3DGS迎來史詩級升級。智東西4月15日報導，今天，“AI教母”李飛飛的世界模型團隊World Labs開源了動態3D高斯潑濺（3DGS）渲染器Spark 2.0。▲Spark 2.0官宣開源（來源：X）李飛飛本人在該成果發佈的第一時間評論稱：“Spark 2.0現在可以在任意裝置上流式傳輸超過1億個高斯潑濺！能夠為基於網頁的3DGS渲染開源生態做出貢獻，我們感到無比自豪！”▲李飛飛評論（來源：X）Spark系列模型於去年首次發佈，是一個專為網頁建構的動態3D高斯潑濺（3DGS）渲染器。它與網頁端最流行的3D框架THREE.js整合，並利用WebGL2在任意帶有網頁瀏覽器的裝置上運行，包括桌面端、iOS、Android以及VR裝置。與上一版本相比，Spark 2.0新增了一套細節層級（LoD）系統，能夠在任意裝置上流式傳輸並渲染超大規模的3DGS世界。▲在兒童房間裡自由探索，物品細節清晰（來源：World Labs部落格）此外，新版還使用了.RAD的3DGS檔案格式，支援漸進式細化的流式傳輸，而虛擬潑濺分頁系統則通過固定的GPU記憶體分配，實現了對無限潑濺世界的訪問，通俗來講就是可以渲染無限大的3D場景。▲草原中的洞穴小屋，場景轉換無畸變（來源：World Labs部落格）如此流暢連貫的效果是怎麼實現的？針對大規模場景的擴展難題，Spark 2.0運用了3項圖形學與系統底層方案：細節層次最佳化、漸進式流式載入以及虛擬視訊記憶體管理。李飛飛團隊在部落格中，對Spark 2.0背後的三項技術進行了十分詳細的展開，具體如下：01. 採取連續式細節層級穩定渲染百萬級潑濺在電腦圖形學中，處理大型3D場景時常常採用細節層級系統，該系統會根據物體與觀察者之間的距離自動調整渲染的細節程度，不同的細節層級方法介於離散式與連續式之間，形成一個技術譜系。採用離散式細節層級（LoD，Level-of-Detail）時，系統需要為潑濺效果製作多個版本，從精簡到精細依次遞增，再根據各版本的近似邊界與相機的距離，在不同版本間進行切換。Spark的早期系統設計支援離散模式，但其存在明顯缺陷：當使用者在場景中移動、不同版本突然切換時，畫面會出現明顯的跳變；此外，將潑濺效果按區塊分組後，使用者還能看到清晰的邊界痕跡。Spark 2.0的LoD設計採用了一種連續式LoD方法，所有潑濺都存在於一個層級結構中，即LoD潑濺樹。Spark 2.0會沿著樹的一個邊界切割面單獨選取潑濺，從而在視口內最佳化潑濺的細節。▲LoD潑濺樹（來源：World Labs部落格）樹中的每個內部節點都是其子節點的一個低解析度版本，通過將子節點的多個潑濺合併成一個新的潑濺來近似表示子節點潑濺的形狀和顏色。這個過程一直持續到樹的根節點——一個單一的、大的潑濺，它聚合了該物體中所有潑濺的整體形狀和顏色。利用這棵LoD潑濺樹，Spark 2.0會計算出穿過該樹的一個“切片”，從而為當前視口選取最佳的N個潑濺進行渲染。通過設定一個最大潑濺預算N（根據裝置類型不同，通常在50萬到250萬個潑濺之間），系統確保每幀只需渲染恆定數量的潑濺，從而獲得穩定、高影格率的渲染性能。通過上下調整N值，即可在影格率和潑濺細節之間進行權衡。▲公園中的自行車，細節真實，前後一致性強（來源：World Labs部落格）Spark 2.0通過同時遍歷多個LoD潑濺樹實例，對該演算法進行了進一步擴展。與僅從單一根節點開始遍歷不同，針對每個3DGS物體，拓展後的演算法會將其螢幕尺寸及潑濺節點 (dm0,Sm0) 一同加入初始優先佇列，後續流程與原有邏輯保持一致，可在場景中所有3DGS物體上同步篩選需細化的細節層級。