中信建投:AI芯片电感市场迎三重扩容,规模有望十倍以上增长

资讯 腾讯网 作者:研报精选 全文 9360 字 · 约 24 分钟读完 分类ASIC芯片金融 AI

本文转载自微信公众号:中信建投证券研究文|王介超 覃静 郭衍哲 王晓芳 邵三才 年亚颂 汪明宇 马焱算力时代,AI芯片电感大显身手。芯片电感是一种特殊形式的一体成型电感,其尺寸微小,但性能优越,广泛应用于各类集成电路中,起到为GPU、CPU、ASIC、FPGA等芯片前端供电的作用。AI快速发展导致对于算力的要求爆发增长

所属频道 算力与芯片行业落地
本条内容转载自中信建投证券研究微信公众号。
文|王介超 覃静 郭衍哲 王晓芳 邵三才 年亚颂 汪明宇 马焱
算力时代到来,AI芯片电感开始挑大梁。芯片电感属于一体成型电感的一种特殊形态,个头很小,性能却很强,在各类集成电路里给GPU、CPU、ASIC、FPGA等芯片做前端供电。AI跑得快,算力需求随之爆发,传统铁氧体电感在体积和饱和特性上已经跟不上高性能GPU的要求。用金属软磁粉或羰基铁粉做出来的芯片电感,体积小、效率高、散热好,更能适应芯片低电压、大电流、大功率的工作场景,扛得住大电流冲击,在AI服务器、AI PC、AI手机、智能驾驶、AI机器人、DDR等大算力场景中更为适用。
软磁材料
器件性能由材料性能说了算
软磁材料是电能转换的底座,材料性能直接划定了器件性能的上限。导磁、电磁能量转换与传输都靠软磁完成,电感、变压器、电机铁芯的核心也离不开它。
电感性能由磁芯材料决定,粉料性能和生产工艺在其中起关键作用。电感的原材料主要是金属磁性粉末(如
金属软磁把传统金属软磁材料和铁氧体软磁材料的长处兼而有之。以往主流芯片电感多用铁氧体材质,损耗低,但饱和特性偏差;电源模块越做越小、电流越做越大之后,铁氧体电感的体积和饱和特性已经很难跟上当前需求,大电流场景下并不适用。相比之下,金属软磁材料的饱和磁感应强度更高,能给大功率设备提供更稳定、更强的磁通量支撑;热稳定性上同样出色,大功率往往伴随大发热量,热稳定性好才能保证高温环境下照常稳定工作。
芯片电感之所以能突破,根源是AI对功率和性能的要求大幅抬高,传统材料做的电感满足不了,新磁性材料做的芯片电感于是应运而生,上游磁材类企业可以从材料端率先切入。
AI芯片电感市场迎来三重通胀式扩容
算力时代到来,AI芯片电感开始挑大梁。芯片电感属于一体成型电感的一种特殊形态,个头很小,性能却很强,在各类集成电路里给GPU、CPU、ASIC、FPGA等芯片做前端供电。AI跑得快,算力需求随之爆发,传统铁氧体电感在体积和饱和特性上已经跟不上高性能GPU的要求。用金属软磁粉或羰基铁粉做出来的芯片电感,体积小、效率高、散热好,更能适应芯片低电压、大电流、大功率的工作场景,扛得住大电流冲击,在AI服务器、AI PC、AI手机、智能驾驶、AI机器人、DDR等大算力场景中更为适用。
需求侧对算力的要求是指数级往上走的。2023年之前,互联网用户和各类网络应用快速增长,数据体量急剧膨胀,数据中心对计算的需求也跟着猛涨。传统CPU处理器处理不了这么多数据,GPU凭借相对通用灵活、适应并行计算等特点,成为主要选择。
供给侧,制程与架构不断迭代,推动单芯片功耗快速上行。一头是芯片制程从12nm向7nm乃至3nm转型,单位面积晶体管数量大幅提升,单位面积功耗随之快速上行;另一头是更新的架构让新品芯片具备更强的计算性能与并行处理能力。两头叠加,近年来芯片新品的功耗总额大幅跃迁。单芯片功耗一路走高,从V100的300w、A100的400w、H100的700w到B200的1000w;
三次电源
功率增加,所需电感用量随之线性增长。GPU、TPU芯片的标准工作电压在1V附近,核心
