Core Viewpoint - The upcoming high-end M5 Pro and M5 Max processors are expected to adopt a different architecture from the M5, aimed at improving scalability and efficiency in performance, while potentially reducing heat generation and slightly extending battery life [2]. Group 1: Architectural Changes - The new architecture is anticipated to facilitate easier and more efficient speed enhancements, moving away from the SoC layout used in the M5 processor to a custom SoIC-MH layout by TSMC [2]. - The SoIC manufacturing process allows for separate chips to be connected through high-speed links, which may enable Apple to move the GPU to an independent chip group, enhancing performance scalability [4]. Group 2: Performance Implications - There is uncertainty regarding the performance impact of these architectural changes, as Apple could theoretically reduce the number of GPU cores instead of increasing them, although this is considered unlikely [6]. - The layout change may also influence the number of CPU cores, depending on how Apple utilizes the space freed up on the chip [6]. Group 3: Market Positioning - The current architecture strategy, which relies on integrated graphics, raises concerns about long-term performance scalability, especially as demand for AI and graphics processing capabilities grows [7]. - The potential new architecture could allow Apple to create a competitive 14-inch MacBook Pro capable of handling large machine learning workloads [7]. Group 4: Cost Management - Offering separate chip options for GPU and CPU performance could help manage costs, especially in light of memory shortages affecting laptop prices [8].

公众号记得加星标⭐️，第一时间看推送不会错过。 自人工智能热潮开始以来的三年里，有一点可以肯定的是，几乎所有大型人工智能项目都是从英伟达 的芯片开始的。 但去年，科技行业两家最强大的公司——同时也是英伟达最大的两家客户——对英伟达看似不可逾越 的业务造成了虽小但意义重大的冲击。 首先，亚马逊开始将数千个自己的人工智能芯片装入位于印第安纳州的庞大计算机数据中心网络，这 些芯片正被世界领先的人工智能公司之一 Anthropic 使用。 随后，谷歌还与Anthropic公司达成了一系列协议。三位熟悉该合作关系的人士透露，随着Anthropic 在纽约、德克萨斯州和其他地区建设多个数据中心，谷歌正在为这些设施提供芯片。这三位人士要求 匿名，因为他们未被授权讨论该交易。 多年来，众多芯片制造商一直试图与英伟达竞争，其中包括像AMD这样的老牌公司、像Cerebras这 样的初创公司以及像微软和Meta这样的科技巨头。但亚马逊和谷歌不断壮大的芯片业务才是英伟达 面临的最强劲对手。 "是的，英伟达控制着很大的市场份额，但在这个市场中，即使是很小的份额也价值数十亿美元，"数 据中心研究公司 SemiAnalysis 的分析师 ...

当谷歌的大模型 Gemini 3 在2025年末以惊人的多模态处理速度和极低的延迟震撼业界 时，外界往往将目光聚焦于算法的精进。然而，真正的功臣正沉默地跳动在谷歌数据中心 的机架上——那就是他们潜研10年的 TPU (Tensor Processing Unit)。 长期以来，英伟达凭借其"通用而强大"的 GPU 统治了模型训练的黄金时代。但随着大模 型 走 进 规 模 化 应 用 爆 发 期 ， 算 力 逻 辑 正 发 生 本 质 改 变 ： " 训 练 为 王 " 的 旧 秩 序 正 在 瓦 解，"推理为王"的新时代已经降临。 当专用架构的极致效率突破了通用架构的冗余局限，以 TPU 为代表的 ASIC 芯片正以不 可阻挡之势，从英伟达手中接过主角的剧本，重塑全球AI算力的权力版图。 成本为王，芯片变了 这些年，在海内外厂商的共同推动下，大模型和人工智能成为了几乎人尽皆知的热词。所谓大模 型，其诞生有点像一个人的成长：先通过预训练"博览群书"，在海量文本中学习语言结构和世界知 识；再通过指令微调，学会如何按人类要求组织和表达回答；接着借助基于人类反馈的强化学习， 对齐输出风格与边界，使回答更符合人类偏好； ...

公众号记得加星标⭐️，第一时间看推送不会错过。 业内人士周日表示，三星电子将在农历新年假期后开始出货其下一代高带宽存储器 HBM4，成为首 家将这款被广泛认为是人工智能计算领域颠覆性芯片的存储器制造商。 三星计划最早于 2 月第三周开始向英伟达交付 HBM4，用于这家美国芯片巨头的下一代人工智能加 速器平台 Vera Rubin。 此举标志着三星的战略反弹。此前，三星在HBM系列产品中的竞争力曾受到质疑。凭借HBM4，三 星希望缩小与同城竞争对手SK海力士的差距，并有可能超越后者。SK海力士凭借人工智能数据中心 需求的激增，率先取得了领先优势。 一位业内人士表示："三星率先量产了性能最高的HBM4芯片，证明了其在技术领域的领先地位已经 恢复。" "这使该公司在按照自己的方式塑造市场方面拥有明显的优势。" 预计英伟达将在下个月举行的年度开发者大会 GTC 2026 上发布搭载三星 HBM4 显存的 Vera Rubin 加速器。三星表示，出货时间是在与英伟达的产品路线图和下游系统级测试计划协调后确定的。 除了速度之外，三星在该产品背后的技术理念也值得关注。从一开始，该公司就致力于超越JEDEC制 定的标准，率先 ...