這一設計讓大規模組合世界的建立變得簡單高效：只需在空間任意位置加入3DGS LoD物體，Spark 2.0便能自動計算出每幀需渲染的所有LoD潑濺的最優全域子集。02. 設計新型檔案格式大場景3D世界在網頁上秒開Spark2.0定義了一種新的檔案格式.RAD（代表RADiance場），該格式能夠壓縮3DGS資料，並支援隨機訪問流式傳輸，從而在資料通過網路傳輸時實現漸進式細化。目前最常見的兩種3DGS資料檔案格式是.PLY和.SPZ，它們代表了兩種不同的資料編碼方式：行式儲存和列式儲存。.PLY檔案是按行順序儲存的，在接收到資料後立即顯示潑濺，從而實現漸進式載入。但它未經過壓縮，且編碼精度存在浪費。.SPZ檔案將相似類型的資料按列順序儲存在一起，從而獲得了更好的壓縮率。但遺憾的是，它無法實現漸進式載入，因為在任何潑濺獲得其所有屬性之前，必須接收完整的檔案。為實現3DGS資料的高效壓縮與流式傳輸，李飛飛團隊設計了全新的.RAD檔案格式。該格式編解碼簡潔、擴展性強、編碼精度可調節，同時支援隨機訪問。▲.RAD檔案格式（來源：World Labs部落格）檔案結構十分清晰：以RAD0檔案頭開頭，隨後依次為頭部中繼資料長度、中繼資料JSON，以及一個或多個各含6.4萬個潑濺的資料區塊。頭部中繼資料記錄了所有資料區塊的偏移地址與字節大小，支援任意順序讀取資料區塊內容。單個資料區塊也採用相似結構：以RADC塊頭起始，接著是塊中繼資料長度、中繼資料JSON，最後為該6.4萬個潑濺的壓縮資料。潑濺各項屬性按列儲存，可分別選用自訂編碼方式。同類資料集中存放，再通過Gzip壓縮，能獲得出色的壓縮率。頭部採用JSON編碼，可通過版本欄位與新增可選欄位保障後續擴展。資料類型編碼與壓縮演算法均以字串名稱在中繼資料中指定，方便後續擴展新類型。03. 採用虛擬記憶體開闢1600萬潑濺固定視訊記憶體池虛擬記憶體是一項記憶體管理技術，它以固定大小的實體記憶體為基礎，向程序提供大容量的虛擬地址空間，並通過頁表以固定尺寸的頁為單位，完成虛擬地址與實體位址的對應。Spark 2.0將這一思路應用到3DGS渲染中。具體來講，李飛飛團隊在GPU上開闢了一塊可容納1600萬個潑濺的固定視訊記憶體池，自動管理GPU中每6.4萬個潑濺為一頁的“視訊記憶體頁”，與.RAD檔案中對應大小的虛擬資料區塊之間的對應。▲虛擬記憶體（來源：World Labs部落格）資料區塊會按照LoD遍歷順序載入到空閒頁面中；當頁表佔滿，且新資料區塊優先順序更高時，系統會按最近最少使用（LRU）策略淘汰舊資料。Spark 2.0支援同時載入多個.RAD檔案並共用同一張頁表。對每個檔案，系統會記錄資料區塊到頁表的對應，以及頁表到對應檔案與資料的反向對應。在遍歷多棵LoD潑濺樹時，引擎會記錄資料區塊與檔案的訪問順序，形成全域統一的優先順序排序，進而對場景中所有3DGS物體的潑濺載入與儲存進行統一最佳化。04. 結語：Spark 2.0降低空間智能的創作門檻爭奪基礎設施定義權從2025年的首次亮相到今日的2.0版本迭代，Spark的進化軌跡某種程度上也對應著3DGS這一技術的成熟曲線。三維內容的交付長期以來被兩座大山壓著：一是資產太重，動輒GB級的檔案讓網頁端望而卻步；二是渲染太貴，高端GPU才能流暢運行的場景，手機瀏覽器只能圍觀。Spark 2.0通過連續LoD、.RAD格式和虛擬視訊記憶體“三板斧”，讓高品質三維內容像普通圖片和視訊一樣，在網際網路上自由流動、即點即看。李飛飛團隊選擇將該技術開源，降低了空間智能的創作門檻，同樣也是在爭奪下一代空間內容基礎設施的定義權。 (智東西)