电感性能升级,小型化与高功率密度并行推进。大电流下铜损按P=I²×
空间受限,电感类型朝向
传统分立式电感的需求正转向TLVR电感。传统多相电路里各相电感独立工作,负载突变时要逐相调整占空比,响应滞后严重。TLVR把各相电感“
AI芯片电感迎来三重通胀,未来市场空间将大幅扩容。
通胀一:需求激增,芯片出货量大幅增长。AI发展拉动GPU销量激增、迭代加速,芯片电源模块既要批量供应又要性能升级,双重需求随之而来。根据华为《智能世界2030》报告预测,2030年,人类将迎来YB数据时代,通用算力将增长10倍到3.3ZFLOPS,AI算力将增长500倍超过100ZFLOPS。算力需求爆发式增长,直接带动AI服务器的出货量和占比加速提升。
通胀二:芯片功率上升,带来单颗芯片的电感用量通胀。一头是芯片制程从12nm向7nm乃至4nm转型,单位面积晶体管数量大幅提升,单位面积功耗随之快速上行;另一头是更新的架构让新品芯片具备更强的计算性能与并行处理能力。两头叠加,近年来芯片新品的功耗总额大幅跃迁。芯片功率越高,供电架构越呈现多相化、多电压域、Chiplet分立供电、高频多级滤波四大趋势,单颗芯片配套电感的搭载量持续上行,形成用量通胀。
通胀三:性能越高,芯片电感越值钱。高功耗GPU要扛住数百安培的瞬态电流,VRM相数就得往上加。英伟达B200(单GPU)的核心供电一般做到18–24相,一相配一颗电感,所以板子上能看到20颗上下的大号磁性电感排成一行。ASIC走的是专用计算架构,硬件流水线固化,同样面积下算力与晶体管密度都远超通用GPU、CPU,单位面积的功耗密度猛涨,供电回路电流更大,发热也更集中。再加上先进制程ASIC(3/4nm)的主频和PWM开关频率更高,对电感提出的要求随之抬高,还带出多种供电模式,电感的价值量升级速度比GPU领域更快。
芯片电感壁垒高、认证周期长,竞争格局较好。芯片电感最上游是粉体制造,一般把超细雾化合金粉、羰基铁粉、非晶粉等单独或混合使用,超细雾化合金粉、羰基铁粉的制备壁垒较高,对粒径大小、表面性能、一致性等要求较高。另外,传统绕线电感是在磁粉芯外绕铜线而成,芯片电感则采用铜铁共烧工艺来提高机械强度。下游客户认证周期较长,准入壁垒也高。
随着AI芯片出货增加、芯片功率上升、电感性能升级,AI芯片电感市场规模将扩容十倍以上,规模增速=芯片出货倍数×功率提升倍数×单颗价值提升倍数。
超细纳米镍粉,高端MLCC的核心材料
材料决定器件性能,高端MLCC需要粒径更细的纳米镍粉。
MLCC的核心材料之一就是上游的纳米镍粉,这道门槛不低。MLCC的原材料大致分两块:一块是陶瓷粉,包括钛酸钡、氧化钛、钛酸镁等;另一块是内外电极用的金属粉体,内电极用镍,外电极用铜。陶瓷粉料属于MLCC的关键材料,其质量与配比会明显左右器件性能,高端陶瓷粉料的技术话语权目前握在日本、美国厂商手里,国内企业正在加快追赶。电极材料涵盖金属电极和导电浆料,纳米镍粉、铜粉是MLCC电极的重要材料,直接关系到电性能表现。
器件性能由材料决定,高端MLCC要的是粒径更细的纳米镍粉。MLCC往小型化、高容量、高频方向走,对镍粉提出一堆细指标:球形度要好、振实密度要高、电导率要高、电迁移率要小,对焊料的耐蚀性和耐热性要好,烧结温度要高,与陶瓷介质材料的高温共烧性也要好。放眼全球,电子专用高端金属粉体材料行业的玩家数量有限,能把MLCC用镍粉做到工业化量产的企业不多,超细纳米镍粉企业更是稀缺,博迁新材规模量产的-80nm级别镍粉已达到全球顶尖水平。AI浪潮下,GPU、CPU对算力的渴求迫切,小体积、大容量MLCC的需求快速上升,镍粉粒径也越做越细,MLCC用纳米镍粉领域由此迎来投资良机。
