内存价格凶猛上涨,美光、三星、SK海力士扩产,苹果也难逃存储荒!

内存价格上涨,三大制造商扩产

从左到右依次为美光CEO桑杰、三星电子会长李在镕以及SK集团会长崔泰源。图片由AI生成。内存价格正在经历一轮凶猛的上涨。美国投行Jefferies最新预测,2026年第三季度内存价格环比要涨40%到50%,第四季度再涨30%到40%。随后,2027年全年同比上涨40%至45%,且涨势至少延续到2028年才会放缓。

供应端,全球三大DRAM(动态随机存取存储器)制造商三星、SK海力士和美光的现有产能已经吃紧,当前总产能的一半还被“长期协议”锁死。不过,扩产也在同期进行。

美光此前已经在美国等市场投资超过1500亿美元新建产能。三星电子和SK集团日前也共同宣布了一项围绕半导体和人工智能基础设施的十年期投资计划:总规模2000万亿韩元,约合1.3万亿美元。三家存储原厂合计投资预计超过1.5万亿美元。

巧合的是,由于三巨头占据90%以上的市场份额,也引来了反垄断诉讼。美国律所Hagens Berman指控它们合谋操控价格,人为制造短缺。

存储原厂开始“烧钱”

根据当地媒体的报道,三星和SK集团的人工智能基础设施项目投资项目分散在半导体、显示、电池和数据中心等多个领域,其中半导体是重头。

三星计划在韩国西南部的光州和全罗南道建设4至5座前道(晶圆制造)晶圆厂,投入约300万亿韩元。龙仁半导体集群再建6座晶圆厂,投入360万亿韩元,原计划2048年完工,目前计划提前到2034至2035年。忠清南道天安和温阳的先进封装基地投入超过56万亿韩元,定位是封装研发与生产中心。

半导体之外,AI数据中心投资超过350万亿韩元,重点选址在忠清南道牙山。

SK海力士计划在光州建设四、五座前道晶圆厂,并在忠清北道清州扩建NAND闪存工厂,相关投资规模约600万亿韩元。

在此之前,SK海力士已经启动了部分扩产项目,但这些项目是否包含在这次公布的新投资计划里,该公司没有说明。

比如,SK集团会长崔泰源曾在6月11日表示,位于清州M15X晶圆厂计划2026年下半年开始运营,初始月产能4万片,预计2027年增至约8万片。

此外,龙仁半导体集群也在加速推进,一期预计2027年初完工,分为6个洁净室,每个洁净室逐步增加月产能6万片,仅第一工厂就可在2030年上半年之前增加月产能36万片DRAM。

美光的扩产,全球市场同步推进,美国本土是核心。第三财季业绩电话会上,CFO马克·墨菲(Mark Murphy)给出的资本支出指引是:第四财季约100亿美元,2026财年全年270亿美元。他还预告,2027财年的季度资本支出将高于2026财年第四财季水平,其中一半以上的同比增长来自建设资本支出。

目前,在美国爱达荷州博伊西总部园区,美光正新建两座晶圆厂ID1和ID2,总投资500亿美元,是美国有史以来建造的最大洁净室之一。ID1预计2027年中产出首批DRAM晶圆,其中包括HBM用基础芯片。ID2预计2028年底前投产。

纽约州锡拉丘兹的晶圆厂集群投资1000亿美元,是纽约州历史上最大的单笔私人投资,2026年1月已破土动工。弗吉尼亚州马纳萨斯的工厂最近启动了1-alpha DDR4技术生产,主要服务汽车、工业、医疗、航空航天和国防市场对成熟制程产品的需求。

亚洲方面,日本广岛的新建DRAM晶圆厂投资96亿美元,已引入EUV设备。在中国台湾当地收购的现有晶圆厂预计2027年中实现批量产品出货,比预期提前约一个季度。附近同等规模的第二座洁净室已开建,将支持EUV设备。

新加坡将成为美光的先进封装卓越中心,重点扩展HBM封装产能,预计2027年上半年开始贡献收入,当地新建NAND晶圆厂的十年投资约240亿美元。

梅赫罗特拉特别提到,美光最近跟ASML签了一项多年期EUV供应协议,为下一代1-delta节点及更先进工艺铺路。

三家公司的投资安排有一个共同点:都在扩产,但都是拉长时间、分摊负担,没有一家在赌短期爆发。

桑杰在美光第三财季电话会上解释,全行业都在努力增加供应,但扩产速度受限于以下几个因素:晶圆厂建设周期太长,设备交付越来越慢,熟练工人不够用,能源和水电基础设施也跟不上。