今天“6G網要來了”話題沖上微博熱搜榜相關話題引發網友熱議“天涯若比鄰”將不再是科幻不遠的將來遠距離交流有望從“螢幕對視”升級為“空間在場”相關專家表示裸眼3D通話、3D彩鈴等一些依託6G的沉浸式消費場景試驗已經在河北、江蘇等地進行正在召開的中國全國兩會上培育發展6G等未來產業寫入今年的政府工作報告中作為重構未來數字資訊基礎設施的技術6G到了那個發展階段？將如何影響人們的生活？6G和5G的不同，遠不只是資訊傳輸速率的變化。中國全國人大代表、中國資訊通訊科技集團光通訊技術和網路全國重點實驗室工程師劉武表示，相比前幾代移動通訊技術，6G的顯著進步是“空天地海”全覆蓋，將地面通訊、衛星通訊、空中通訊和海洋通訊深度融合，同時實現通訊與感知、AI的深度融合。圖為2026年世界移動通訊大會上，6G人與智能體共生展區。新華社發“一方面將支撐偏遠地區通訊、海洋勘探、應急救災需求；另一方面利用無線訊號能夠監測環境、感知生命體徵，在自動駕駛、智慧家居、健康監護等領域應用潛力巨大。”劉武說。中關村泛聯移動通訊技術創新應用研究院首席科學家劉光毅表示，6G作為基礎設施，將為未來的產業發展提供助力。通過將算力和AI能力解除安裝到網路側，無人機、機器人、可穿戴裝置等智能終端將重量更輕、續航更長、成本更低。近期，工信部正式宣佈，中國已順利完成6G第一階段技術試驗，累計形成超300項關鍵技術儲備，並全面啟動第二階段試驗工作。劉武認為，“十四五”是6G技術的戰略佈局與關鍵技術儲備期；“十五五”更加關鍵，6G將走向“標準制定與商用準備”階段。工作人員進行6G網路協作通感技術驗證。新華社發“我們的目標是要把6G構想的‘全域感知’‘智能泛在’等能力，拆解成一個個可實現、可驗證的技術模組，並轉化為實實在在的生產力，讓6G真正服務於經濟發展、改善人民生活。”全國人大代表、中興通訊股份有限公司高級副總裁苗偉說，今年兩會提到前瞻佈局6G產業，更加增強了我們堅定完成任務的信心。 (新華社)

近日，美國康奈爾大學（Cornell University）研究團隊聯合台積電及先進半導體材料公司（ASM），在半導體成像領域取得重大突破，首次利用高解析度3D成像技術，成功觀察到晶片內部的原子級缺陷——“鼠咬”（mouse bite）缺陷。該成果於今年2月23日發表在《自然通訊》期刊，標誌著半導體行業的一次重大突破，也為高端晶片的偵錯與故障排查提供了全新工具。這項研究由大衛·A·穆勒（David Muller）教授牽頭，研究團隊借助電子疊影成像技術（ptychography），捕捉到電晶體內部的細微缺陷，這類“鼠咬”缺陷類似電晶體介面上的微小缺口，形成於晶片製造過程中，會干擾電子流動，進而影響晶片性能。這項成像技術是康奈爾大學與台積電、半導體材料公司 ASM 合作的結果，可能影響幾乎所有形式的現代電子裝置，從手機和汽車到人工智慧資料中心和量子計算。如今，高性能晶片的電晶體通道寬度僅15至18個原子，任何微小的結構偏差，都可能造成明顯的性能損耗。穆勒形象地比喻：“電晶體就像電子的‘微型管道’，內壁越粗糙，電子流動就越慢，精準測量其狀態至關重要。”以往人們只能通過投影圖像推測晶片內部結構，如今借助這項技術，工程師可直接觀測關鍵工序後的晶片狀態，精準調整工藝參數。穆勒教授指出，這是目前唯一能直接觀測這類原子級缺陷的方法，將成為晶片開發階段的重要特徵化工具，幫助工程師更精準地識別故障、完成偵錯，尤其是在開發階段。微小的缺陷一直是半導體行業的一大挑戰，隨著技術的日益複雜，元件的尺寸已縮小至原子尺度。本次研究的焦點也是電腦晶片的核心 —— 電晶體：一個小小的開關，電流通過一個由電門控制開啟和關閉的通道流動。研究團隊計畫進一步拓展電子疊影成像技術的應用，研究並減少缺陷，進一步提升晶片可靠性，以應對日益增長的人工智慧和高性能計算需求。 (半導體技術天地)