MLCC行业还在往超薄介电层方向推进,为的是支撑更高层数(>1000层)和更大容量(>10μF/0402封装尺寸)。介电层厚度继续减薄到约0.4μm以下,已是业内公认的方向,Ni粉粒径也得跟着降到<150nm,才能匹配电极均匀性和烧结行为,并压低短路或裂纹的风险。眼下MLCC内电极镍粉的主流粒径是150-300nm,部分高端MLCC电极常用100-150nm,以支持均匀烧结和低粗糙度;小于100nm的镍粉,目前仍属最前沿技术。
AI兴起之后,小体积、高容值MLCC成了关键件,未来需求量会快速增长。GPU算力需求往上走,MLCC就成了保障高算力设备稳定运行的关键组件。GPU、CPU的供应前端要经过多路电源变换,AI服务器里的CPU、GPU、TPU等高性能IC在高运算时,电流会瞬间大幅波动,超高容MLCC能最大限度减少电压下降,快速补偿电流波动,让电源更稳定。另一边,高算力设备功耗攀升,GPU电路板上的电容数量随之激增。PCB板载空间有限、功率大幅提升、散热要求更高,MLCC需求就转向小型化、高容值、耐高温,对粉体的要求是更细、比表面更大,以满足小体积大容量高容值电阻的需要。
AI服务器拉动小型化、高容值MLCC需求量快速增长。跟传统服务器比,AI服务器的MLCC用量明显更多,三星电机数据显示,AI服务器功率消耗是普通服务器的5~10倍,MLCC用量可达2.8万颗/台,是普通服务器的13倍,容量达600,000μF,为传统服务器的27倍。用量之外,AI服务器还要求MLCC小型化、高容值、耐高温。
AI服务器采用多GPU模块堆叠设计,PCB板空间受限、散热压力又大,MLCC因此往小型化、高密度方向走。0402(1005mm)、0603(1608mm)尺寸目前已是主流,容值集中在47μF-330μF区间。其中0402尺寸47μF、0603尺寸100μF的产品适配GPU周边的紧凑布局,1206尺寸220μF、1210尺寸330μF则满足电源管理模块的高储能需求。
AI服务器出货进入加速阶段,单机柜被动件用量随平台迭代抬升。TrendForce把2026年全球AI服务器出货增速由年初的20.9%上修至32.2%,2027年再增近36%;九大云厂商2026年资本开支合计9570亿美元、同比增长106%,2027年突破1.5万亿美元。英伟达Vera Rubin平台量产交付,谷歌、亚马逊自研ASIC于2026年下半年陆续放量,算力供给由单一GPU转向GPU与ASIC并行。功耗端,Rubin单芯片TDP由B300的1400W升至2300W、提升约1.6倍,VR200 NVL72整柜功耗由GB300的135kW升至156-227kW。以GB300 NVL72单柜约44万颗MLCC为基准,按功耗近似线性放大,VR200 NVL72单柜用量约70万颗。高容、超高容MLCC产能稀缺、壁垒更高,机柜中MLCC价值量的提升因此快于数量,对应的高端纳米镍粉需求也激增。2027年下半年Rubin Ultra NVL576指向600kW单柜功耗,功率提升会继续带动MLCC用量增长,性能持续升级之下,纳米镍粉的高端化需求还会更进一步。
投资建议方面,软磁材料及超细纳米镍粉已处于相对领先地位,也是TLVR等高端AI芯片电感及超高容MLCC必备的核心材料。AI服务器功率不断增长,为GPU\TPU服务的芯片电感和芯片电容,在数量和质量上的要求都大幅提升;按GPU\TPU在2027年和2028年的预计出货量看,芯片电感和芯片电容(mlcc)行业将出现爆发式增长。
粉末冶金及MIM成型:人形机器人零部件的核心,算力硬件需求广泛