他把这些因素统称为“结构性约束”。在这种约束下,未来两三年,供给端的紧张大概率不会缓解。

HBM成为战略筹码

比起传统DRAM(动态随机存取存储器),真正让下游厂商睡不着觉的,是HBM(高带宽存储器)。这种堆叠式高带宽内存的需求逻辑,跟过去所有内存品类都不一样。

6月份,黄仁勋在首尔跟SK集团会长崔泰源会面时直接表示:SK海力士到2030年将存储晶圆产能翻倍的计划还远远不够。“我们已经从SK海力士采购,每年采购额达数十亿美元,而且这个数字还将大幅增长。”

根据分析师fin在《AI半导体终局推演》中的测算逻辑,每张GPU的HBM容量需求每年增长约40%,供给端的产能增量为14%,DRAM的单元密度增速只有9%,需求与供给的差距越来越大。

这意味着,DRAM的供给增速只有24%,增速差值达到16%。

更关键的是,传统DRAM是标准化产品,逆周期下,需求暴跌,进而价格暴跌,行业面临巨亏。HBM则绕开了这个陷阱。

fin认为,HBM虽然上层堆叠的依旧是DRAM,但Base die(基底裸片)有定制属性,客户需要和存储原厂签长约锁产能,同时AI需求可预测性更强,价格跌了反而会刺激客户加大配置量,形成托底。另外,由于技术换代快,旧货贬值快,存储原厂倾向于抢fabless客户的下一代技术资格认证,而不是在存量市场里打价格战。

根据fin的分析,HBM已经从过去那种“赚一年亏三年”的传统周期,变成了“上行赚得多、下行也亏不到哪里去”的成长性周期。他认为,只要Transformer架构里的注意力机制不被颠覆,HBM的指数级需求就不会停。

谁在争抢韩国产能?

6月份,黄仁勋在韩国与SK集团会长崔泰源、SK海力士CEO郭鲁正等举办“晚餐会”。

餐后,黄仁勋向现场媒体确认:英伟达新推出的Vera CPU将采用SK海力士DRAM;双方正在为今年下半年和明年“超大规模的合作”做准备。

同一天,英伟达与SK海力士官宣一份多年期技术合作协议,涉及AI超级计算机延伸到机器人、数字孪生和半导体制造。

黄仁勋不是唯一一个盯上韩国内存产能的人。

今年3月,AMD的CEO苏姿丰完成了她2014年上任以来的首次韩国之行,第一站就是三星电子在京畿道平泽的园区。

双方签下的谅解备忘录覆盖了多个层面:三星将为AMD下一代AI加速器MI455X供应HBM4内存,同时为代号“Venice”的第六代EPYC处理器开发定制化的DRAM方案。

巨头扎堆飞往首尔,本质上是因为内存正在从一种可按需采购的通用部件,变成一种需要CEO亲自出马去争取的战略资源。

美光掀桌子,苹果遭反噬

这轮涨价潮里,美光的态度比三星和SK海力士都强硬。在发布创纪录的第三财季业绩后,美光首席商务官苏米特·萨达纳接受《华尔街日报》采访时,罕见地翻起了旧账。

他透露,美光在上一次行业低迷期无法投资扩产,部分原因是一些客户“在定价上非常激进”,“以最低价采购”,把供应商的毛利率压成了负数。他说,美光当时就告诉过那几个客户,“这种做法没有建设性”。由于极差的定价和利润率,2023年许多行业投资被直接叫停。

尽管没有点名,但美光“吐槽”的客户被认为是苹果公司。

苹果长期以来以跟供应商强硬的议价著称,通过长期采购合同锁定低价,把自己的成本压到最低,同时把终端产品的价格往上提。

不过,强硬的供应链姿态,间接诱发的存储荒,也在反噬苹果自身。

苹果CEO蒂姆·库克最近承认,这轮内存短缺是“百年一遇的洪水”,涨价“不可避免”。话说完没多久,苹果就对MacBook、iPad、Apple TV和Vision Pro等产品线实施了全面提价。当天,苹果市值蒸发了2650亿美元。