公众号记得加星标⭐️，第一时间看推送不会错过。 对于设备商而言，这种「缺空间」的现状虽然限制了新机台的装机速度，但也带动了高毛利的「现有 设备升级服务（CSBG）」订单。专家预期，这波由AI 驱动的设备上行周期，将因产能瓶颈的延迟 效应而拉得更长。 晶圆代工厂：淡季不淡 第1季为晶圆代工厂传统营运淡季，今年受惠人工智能（AI）需求强劲，加上面板驱动IC需求回温， 包括台积电等晶圆代工厂第1季营运表现可望淡季不淡，联电第1季晶圆出货量可望持平，台积电季营 收将季增4%。 晶圆代工龙头厂台积电在AI相关应用对先进制程需求强劲驱动下，2026年第1季营收可望达到346亿 至358亿美元，将创下历史新高，季增4%，并是第1季业绩表现较佳的晶圆代工厂。 世界先进在伺服器电源管理芯片出货依然强劲，加上电视及电子书市场展开备货和补货，相关显示驱 动IC需求复苏，第1季晶圆出货量将季增1%至3%。 只是随着产品组合变化，世界先进第1季产品平均售价可能下滑约3%至5%，推估第1季营收将较2025 年第4季持平至减少4%。 半导体设备三巨头ASML、Lam Research与KLA近期于财报会议中不约而同指出，目前芯片制造商 面 ...

Core Insights - The global MEMS industry is entering a new phase of consolidation driven by increased technological complexity, higher capital intensity, and the need for clearer strategic positioning [2] - Recent transactions involving STMicroelectronics/NXP, Infineon/ams OSRAM, SiTime/Renesas, and Qorvo's asset divestiture illustrate a trend where semiconductor companies are actively adjusting their business portfolios by divesting non-core assets and investing in segments with long-term differentiation and scale advantages [2] Group 1: STMicroelectronics and NXP - STMicroelectronics completed the acquisition of NXP's MEMS sensor business in early 2026, positioning it as a way to expand its global sensor capabilities, focusing on automotive safety and industrial applications [5] - This acquisition is expected to enhance STMicroelectronics' scale and service range in markets with long design cycles and high customer stickiness [5] - NXP's decision to sell aligns with its cautious portfolio management strategy, concentrating investments in areas where it can achieve system-level differentiation [5] Group 2: Infineon and ams OSRAM - Infineon announced plans to acquire ams OSRAM's non-optical analog/mixed-signal sensor product portfolio for €570 million in February 2026 [6] - The acquisition will include products, R&D capabilities, intellectual property, and testing/laboratory equipment, enhancing Infineon's sensor product line and system capabilities in automotive, industrial, and medical sectors [6] - Infineon's CEO indicated that the acquisition aims to create a product portfolio that aligns well with emerging humanoid robotics, positioning the company favorably in the market [6] Group 3: SiTime and Renesas - SiTime's acquisition of Renesas' timing business for $1.5 billion highlights the consolidation trend, as timing technology is closely related to MEMS technology [7] - SiTime anticipates that the acquired business will generate approximately $300 million in revenue within 12 months post-transaction [8] - Renesas is actively simplifying its product portfolio to focus resources on core platforms that maximize strategic impact [8] Group 4: Qorvo's Strategic Shift - Qorvo has signaled a strategic shift by divesting its MEMS-based sensor solutions business, generating $21.5 million in revenue from the sale [9] - The company recognizes that certain MEMS-based activities no longer align with its long-term strategic focus, indicating a trend of asset transfer to "natural owners" with stronger strategic fit and economies of scale [9] - The ongoing consolidation wave is expected to continue, particularly in automotive, industrial, and medical sensing sectors, where scale is becoming essential due to certification, reliability, and supply chain security [9][10]