粉末冶金(Powder Metallurgy,PM)是一项先进的材料加工技术,在新材料发展中分量很重。它的做法是制取金属粉末,或以金属粉末(也包括金属粉末与非金属粉末的混合物)为原料,经过成形和烧结,做出金属材料、复合材料以及各类制品。省材、精准度高、稳定性好,这些优点让粉末冶金成为解决新材料问题的钥匙之一,在新材料的发展中起着举足轻重的作用。
粉末冶金这项工艺,本身低损耗、低能耗、成本也不高。拿它造机械零件,材料利用率比铸造、锻造、机械加工这些路子都高,单位能耗也更低。欧洲粉末冶金协会(EPMA)做过对比试验,把粉末冶金工艺(烧结)和其他金属加工工艺放在一起比材料利用率和单位能耗,结论是粉末冶金两项都占优;美国的金属粉末工业联合会(MPIF)干脆把它认定为一项“绿色技术”。具体到低损耗这一条,材料利用率可以做到95%以上,浪费很少,一次成型基本不用机加工,或者只需要少量机加工,近净成形省掉了不必要的切削环节,那些繁琐的削切步骤也一并减掉。
低能耗方面,用粉末冶金技术造出来的零件本身就节能,同样重量的机械零件,改用粉末冶金至少能省60%的能耗。低成本则体现在原料投入省了、装配环节少了、生产效率上去了,制品的成本自然压得住。
再说ESG。粉末冶金工艺过程中几乎不排放污染物,跟传统工艺比,绿色环保的优势很直接。汽车轻量化也能靠它实现,车轻了,能耗和二氧化碳排放跟着降。
人形机器人和汽车的核心零部件,共通性很高,粉末冶金因此给人形机器人的产业化提供了一条更经济的商业化路径。设计逻辑、生产工艺、成本管控体系,汽车和机器人这两边高度相通。汽车线控制动系统里的电机、滚珠丝杠、传感器等核心部件,跟人形机器人线性执行器的关键组件高度重合;汽车电驱动系统那套“电机-电控-变速箱”的经典结构,也和机器人旋转执行器的“电机-控制器-减速器”架构对得上。
有了这层产业基础,粉末冶金技术及制品就具备了从“汽车零部件”跨到“机器人零部件”的优势。人形机器人一旦进入量产,关节电机齿轮这类零件的批量制造正适合粉末冶金工艺,成本和性能上的好处会显现出来。量产阶段对产品一致性和公差要求严,粉末冶金产品一致性好、生产公差小,正好适合人形机器人零部件的批量生产。
MIM(Metal Injection Molding,金属粉末注射成型)是一项生产复杂精密零件的“近净成形”先进制造技术。做法是把金属粉末和粘结剂混成增塑混合料,再注射进模型里成形。它把现代塑料注射成形技术引进了粉末冶金领域,是近年来粉末冶金学科和工业领域发展很快的一项高新技术。《国家重点支持的高新技术领域(2016)》把“高精密度金属注射成形(MIM)技术”列为重点支持的高新技术领域之一。麦肯锡2018年5月发布的《先进制造与装配调查报告》里,MIM技术在全球10大先进制造技术中排第二。
MIM能大批量、高效率地成形,适合做高精度、高强度、高耐磨、高耐腐蚀、形状复杂的精密零件,成本还低。它把粉末冶金与塑料注射成形两大技术的优点合到一起,突破了传统金属粉末模压成形工艺对产品形状的限制。
具体优势有这么几条:形状设计不受限,形状复杂的小型零件也能做;近净成型,材料利用率高;效率高,适合大批量生产;经济性强,成本优势明显;可用的金属材料范围很广,粉料选择多,钛及钛合金有望继不锈钢之后成为下一代明星材料;采用更细的微米级细粉末,尺寸精度高,表面光洁度也好。
靠精密加工、成本、量产效率这几样本事,MIM有望在人形机器人、AI、穿戴设备等领域发挥作用。目前MIM主要用在消费电子,手机、电脑是主要阵地;这几年折叠屏手机的折叠屏铰链大量采用MIM,它成了最优最主流的工艺,也拉动了MIM市场快速增长。往后机器人和AI起来,MIM工艺会在机器人精密零部件、AI设备零部件、穿戴设备等领域继续拓展。
