Chip Insight 資料庫
#HBM
找到 20 篇文章
Micron：RAM 缺貨恐一路延續到 2028，86.25% 毛利率背後是 AI 正在重寫記憶體市場
Micron 預測 2027 與 2028 年 DRAM、NAND 需求仍將高於供給，市場緊張程度甚至可能高於 2026。公司 FY2026 Q4 營收達 542.3 億美元、GAAP 淨利 377 億美元，而 FY2027 Q1 指引為約 615 億美元營收與 86.25% Non-GAAP 毛利率。真正值得注意的不是單季財報，而是 AI、HBM 與資料中心正在重新分配整個記憶體產業的產能。
阿里巴巴把 AI 推向 10 兆參數：真正的戰爭已經從模型延伸到晶片、互連與 20GW 資料中心
阿里巴巴在 2026 雲棲大會宣布，下一階段 Qwen 模型將朝 5 兆至 10 兆參數規模發展，同時推出自研 Zhenwu V900 AI 晶片、最高 50 萬卡叢集架構，並計畫在 2032 年前將全球資料中心容量擴張至超過 20GW。這已不只是模型參數競賽，而是一場從 MoE、HBM、互連、電力到資料中心基礎設施全面擴張的 AI 工業戰。
GPU 到底都拿去做什麼了？AI 吃掉最貴的產能，遊戲玩家真的只拿到剩下的嗎？
2026 年全球仍在大量生產遊戲 GPU，光第二季桌面獨立顯卡就出貨約 1,250 萬張，因此「NVIDIA 已經不想做遊戲卡」並不正確。但如果看的不是晶片顆數，而是最先進晶圓、HBM、CoWoS、封裝材料、資本支出與供應鏈議價權，答案便完全不同。NVIDIA 單季 Data Center 營收已達 890 億美元，而 Compute & Networking 營收超過 Graphics 十倍。玩家不是拿 AI GPU 的剩料做成 RTX，但在今日半導體產業最稀缺資源的配置順位裡，Gaming 確實已不再坐頭等艙。
發 100 萬還不夠？Micron 台灣員工拒絕史上最大獎勵，AI 記憶體紅利引爆 15% 分潤之爭
Micron 宣布向符合資格的台灣員工提供一次性新台幣 100 萬元現金獎金，直接生產人員整體獎勵最高可達 68 個月基本薪資，但桃園與台中工會仍未接受現行制度。真正的爭議不是單次獎金有多少，而是 AI 與 HBM 熱潮創造的巨額獲利，是否應建立與營業利益直接掛鉤的長期分紅制度。
Astra 上線後，先被點燃的不是 OpenAI 股票，而是記憶體：HBM 供應鏈重新成為 AI 主戰場
OpenAI 推出 GPT-6 Astra 後，全球半導體市場迅速把焦點重新轉向記憶體。9 月 7 日 Samsung Electronics 上漲 5.68%，SK hynix 大漲 8.26%，而前一個美股交易日 Micron 也上漲逾 6%。市場正在重新押注一件事：當 AI 從一次性問答走向長時間 Agent 任務，真正被大量消耗的不只是 GPU 算力，而是整個 HBM、DRAM、NAND 與資料中心記憶體階層。
DeepSeek 傳下單 16 萬顆華為 Ascend 950DT：NVIDIA 在中國 AI 市場面臨更深的國產替代壓力
DeepSeek 據報將為內蒙古一座 1GW 級 AI 資料中心採購約 16 萬顆華為 Ascend 950DT，訂單估值可能達 25.6 億美元。更值得注意的不是單一晶片性能，而是中國大型 AI 業者開始願意用更多晶片、更大的叢集與更高系統複雜度，換取降低對 NVIDIA 的依賴。
SEMICON Taiwan 2026 今日開展：AI 晶片戰爭，正在從電晶體走向整個系統
SEMICON Taiwan 2026 於 9 月 2 日正式開展，今年超過 1,300 家展商、4,300 個攤位齊聚南港。從 HBM、Chiplet、3DIC、矽光子到微流道散熱，今年展會釋放出一個清楚訊號：AI 半導體競爭已不再只是比誰能做出更快的晶片，而是進入記憶體、封裝、互連、散熱與電力共同決定效能的系統級戰爭。
SEMICON Taiwan 2026 必逛廠商：如果只有半天，這幾個攤位先別錯過
SEMICON Taiwan 2026 登場，今年真正值得看的不只是晶片新品，而是 AI 晶片背後的先進封裝、HBM、Hybrid Bonding、材料、製程設備與矽光子生態。從日月光、Lam Research、Kokusai Electric 到 SET Corporation 與 Corning，這份清單整理出時間有限時最值得優先關注的廠商與技術方向。
AI 晶片真正的瓶頸不是算力？新論文指出：記憶體正在成為整台電腦的核心
一篇最新 arXiv 綜述重新整理了 GPU、TPU、Trainium、Groq、Cerebras、FPGA、PIM、神經形態運算與光子運算等 AI 加速器架構。作者指出，大型語言模型真正的限制正在從純算力轉向記憶體頻寬、KV Cache 容量與資料搬運能耗。未來 AI 硬體不太可能由單一架構取代 GPU，而更可能走向以記憶體為中心的異質運算系統。