据《金融时报》报道,该公司正在悄悄游说华盛顿,希望获得许可向中国存储芯片厂商长鑫采购内存。在苹果看来,长鑫没有深度卷入AI用HBM的供应争夺,理论上可以提供更便宜的内存。

市场研究机构Gartner分析师兰吉特·阿特瓦尔(Ranjit Atwal)对此评价道:“连苹果也无法幸免,尽管他们拥有所有的专业知识和长期规划,但这已经超出了他们限制影响的能力。”

现在,所有人都在预测,最快2028年之后存储短缺就会过去,只不过权力结构一旦翻转,很难再回到原点。在存储这个市场,买方不可能再拿回过去那种“予取予求”的筹码——内存的“大宗商品时代”正在落幕,而终端厂商还没有完全适应这个趋势。

代码下载地址: https://pan.quark.cn/s/a4b39357ea24 在计算机视觉技术中,数据集扮演着训练和评估模型的核心角色。Labelme作为一个广受欢迎的开源工具,能够支持用户以交互方式对图像进行标注,而COCO(Common Objects in Context)则是一种被广泛采纳的数据集标准格式,适用于包括物体检测、图像分割在内的多种任务。本文将详细阐述如何将Labelme生成的标注数据转换为COCO数据集的标准格式。 Labelme标注的图像在输出为JSON格式时,会包含以下核心内容: 1. `version`: 指明JSON文件的版本信息。 2. `flags`: 目前未定义或保持为空,预留用于未来的功能扩展。 3. `shapes`: 列表形式存储对象的形状信息,每个形状项包含`label`(对象类别名称),`points`(构成对象边缘的多边形顶点),以及`shape_type`(通常为“polygon”)。 4. `imagePath`和`imageData`: 提供原始图像的存储路径和二进制数据,便于后续图像的还原。 5. `imageHeight`和`imageWidth`: 明确标注图像的垂直和水平尺寸。 COCO数据集的标准格式中定义了三种主要的标注类型: 1. Object instances(目标实例):主要用于执行物体检测任务。 2. Object keypoints(目标上的关键点):适用于人体姿态估计相关应用。 3. Image captions(看图说话):用于生成图像的文本描述。 COCO的JSON结构中包含以下基本组成部分: 1. `images`:记录图像的基本属性,包括`height`(高度)、`...
内容概要:本文围绕基于Basisformer模型的时间序列锂离子电池SOC(State of Charge,荷电状态)预测展开研究,利用PyTorch深度学习框架构建并训练模型,旨在提升锂电池SOC估计的准确性与鲁棒性。该方法融合Transformer架构的核心机制,通过引入基函数(Basis)分解策略,有效捕捉电池充放电过程中长时序、非线性动态特征,增强模型对复杂工况的适应能力。研究不仅详细阐述了Basisformer的网络结构设计、注意力机制优化与训练流程,还提供了完整的Python代码实现方案,涵盖数据预处理、模型搭建、损失函数定义、训练验证及结果可视化等环节,便于科研人员快速复现、调优并拓展至其他电池状态预测任务。; 适合人群:具备一定深度学习与Python编程基础,熟悉PyTorch框架,从事电池管理系统(BMS)、新能源汽车、储能系统、智能传感等领域的高校研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于动力电池与储能系统的实时SOC估算模块,提升系统安全性与能量利用效率;②作为学术研究的基础模型,用于复现、改进基于Transformer的时间序列预测方法在电化学系统中的应用;③为数据驱动的电池健康状态(SOH)、剩余使用寿命(RUL)联合估计提供可扩展的技术框架。; 阅读建议:建议读者结合所提供的代码与公开电池数据集(如NASA、CALCE等)进行动手实践,深入理解模型的输入输出结构与时序建模逻辑,同时可尝试引入温度、老化周期等多维特征,或融合物理模型构建混合预测架构,以进一步提升预测精度与泛化能力。