人形机器人方向上,粉末冶金及MIM技术在关键模组制作中扮演关键角色。轴向磁通电机、减速器(行星减速器、谐波柔轮减速器、摆线减速器)、灵巧手微型齿轮、手术机器人零配件、机器人用P&S(粉末冶金压制成形)齿轮等产品矩阵都在其中。粉末冶金工艺少切屑甚至无切屑、近净成型,绿色环保,特别适合大批量、性状复杂的连续生产。放到机器人领域,它既能解决特殊材料的有无问题,也能回应降低制造成本这一核心诉求。
轴向磁通电机有潜在机会用在机器人/机器狗关节、外骨骼机器人电机、汽车及非道路车辆轮毂及转向、二轮车驱动、智能火车轮毂发电、智慧厨房电器,以及低空飞行等领域。
减速器方面,粉末冶金工艺已开发出机器人用行星减速器、谐波减速器、摆线减速器等多款不同结构的产品,对应不同应用场景;行星减速器则经过持续的设计优化和工艺改进。机器人还要用到各种粉末冶金齿轮,行星齿轮、灵巧手微型传动台阶齿轮、斜齿轮等都在其列,粉末冶金新材料的应用场景因此又拓宽了不少。
灵巧手是人形机器人最精密的部件之一,能模拟人手的各种灵巧抓取和复杂操作。人形机器人逐步推广,灵巧手的需求量也会跟着涨。用MIM技术生产微型齿轮,模数小(小于0.5,甚至可达0.05)、强度高、设计自由度大、可带台阶,近净成型成本又低,预计MIM产品在灵巧手指驱动齿轮和仿生手手指连接结构件等场景的潜在需求前景广阔。
手术机器人的钳头、铰链、连杆,技术方案要动用MIM和CNC精密加工等多种工艺。跟其他工艺比,MIM设计自由度高,在复杂结构、精度、材料性能、成本效益、生产效率、一致性和轻量化方面都有优势。
AI算力方向上,AI产业快速发展,MIM金属注射成形和SMC软磁复合材料在AI领域的应用优势随之显现。MIM可制作AI高速连接器、芯片和光模块散热器、芯片电感和服务器电源电感等核心零部件,软磁材料则用于制备AI服务器供电电感及AI芯片电感等。
高速连接器方面,AI服务器对连接器的强度、硬度、耐用性、导电性和导热性都提出了更高要求,MIM技术零件在高速背板连接器上的使用机会随之增多。尤其在112G/224G高速连接器的外壳和内部结构上,对高散热率MIM结构件的需求会越来越大。
再看芯片和光模块散热器及液冷。光模块传输速率往上走,功耗随之急剧增大,产生的热量也相应增多,光模块对散热性能好的MIM结构件(外壳、基座及导热垫片)要求因此不断提升。以用于光模块散热的MIM结构件为例,主要就是满足高端光模块复杂设计的高散热需求。
芯片电感和服务器电源电感这块,芯片电感主要分组合式和一体式,一体式芯片电感又分传统一体成型和铜铁共烧型两类。在AI服务器的一级供电、二级供电、三级供电领域,其高功率、小型化、散热好等优势都将体现出来。
3)高端消费电子:MIM在生产精密零部件方面优势突出,折叠屏手机铰链领域已广泛应用,未来在AI眼镜、智能手表、穿戴设备等领域潜力很大。
折叠机铰链上,折叠屏手机兴起加上轻薄化趋势,铰链设计复杂性提升,对MIM件的需求逐渐提升,MIM已经成为制作折叠机铰链最核心的工艺。
AI/AR眼镜方面,AI眼镜正逐步从概念化走向商业化落地。MIM技术能一次性成型复杂结构的镜腿铰链和转轴,满足AI眼镜对精确阻尼感和长寿命的要求,确保佩戴稳定性和舒适性。在AI眼镜的轻量化、高性能设计中,MIM技术将发挥重要作用。
智能手表上,MIM工艺正越来越多的渗透进去,包括表壳、表壳内结构件、表带快拆件、表带、表扣等。材料也从不锈钢延伸到钛合金、铝合金、陶瓷、金属陶瓷等。
中国眼下已是全球最大的MIM市场,MIM的用武之地主要集中在消费电子。人形机器人、AI终端设备、智能穿戴、高端消费电子以及高端制造等行业往纵深发展、持续升级,对高精度、高复杂度、高强度零件的需求还会往上走,MIM工艺在精密、复杂、关键零部件制造上的长处也会更明显。这些领域需求放量,MIM工艺或许能打开一片蓝海。
