Veronica半导体速报

1. 据FT报道，因自身计算资源短缺，Google告知Meta无法提供其所需的全部Gemini模型容量，迫使Meta部分内部AI项目延迟，凸显云服务商AI基础设施的紧绷状态。

2. 此事件验证了推理阶段内存比GPU更重要的观点：推理任务常因GPU等待数据而利用率低下，增加HBM等内存资源才能直接提升推理的单位经济效益。

3. 行业分析认为，美光等存储厂商在AI价值链中的地位将上升，因为推理的ROI越来越取决于内存带宽与容量，而非单纯堆叠GPU。

4. 该动向表明AI算力瓶颈正从训练向推理转移，HBM等高端存储可能成为下个结构性短缺的焦点，影响所有依赖云推理服务的下游应用。

^{[2] [3] [4]}

1. 因石油精炼与石化厂开工率骤降，作为副产品的原料CO2产量锐减，导致半导体级高纯度CO2出现严重短缺，现货价格较年初上涨约20%。

2. 该材料大量用于超临界清洗环节（制造流程第2/8步），在去除先进制程窄间距图形内的残渣方面难以替代。

3. 三星每月消耗约1800-2000吨，SK海力士约600-700吨，目前库存已不足一个月，企业正加紧采购但供给已无短期扩产可能。

4. 这是继氦、无水氢氟酸后，又一起因石化供应链波动引发的半导体材料危机，暴露了清洗环节对传统能源副产品的深度依赖，Taekyung Chemical等韩国供应商将直接受益。

^[1]

1. 多位行业观察者指出，【高通】的顶级工程师正加速离开，直言其在芯片战略上“正在失败”，人才保留成为巨大隐忧。

2. 同期联发科市值几乎追平高通，移动SoC竞争格局生变，加之高通在AI芯片、PC处理器等新业务上尚未打开局面，内部执行力受质疑。

3. 在AI与定制芯片时代，芯片设计公司的核心资产是人才，【高通】若持续失血，可能影响其下一代骁龙平台及汽车、IoT领域的竞争力。

4. 该事件提醒半导体行业新人：芯片公司的胜出绝非PPT宣讲，而是人才与执行力的实体较量，高通的动荡为竞争对手提供了挖角窗口。

^{[5] [6]}

1. IBM首席执行官Arvind Krishna表示，企业AI部署的第一年因工程师投入、高昂的token成本等而面临净亏损，这正是当前80%公司看似失败的原因。

2. 但第二年起就进入10倍回报的压缩点，因此云服务商（CSP）目前的负现金流与大额CAPEX并行并不矛盾，CAPEX与收入比将在AI收入扩大后开始下降。

3. 该逻辑支撑了【亚马逊】、微软、Google等CSP持续扩增数据中心和采购GPU/ASIC的行为，随着飞轮效应显现，上游芯片需求有望维持高位。

4. 新人可借此理解：当前半导体需求的基石不仅是AI训练，更是后续推理大规模变现的预期，这种“先亏后赚”的投入节奏将拉长芯片景气周期。

^[7]