本期重点关注【AI大模型竞争格局重塑】对芯片算力需求的影响,以及【DRAM存储周期与LTA长期协议】如何改变半导体供应链的估值逻辑。

技术进展

Kimi K3大模型性能超越Gemini,MoE架构与开源策略引发算力需求讨论

1. 发生了什么:Moonshot AI开源大模型Kimi K3在综合基准测试中超越谷歌Gemini,且宣称拥有2.8万亿参数。

2. 产业链环节:属于AI芯片需求侧。模型架构和“为【中国加速器】构建”的特性,将直接影响先进封装(服务于HBM)和AI加速卡的设计偏好。

3. 影响公司/赛道:对AI芯片制造商英伟达或在华销售形成结构性挑战,利好国内AI加速器(如昇腾)及相关算力生态。

4. 新人释义:Kimi K3的架构(推测为MoE混合专家)能用更少算力激活所有参数,类似“专家分工”,降低了对单卡算力的极致依赖,同时推升了对HBM高带宽内存的需求。

[1]

AMD MI350P加速器曝光:集成HBM通过PCIe接口渗透AI推理市场

1. 发生了什么:AMD曝光了代号为Instinct MI350P的AI加速器,采用HBM内存和通用的PCIe接口。

2. 产业链环节:涉及先进封装(CoWoS整合HBM)和测试环节。由于采用通用PCIe,无需依赖专有接口(如NVLink),降低了服务器设计门槛。

3. 影响公司/赛道:直接拉动对HBM的产能需求(利好三星SK海力士),并加剧中端AI推理市场的竞争。

4. 新人释义:在芯片制造流程图中,HBM和GPU核心需要通过CoWoS等封装技术精密结合。PCIe版加速卡让更多厂商买得起高性能AI算力,有望推动HBM出货量激增。

[2]

市场与需求

存储产业前瞻:2028年供应扩张担忧下,LTA与AI需求弹性成估值关键

1. 发生了什么:行业分析指出,市场提前反应2028年三星SK海力士扩产带来的供应过剩,股价承压。

2. 产业链环节:核心影响硅晶圆制备、后端封装测试及资本开支。讨论了未来几年DRAM的供需博弈。

3. 影响公司/赛道:关乎三星SK海力士美光等存储巨头的盈利模式。若AI需求刺激的LTA(长期协议)够牢固,可对冲历史周期性的价格崩盘。

4. 新人释义:存储芯片向来“供给决定价格”。文章指出,AI凭借1.42的需求弹性(价格降1%,需求涨1.42%),若结合非违约性长协(LTA),可能打破过去“一扩产就崩盘”的魔咒,重塑行业估值。

[3] [4] [5]