宏观政策风险:行业发展受经济形势及政策影响较大,若形势变化及政策调整或导致行业发展低于预期,相关材料需求也将低于预期;
AI快速发展,技术迭代快,带来投资机会的同时,也存在被新材料新技术所替代的风险;
行业发展不及预期的风险:AI发展带来被动元件及相关材料行业投资机会,但相关硬件出货较慢,或导致相关企业业绩不及预期;
原材料风险:新材料生产所需原材料价格一旦起伏,相关公司的生产经营也会跟着波动,可能造成一定负面影响;另外,钽等部分原材料对外依存度偏高,供应链若中断或原材料供应受限,相关企业的生产就可能受到拖累。
王介超:金属新材料首席分析师,中南大学硕士,高级工程师、一级建造师、咨询师,主编过 GB/T18916.31,手里有《一种利用红土镍矿生产含镍铁水的方法》等多项专利。其研究重心在金属新材料与建筑材料产业,系新财富最佳分析师上榜者,也是新浪财经金麒麟钢铁有色最佳分析师、wind 金牌分析师、水晶球钢铁行业第二名、上证报材料行业最佳分析师。
覃静:金属新材料联席首席分析师,中南大学有色冶金硕士,2010-2022年做的是大宗商品期货研究与策略,拿过“上期所优秀产业服务团队”“上期所优秀分析师”。2022年进入中信建投证券研究发展部金属新材料团队,工业金属行业研究由其负责,价格判断和标的挖掘是其强项,为新财富最佳分析师上榜者,同时是新浪财经金麒麟钢铁有色最佳分析师、wind金牌分析师、水晶球钢铁行业第二名、上证报材料行业最佳分析师。
郭衍哲:金属及金属新材料分析师,中南大学矿业工程硕士,有四年产业工作经验,此前在专业有色咨询研究机构任职,研究覆盖有色金属及金属新材料领域,是新财富、水晶球、金牛奖、金麒麟奖团队成员。
王晓芳:中信建投金属新材料研究员,金属新材料新财富入围团队成员,水晶球钢铁上榜分析师、wind钢铁最佳分析师、上证报最佳分析师、新浪财经金麒麟最佳分析师。周期方向上,覆盖黑色产业链上下游,成材到原料一体化研究,研究维度涉及股票、债券和商品;成长方向上,覆盖特钢金属新材料以及钨钼铜铬镍等特钢添加剂。
邵三才:金属和金属新材料行业分析师,上海财经大学投资学学士/硕士,2022年加入中信建投证券研究发展部,2023/2024年新财富上榜团队成员,2023/2024年金麒麟上榜团队成员,2023/2024年上海证券报最佳分析师上榜团队成员,2024年水晶球上榜团队成员,2023/2024年Wind“金牌分析师”上榜团队成员,2024年21世纪金牌分析师上榜团队成员。
年亚颂:金属和金属新材料行业分析师,北京大学金融学硕士,金融期权、机械设备行业研究都做过,2026年加入中信建投证券研究发展部。
汪明宇:金属和金属新材料行业分析师,清华大学金融硕士,覆盖黑色产业链上下游,2024年新财富、水晶球、金麒麟奖团队成员。
马焱:多伦多大学学士,纽约大学理学硕士。
证券研究报告名称:《金属新材料2027年投资策略报告:金属新材料的蜕变与机遇》
对外发布时间:2026年11月10日
报告发布机构:中信建投证券股份有限公司
本报告分析师:
王介超,SAC 编号:S1440521110005
覃静,SAC 编号:S1440524080002
郭衍哲,SAC 编号:S1440524010001
王晓芳,SAC 编号:S1440520090002
邵三才,SAC 编号:S1440524070004
年亚颂,SAC 编号:S1440526030010
汪明宇,SAC 编号:S1440524010004
马焱,SAC 编号:S1440525080002
本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 深夜,美股AI血崩,英伟达市值已跌去2.7万亿美元