内容概要:本文系统阐述了基于动态规划算法优化插电式混合动力电动汽车(PHEV)能源管理的技术方案,结合Matlab与Simulink工具实现完整的仿真建模与代码开发。通过动态规划这一全局优化方法,在已知驾驶循环条件下,精确求解发动机、电机及电池之间的最优能量分配策略,以实现燃油消耗与排放的最小化目标,解决PHEV多能源路径规划中的复杂决策问题。文中提供了详尽的仿真模型构建流程与算法实现步骤,涵盖车辆动力学建模、能量管理架构设计、状态空间定义、代价函数构造、最优控制律求解及结果可视化分析等关键环节,全面揭示PHEV能量管理系统的内在机制与优化逻辑。; 适合人群:具备一定Matlab/Simulink编程基础,从事新能源汽车、智能控制、电力电子、自动化或交通运输工程等相关领域的研究生、科研人员及工程技术人员,尤其适合专注于车辆能量管理策略、节能控制算法研究的专业人士。; 使用场景及目标:①深入掌握动态规划在混合动力汽车能量管理中的理论基础与工程实现方法;②学习如何在Matlab/Simulink环境中搭建PHEV整车仿真平台并实施多目标优化仿真;③为学术研究、学位论文撰写或实际工程项目提供可复用的算法框架、模型模板与技术支持,支撑后续对等效燃油消耗最小化策略(ECMS)、模型预测控制(MPC)、实时优化算法等的对比研究与性能评估。; 阅读建议:建议读者结合所提供的完整代码与Simulink模型文件,逐模块调试运行,重点理解状态变量离散化处理、前后向递推求解过程、惩罚项设置以及边界条件处理等核心技术细节,同时可进一步拓展应用于不同工况场景、不同车型结构或与其他优化算法(如庞特里亚金极小值原理PMP)的对比验证,从而深化对PHEV能量管理实时性与全局性平衡问题的理解。
内容概要:本文围绕基于多虚拟同步发电机(VSG)的独立微网系统,开展多目标二次控制策略的MATLAB/Simulink建模与仿真研究。通过构建包含多个VSG单元的独立微网系统,设计并实现了能够同时实现频率与电压的无静差恢复、有功/无功功率精确分配以及环流有效抑制的综合控制目标的二次控制方法。研究重点在于控制策略的整体架构设计、关键控制模块的数学建模及其在Simulink环境中的精细化实现,通过大量仿真实验验证了所提控制策略在不同工况下的有效性、动态响应性能及系统鲁棒性。; 适合人群:具备电力系统分析、自动控制理论及现代电力电子技术等专业知识背景,熟悉MATLAB/Simulink仿真工具,从事新能源发电、微电网运行与控制、分布式能源系统集成等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:① 深入掌握多VSG独立微网系统的建模方法与稳定性分析要点;② 理解并复现兼顾静态精度与动态品质的多目标二次协同控制算法;③ 为新型微网控制保护装置的研发及先进控制策略的工程化应用提供可靠的仿真验证平台和技术储备。; 阅读建议:学习者应在巩固电力系统基础理论的前提下,重点关注控制算法的设计逻辑、各控制环节间的耦合关系以及Simulink模块的搭建技巧,建议通过调整系统参数、设置不同的负载投切与故障扰动工况进行反复仿真,以深刻理解控制策略的内在机理与适应能力。
【通用视觉框架】基于Qt+Halcon开发的仿Visionmaster的通用视觉框架软件,全套源码,开箱即用 1.1 背景 ​ 本项目软件开发意图为实现对Halcon、Opencv算子及其它视觉软件的便捷使用,由于Halcon和Opencv使用相比VisionPro较为麻烦,故此本软件仿照海康VisionMaster的流程图式操作,实现对Halcon、Opencv及其它视觉软件的二次开发。 2.1 软件概述 本软件使用Qt框架进行开发,实现对视觉流程的自由搭配,市场上对标海康威视的VisionMaster; 本软件使用插件化开发框架,可使用提供的二次开发库自行添加新功能算子和新模块(将生成的插件放置到对应目录下即可); 2.2 功能概述: 视觉流程图式编程:实现对视觉/数据处理算子的自由编程,从而实现各类复杂的视觉需求 项目读取保存:将编程的视觉项目进行保存或者读取 图像显示:主界面中可以显示及监控视觉算子的图像处理情况 日志消息显示:显示软件运行过程中出现的日志消息 多语言:可进行多种语言切换 2.3 开发平台 主开发语言:Qt(C++) C++语言标椎:C++17 开发环境:Window/Linux 编程平台:Qt Creator 编译器: |版本 | MSVC | Qt 6.4.0 MSVC2019 64bit | | Mingw | Qt 6.4.0 MinGW 64-bit | 视觉工具:Halcon19.11 Progress X64 资源介绍请查阅:https://blog.csdn.net/m0_37302966/article/details/146980317 更多视觉框架资源:https://blog.csdn.net/m0_37302966/article/details/146583453
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值