邊緣計算和雲端運算對儲存需求的激增，正推動各類應用對大容量快閃記憶體的需求持續攀升。3D NAND技術每12至18個月發佈一次，其擴展速度在替換率和性能提升方面超越大多數其他半導體器件。每推出新一代產品，NAND供應商都能實現讀寫速度提升50%、位密度提高40%、延遲降低以及能效增強。3D快閃記憶體製造商通過堆疊和連接儲存單元來維持這種驚人速度，這些儲存單元通過微小的深溝槽進行連接，且每一代產品都會變得更小更深。一項突破性技術——低溫蝕刻技術，能在僅100奈米的開口中鑽出數十億個深度達10微米的溝槽孔，且具有近乎垂直的輪廓。在注重能效和可持續性的行業中，這些創新蝕刻工具的設計目標是能耗僅為傳統低溫方案的一半，同時將碳排放量降低80%以上。在NAND刻蝕工藝中，關鍵挑戰在於如何在保持合理刻蝕速率的同時，確保從溝道頂部到底部的垂直輪廓均勻。建模技術在最佳化工藝配方方面發揮著日益重要的作用，以確保儲存孔內部的垂直輪廓無CD變化、無彎曲變形、無孔形畸變。即便資料集有限，人工智慧也能助力最佳化這些特徵的輪廓。這些儲存孔輪廓之所以至關重要，是因為其均勻性直接關係到NAND性能——具體表現為讀寫速度和程式設計/擦除效率。3D NAND晶片的主要生產商包括三星電子、西部資料、Kioxa（東芝旗下）、SK海力士等企業。通過採用更薄的二氧化矽與氮化矽交替層疊結構（ON），每代產品可增加30%的字線數量。隨後，深反應離子刻蝕（DRIE）技術會在晶片表面鑽出數十億個高縱橫比圓柱體（縱橫比超過50:1）。DRIE反應器能優先實現離子垂直定向，從而建構深溝槽隔離、矽通孔、MEMS腔體等垂直結構的平行排列。在NAND快閃記憶體中，若這些特徵的原子級輪廓與目標參數存在微小偏差，就會導致器件電學性能下降，不僅降低良率和性能，還可能影響可靠性。在100奈米孔徑、10微米深度的蝕刻工藝中，允許的輪廓偏差僅為10奈米。“若將10奈米的輪廓偏差作為深度的函數來考量，其偏差率不足0.1%，這一表現確實令人驚嘆，”藍思科技全球蝕刻產品副總裁金泰元表示。3D NAND技術的規模化發展路徑主要通過三種方式實現。首先，快閃記憶體單元可採用更緊密的排列方式（x和y方向縮放），或通過垂直連接進行堆疊。自2014年行業從2D轉向3D NAND以來，製造商主要在垂直方向進行整合，同時將邏輯電路置於儲存陣列下方以進一步縮小晶片尺寸（稱為陣列下晶片， CUA）。其次，晶片製造商在不增加面積的前提下，通過提升每個單元的儲存位數實現技術突破——從單位元發展到4位元（四態單元）甚至更高，從而顯著增加電壓狀態的數量。我們是如何走到這一步的？NAND晶片製造商之間的競爭異常激烈，他們致力於在每個製造步驟中實現卓越的均勻性和可重複性。其中關鍵工藝是儲存孔溝槽刻蝕。其他重要的高縱橫比NAND刻蝕工藝包括：槽口，用於隔離字線的蝕刻區域，確保電路正常運作；多層觸點，連接不同金屬布線層的孔洞； 樓梯結構，各層字線的接入通道。垂直溝槽刻蝕工藝完成後，氧化層、捕獲層及多晶矽溝道會沿孔側壁沉積。這種結構常被稱為通心粉溝道。在大多數NAND儲存器產品中，垂直排列的電荷陷阱單元已取代了原先位於源極/漏極上方的浮柵（FG）電晶體。儘管這兩種器件的工作原理相似，但電荷陷阱單元位於柵氧化層（源極與漏極之間）沉積的氮化物層中，本質上是一種內部含有氮化矽陷阱層的垂直MOSFET器件。