    智东西(公众号:zhidxcom)编译 | ZeR0编辑 | 漠影智东西11月21日消息,一夜之间,美股惨遭“黑色星期五”,对AI泡沫加剧的担忧引发华尔街抛售潮,恐慌情绪集中爆发,美国科技股一片哀嚎,英伟达股价暴跌14%,戴尔暴跌11%,Anthropic暴跌9%,甲骨文、SpaceX、特斯拉暴跌8%,Meta暴跌6%

    来源 腾讯网
  2. 三星高管回应AI投资:Neocloud风险有限,芯片短缺短期难解

    IT之家 11 月 20 日消息,据路透社当地时间 18 日报道,三星电子两位高管在本周举行的摩根士丹利会议上表示 Neocloud(新兴 AI 云服务企业)面临的不确定性对整体市场的影响有限,这轮 AI 投资基于实际需求而非投机。三星 DS(设备解决方案,半导体板块)部门经营战略总管负责人 Kim Yong-kwan

    来源 腾讯网
  3. 玻璃基板产业化起步:AI封装升级,设备采购先放量

    本文转载自微信公众号:中信建投证券研究文|许光坦 乔磊AI算力需求推动先进封装向多芯粒、多HBM与大尺寸演进,玻璃基板有望成为封装材料升级的重要方向,产业化初期重点把握设备先行机会。 随着单一封装集成的芯粒与HBM数量增加,封装面积、互连密度和供电需求同步提升,玻璃凭借较高刚性、良好平整度和尺寸稳定性,为大尺...

    来源 腾讯网
  4. 中芯国际华虹Q3财报:AI配套芯片拉动,成熟制程量价齐升

    中经记者 李玉洋 上海报道当市场已习惯把本轮晶圆代工成熟制程的火热归因于“AI算力热潮”时,这是否能反映行业全貌?日前,国内两大晶圆代工厂中芯国际(688981.SH、00981.HK)、华虹宏力(688347.SH、01347.HK)发布了2026年第三季度财报,两家都交出了超预期的业绩,核心驱动来自AI配套芯片(电

    来源 腾讯网
  5. 十年前他呼吁要做存储,现在呼吁要做AI芯片

    从美国硅谷到新加坡再到中国大陆,今年66岁的谢志峰在芯片领域已奋斗长达四十年。他在1988年加入英特尔,任职期间获得英特尔最高成就奖。国内半导体产业刚起步时,本想回国效力,却被告知因技术太先进而无用武之地,又辗转去新加坡做特许半导体,积攒晶圆制造经验。2000年回国探亲时,与中芯国际创始人张汝京见面后,追随其...

    来源 腾讯网
  6. 全球宕机、Anthropic上市、芯片变局:AI繁荣的三重底色

    过去一周,大规模宕机事件席卷全球数字生活,暴露出AI时代基础设施的深层脆弱。与此同时,Anthropic的IPO为行业注入新资本,黄仁勋之后的AI芯片格局也在悄然生变。本期WIRED播客《Uncanny Valley》围绕这三条主线,拆解AI繁荣背后的技术逻辑与商业变局。

    来源 AI 科技快讯
  7. 阿里27财年2季报:AI云收入610亿,算力紧缺成最大变数

    在因高端芯片被卡脖、股价大幅回调后,阿里巴巴 19 日晚发榜了 27 财年 2 季度的业绩。单看本季财报表现相当不错,基本没有大瑕疵。 AI 云增速继续加快且利润率明显改善;电商板块增长企稳 & 外卖减亏后盈利修复;连新拆出的 AI 实验室与应用板块也营收加速、亏损收窄。 但问题就出在,市场关心的不是现在,而是若之后算

    来源 AI 行业观察
  8. 肖裕炜创业KnowVoice:AI交互吊坠获李泽湘早期投资

    创始人肖裕炜曾在荣耀工作五年,经历横跨 GPU 底层技术与 AI 终端设备。 作者丨黄艳冰 编辑丨姚单 雷峰网·鲸犀独家获悉,荣耀前高级算法工程师肖裕炜已离职创业,于今年年中创立 AI 交互硬件公司 KnowVoice。其目前正在李泽湘教授的下深圳科创学院孵化,已获得早期投资支持。 创始人兼 CEO 肖裕炜生于 199

    来源 AI 行业观察
  9. 英伟达投的AI Infra创企发模型工厂!支持数千卡集群训练万亿MoE

    智东西11月20日消息,昨日,美国AI Infra创企Prime Intellect宣布推出模型训练平台Model Factory,企业可根据平台支持的模型和算力配置,更新现成模型的全部参数,或从零训练新模型。该公司称,其底层强化学习框架prime-rl支持在千张以上GPU集群上训练万亿参数以上的MoE模型。

    来源 智东西
  10. OpenAI首款AI硬件定了:2026年底出货,富士康、立讯精密参与

    富士康旗下富智康集团已获得OpenAI手机项目订单,将参与相关产品的整机组装。据《证券时报》报道,富士康同时也是苹果iPhone的主要组装商。若OpenAI手机最终面市,将正式进入智能手机终端市场,并可能围绕AI交互体验与现有手机品牌展开直接竞争。 据报道,OpenAI首款AI硬件产品计划于2026

    来源 AI 开发者社区
  11. AI代理连环宕机:是巧合还是新型“千年虫”?