公众号记得加星标⭐️，第一时间看推送不会错过。 内存价格正在疯狂上涨。我们自 2024 年底以来就一直在发出警告，至今已超过一年。最可怕的是， 我们距离峰值还很远。 自 20 世纪 70 年代商业化以来，DRAM 一直受益于定义半导体行业的两大缩放定律：摩尔定律和丹 纳德缩放定律。1T1C DRAM 单元包含一个访问晶体管和一个存储电容，其尺寸在数十年间不断缩 小。晶体管尺寸的缩小降低了每比特成本，而巧妙的电容设计则保留了足够的电荷以维持信号完整 性。 在DRAM行业的大部分发展历程中，DRAM的密度增长速度远超逻辑芯片，大约每18个月就能翻一 番，而非24个月，这极大地降低了成本。作为一种商品化产品，制造商需要持续降低每比特成本才能 保持竞争力。无法在成本上与之竞争的供应商陷入了恶性循环：销量低迷导致资金短缺，无力开发下 一代工艺节点，进而进一步降低了每比特成本。许多DRAM生产商因此破产倒闭，最终导致如今只剩 下少数几家主要厂商。 然而，过去几十年里，DRAM 的微缩速度显著放缓，密度增长也随之缩小。过去十年，DRAM 密度 总共只增长了约 2 倍，而行业鼎盛时期，每十年大约增长 100 倍。如今的电容器 ...

韩国的关键优势在于高性能存储芯片。它是仅有的三个能够制造这些关键尖端芯片的国家之一（另外 两个是中国台湾和美国），这使其成为制高点。 像 OpenAI 的 ChatGPT 这样的 AI 模型对尖端内存有着巨大的需求，这种内存可以加快与 NVIDIA 和 AMD 芯片的连接速度。高带宽内存比标准内存快得多，但生产过程也更加复杂。每 GB 高带宽内 存消耗的晶圆容量大约是标准内存的两倍。 三星电子和SK海力士合计占据全球内存市场一半以上的份额。包括美光和西部数据在内的其他美国 供应商难以或难以快速复制韩国的规模、良率和技术路线图。主要内存制造商警告称，其2026年的高 带宽产能已售罄。 公众号记得加星标⭐️，第一时间看推送不会错过。 虽然中国台湾的硅盾在全球半导体制造领域占据主导地位，但韩国正在迎头赶上，并变得同样不可或 缺。 内存短缺的情况似乎还会蔓延。由于制造商优先生产利润丰厚的高带宽芯片，用于智能手机和消费类 PC的"非热门"内存产量减少，引发了"恐慌性抢购"。内存价格飙升，某些类型的内存芯片 价格在过 去三个月里涨幅 超过300%。 使供应与需求相匹配并非易事。新的生产能力至少需要两年时间才能投入使用。由 ...

公众号记得加星标⭐️，第一时间看推送不会错过。 苹果公司于2025年10月15日发布了搭载M5处理器的MacBookPro，但对于M5 Pro和Max版本，该公 司一直秘而不宣。不过，苹果爱好者、YouTube频道Max Tech的主持人Vadim Yuryev的最新分析， 揭示了M5 Pro和Max芯片的一些设计特点。 苹果似乎将采用类似于 AMD 和英特尔的 2.5D 芯片，以实现更好的硅片扩展性和制造效率，这应该 有助于公司节省成本。 苹果 M5 Pro 和 M5 Max 的设计细节在网上泄露 据 Max Tech YouTube 频道的 Vadim Yuryev 称："苹果公司采用了全新的2.5D芯片技术，使得他们 能够将单一的M5 Max芯片设计同时应用于M5 Pro和M5 Max机型。这为苹果公司节省了大量的SKU 和设计成本。" 据悉，苹果将沿用现有 M5 芯片的设计来打造小芯片，用于 M5 Pro 和 M5 Max。爆料者认为，此举 将为苹果节省大量成本，因为该公司基本上可以重复利用现有设计，而无需像之前推出 M4 Pro 和 M4 Max 那样，开发全新的 SKU+单芯片设计。 Vadim ...

在生成式ＡＩ引爆全球科技竞赛之后，算力已成为攸关国家战略、产业主导权与企业生死存亡的核心 军备。从ChatGPT掀起第一波浪潮，到各国政府、科技巨头竞相投入大型语言模型（ＬＬＭ）与加速 运算架构，随着投入金额与能源消耗快速攀升，市场也意识到，真正决定ＡＩ效能上限与成本结构 的，并非单纯堆叠通用型ＧＰＵ，而是能否打造「为特定工作量而生」的专用芯片。ASIC正是在这 场算力决战中，市场正着眼的焦点所在。 ASIC重塑算力版图 ASIC的核心在于以高度客制化的硬体设计，换取远高于通用芯片的效能功耗比与长期成本优势。不 同于ＧＰＵ的广泛适用性，从架构设计阶段即深度绑定目标工作负载，能精准配置运算单元、记忆体 层级与资料通道，最大程度降低无效运算与能源浪费，这使ASIC在大规模、长时间运行的ＡＩ训练 与推论场景中，能显著拉开与ＧＰＵ的成本差距。因而成为云端服务商（ＣＳＰ）与大型科技公司在 追求极致能效比与总拥有成本（ＴＣＯ）优化下的必然选择。 公众号记得加星标⭐️，第一时间看推送不会错过。 真正决定AI效能上限与成本结构的，并非单纯堆叠通用型GPU，而是能否打造为特定工作量而生的 专用芯片。 AI模型规模与应用场景不断 ...