积电、闪迪等合作开发生态，与英伟达共建的AI工厂将部署超5万颗GPU [14] 中国机器人行业增长 - 前三季度我国机器人行业营收同比增长29.5%，工业机器人产量达59.5万台，服务机器人产量达1350万套，均已超过2024年全年产量 [16] - 行业增长动力来自新能源汽车、3C电子等领域的自动化需求，埃夫特、新时达等企业机器人出货量同比增幅均超20% [16] - 分析指出，在特斯拉、Figure AI等龙头推动下，人形机器人有望于2026年进入量产阶段 [16]

文章核心观点 - 存算一体（Compute In Memory，CIM）通过将存储和计算融合，旨在解决传统冯·诺依曼架构的"存储墙"和"功耗墙"问题，提升计算效率和能效比 [1][12][21] - 该技术尤其适合AI等高算力需求场景，市场规模预计从2023年到2029年以154.7%的年复合增长率增长，达到306.3亿美元 [30][46][79] 技术背景与问题 - 传统冯·诺依曼架构采用存算分离模式，存储与计算独立导致数据传输瓶颈 [2][10] - AI时代数据量爆炸式增长，暴露"存储墙"（数据传输速度远低于计算速度）和"功耗墙"（数据传输能耗占比高达63.7%）问题 [11][12][17] - HBM技术通过3D封装缩短存算距离，但未根本解决分离问题 [18][20] 技术原理与优势 - 存算一体模仿人脑结构，在存储单元内直接计算，减少数据搬运次数，提升效率并降低功耗 [21][22][48] - 适用于AI矩阵乘法和乘累加运算，能效比显著提升（如PRIME方案功耗降低20倍、速度提升50倍） [28][47][48] 技术分类 - 近存计算（PNM）：通过封装集成存算单元（如HBM），但仍属存算分离，适用于AI、边缘计算等场景 [36][37][39] - 存内处理（PIM）：在存储晶粒中集成算力（如HBM-PIM），适用于语音识别、基因匹配等 [40][42] - 存内计算（CIM）：彻底融合存算单元，消除界限，是狭义存算一体，主要服务AI计算 [43][44][46] 存储介质与实现方式 - 易失性存储器（SRAM、DRAM）和非易失性存储器（Flash、RRAM、MRAM等）均可用于存内计算 [51][53][54] - SRAM适合大算力场景（高能效比），DRAM成本低但延迟大，Flash适合小算力场景 [54] - 新型存储器如RRAM（忆阻器）研究热度高，但面临工艺良率和可靠性挑战 [55][57][58] - 模拟存内计算能效高但误差大，适用于低精度场景（如可穿戴设备）；数字存内计算精度高但功耗大，适用于云端AI [60][61] 应用场景 - AI相关领域：自然语言处理、图神经网络、智能决策等，对算力效率和能耗要求高 [62][65] - AIoT智能物联网：碎片化市场注重成本、功耗和开发难度，存算一体具备优势 [63][64] - 云端AI计算：替代GPU部分场景，存算一体ASIC芯片在能效和固定任务处理上潜力巨大 [65][66][67] - 延伸应用：感存算一体、类脑计算等新兴领域 [68] 发展历程与现状 - 概念最早于1969年提出，但受限于技术未落地 [23][24] - 2010年后关键技术突破（如忆阻器实现布尔逻辑），2016年PRIME方案验证能效提升 [26][27][28] - 2017年多家巨头推出原型系统，引发学术界和产业界热潮 [29] - 2023年清华大学研发出全球首颗全系统集成忆阻器存算一体芯片 [32] - 当前进入高速发展期，传统芯片巨头和创业企业（如苹芯科技、Mythic等）积极布局 [30][31][33] 市场规模与增长 - 预计2029年全球存算一体技术市场规模达到306.3亿美元，年复合增长率154.7% [79] - 技术正从理论研究走向产业落地，未来几年将涌现更多创新和企业 [33][80]

大模型发展对存储技术的挑战 - AI大模型参数规模从GPT-3的1750亿增长至万亿级，计算资源需求激增，存储带宽成为关键瓶颈 [1] - 服务器算力峰值每两年增长3倍，但DRAM带宽增速仅1.6倍/两年，片间互连带宽增速仅1.4倍/两年，导致处理器利用率仅20%-30% [1] - "存储墙"问题制约AI训练和推理效率，内存存取速度滞后处理器计算速度长达20年 [1] HBM技术的突破与局限 - HBM实现每秒1.2TB数据传输速度，带宽为传统DRAM的数倍至数十倍，缓解AI芯片数据获取压力 [2] - 采用3D堆叠和硅通孔(TSV)技术缩短数据传输路径，但制造工艺复杂且成本高昂 [2] 3D铁电RAM的创新优势 - SunRise Memory开发垂直堆叠FeFET单元，存储密度比DRAM提高10倍，功耗降低90% [4][5] - 利用HfO2铁电效应实现非易失性存储，目标兼容3D NAND晶圆厂生产流程 [5] - KAIST通过调控HfO2准同型相界(MPB)实现4F²存储单元面积，为3D堆叠奠定基础 [6] DRAM+非易失性内存的融合方案 - FMC与Neumonda合作开发HfO2基DRAM+，兼具DRAM性能与非易失性，容量可达千兆位级 [8][9] - 相比传统PZT铁电层，HfO2兼容10nm以下制程，与CMOS工艺集成度更高 [9] Imec的2T0C架构革命 - 用两个IGZO薄膜晶体管(2T)替代传统1T1C单元，保留时间>400秒(传统DRAM的1000倍) [11][12] - 2021年优化后实现>1000秒保留时间、<10ns写入速度及无限耐久性(>10¹¹次读写) [15] - 14nm栅长IGZO晶体管保持>100秒保留时间，RIE技术将保留时间延长至4.5小时 [16] 其他新型存储技术进展 - KAIST开发纳米灯丝PCM技术，功耗降低15倍，兼具DRAM速度与NAND非易失性 [19][20] - 英国兰开斯特大学UK III-V Memory写入时间5ns(与DRAM相当)，能耗仅DRAM的1% [21] - 德国JGU团队SOT-MRAM通过轨道霍尔效应降低20%写入电流，能效提升30% [23][24] 行业趋势与未来方向 - AI驱动存储技术进入"架构+材料"双创新阶段，3D堆叠与非易失性成为核心方向 [25] - 多元化技术路线包括3D铁电RAM、IGZO 2T0C、SOT-MRAM等，部分进入工程验证阶段 [25]