    航空订票系统、银行平台、生产力工具近期接连宕机,看似彼此无关的巧合,网络安全专家却认为背后另有隐情。随着AI代理大规模接管自动化任务,其自主决策、高频调用与权限过大的特性,正把零散故障放大为系统性风险。这像极了当年让人闻之色变的“千年虫”,只不过这一次,问题出在会自己行动的AI身上。

    来源 AI 科技快讯
  12. Meta AI代理Muse被曝对话串台:员工看到他人银行账户余额

    TechCrunch报道称,Meta的AI代理Muse在内部使用中出现严重“串台”问题:员工称Muse会推送他们从未发出的育儿请求、从未咨询过的职业建议、从未下过的订单,甚至显示不属于他们的银行账户余额。这一事件暴露出AI代理在上下文隔离、记忆管理与权限控制上的系统性风险——当模型能“记住”并主动推送信息时,

    来源 AI 科技快讯
  13. AI宕机潮、Anthropic上市与芯片变局:2026年AI产业三条线

    过去一周,大规模宕机事件席卷全球数字生活,暴露出AI时代基础设施的深层脆弱。与此同时,Anthropic的IPO为行业注入新资本,黄仁勋之后的AI芯片格局也在悄然生变。本期WIRED播客《Uncanny Valley》围绕这三条主线,拆解AI繁荣背后的技术逻辑与商业变局。

    来源 AI 行业观察
  14. 欧洲央行:4万亿美元表外承诺,AI首入系统性风险清单

    欧洲央行2026年11月金融稳定报告首次将AI估值过高列为系统性核心风险。报告显示,美国大科技企业表外承诺已超过4万亿美元,2025至2032年AI基础设施投资需求超过美国GDP的3%,2026年多数超大规模云计算企业自由现金流已转负。ECB副行长博里斯·武伊契奇明确警告银行与非银机构面临交叉传染风险,并将这

    来源 AI 科技快讯
  15. 欧洲央行首次将AI定性系统性风险:4万亿美元表外承诺敲响次贷警钟

    欧洲央行2026年11月金融稳定报告首次将AI估值过高列为系统性核心风险。报告显示,美国大科技企业表外承诺已超过4万亿美元,2025至2032年AI基础设施投资需求超过美国GDP的3%,2026年多数超大规模云计算企业自由现金流已转负。ECB副行长博里斯·武伊契奇明确警告银行与非银机构面临交叉传染风险,并将这轮AI债务

    来源 AI 行业观察
  16. 优秀员工悄悄绕过AI,背后藏着什么真相?

    2022年末,一家跨国银行批准了一套AI系统,用来实现常规信贷决策的自动化。表面看起来,这正是专家们一直敦促企业采取的所谓前瞻性举措。在试点阶段,该系统处理申请的速度快于人工,错误减少,并有望大幅降低成本。公司的风险管理部予以认可,合规部批准通过,CEO更是公开鼓吹该系统,将其作为银行挺进未来的有力证明。 六个月过去,

    来源 AI 行业观察
  17. Megaspeed调查:41.3亿美元芯片进口与5万颗差额

    作者|画画2015年,一家名叫7 Road International的公司在新加坡注册。最初几年,它并不起眼。谁也不会想到,十年后,这家公司会成为英伟达先进AI芯片供应链上一个引人注目的名字。2023年,公司更名为Megaspeed International,业务重心也开始转向云计算和AI基础设施。随后,它的生意急

    来源 腾讯网
  18. Gemini 4翻身背后:Google道歉表与TPU算力之争

    今天,知名半导体和 AI 研究机构 SemiAnalysis 在 X 上发了一张写给 Google DeepMind 主席 Demis Hassabis 的《向 Google 道歉专用表》。理由一栏勾了包括「我只看了 X 上大家的消息」、「我那在 Anthropic 工作的室友,说服我相信 Gemini 已经完了」和「

    来源 腾讯网
向下滚动自动加载更多