當完成單元陣列後，晶片製造商通常會製作第二層或堆疊結構，這些結構隨後會被串聯起來。“但要確保貫穿這層約 30µm 厚的堆疊結構的線性直徑，會帶來越來越高的加工複雜度和成本，這對高堆疊沉積和高縱橫比刻蝕步驟提出了挑戰，”imec儲存工藝整合團隊的高級整合研究員薩娜·拉希迪指出。雖然採用多層短層結構可以減輕高縱橫比刻蝕工具的負擔，但也增加了成本和複雜度——特別是因為同一層中的多個儲存孔需要與第二層的孔對齊，以便後續連接。在必須對齊的短層結構與推動刻蝕性能以在ON堆疊中雕刻更深區域之間，存在著權衡關係。目前，NAND晶片供應商正採取雙層堆疊工藝：先在單層中整合儘可能多的儲存單元，再建構第二層。“另一個趨勢是將外圍CMOS電路最佳化到不同晶圓上，通過混合鍵合技術將其連接到儲存陣列堆疊，”拉希迪解釋道，“為控制不斷攀升的工藝成本，業界正推進垂直方向的進一步縮微，即所謂的z軸間距縮微。”為何要採用低溫工藝？傳統反應離子刻蝕工藝中，隨著微小孔洞內材料的不斷去除，刻蝕速率會逐漸下降。2010年代，刻蝕製造商開始探索低溫處理技術（0℃至-30℃），試圖通過低溫工藝與替代化學試劑的結合，既提升反應離子刻蝕系統的處理效率，又能最佳化垂直結構的垂直剖面。通過保持晶圓低溫，高能氟離子和氧離子承擔了去除氧化物-氮化物層及相關雜質的主要任務。“較低的溫度抑制了不必要的側壁刻蝕，同時增強了離子遷移率和轟擊效果，”Lam Research的Kim表示。該超低溫環境是通過在刻蝕平台上使用低溫機以及對晶圓進行氦氣冷卻實現的。從化學機制來看，蝕刻速率的提升源於表面擴散增強和中性物質物理吸附的增加。關鍵在於工藝工程師需要控制孔洞頂部聚合物的形成，這會阻礙離子流到達特徵底部。“通過精準調控晶圓溫度和氣體化學成分來控制孔洞輪廓，這種調控方式利用了蝕刻側壁上中性物質從化學吸附向物理吸附轉變的溫度依賴性特徵，”金解釋道。所需的蝕刻深度持續增加。TEL的Yoshihide Kihara及其同事估計：“對於未來具有超過400層的代際產品，為了維持當前的雙層堆疊結構，至少需要 8µm /層深度的儲存通道孔蝕刻。”[2]替代化學技術在降低碳足跡的同時實現了更快的蝕刻速率和孔深。TEL補充道：“通過使用氫氟酸氣體進行蝕刻，可以大幅降低傳統氯氟烴氣體的分壓，因此與第一代低溫工藝相比，溫室氣體的碳足跡可減少84%。”該公司還發現少量含磷氣體（三氟化磷）可作為催化劑促進氫氟酸與二氧化矽之間的反應，在低溫操作下提高蝕刻速率。低溫蝕刻技術的必要性已顯而易見。金指出，藍思科技已在3D NAND應用的量產晶圓廠中安裝了1000個腔室。RIE可採用兩種反應器類型——電容耦合電漿體和感應耦合電漿體系統。通常，ICP更為常見，因其兩個電極可獨立控制離子能量和離子密度，而射頻偏置功率則加速活性物種進入空穴。目前有多家RIE（反應離子刻蝕）裝置供應商，包括應用材料公司、Plasma-Therm公司、牛津儀器公司和森泰克儀器公司，但在高產量製造的低溫刻蝕領域，藍思科技和TEL公司佔據主導地位。TEL於2023年推出了首款低溫刻蝕機，而藍思科技則在2024年7月推出了第三代低溫刻蝕機。藍思科技的金先生指出，這三代反應器採用了三種不同的化學工藝。成功刻蝕的另一個關鍵要素是用於形成孔洞和狹縫的光刻掩模。晶片製造商使用厚非晶碳硬掩模（通過 CVD 沉積），並在其上旋涂玻璃和光刻膠以形成硬掩模圖案。這種厚掩模能保護在刻蝕過程中應保留的ON/ON/ON區域。Lam Research公司還採用電漿體脈衝技術在刻蝕模式與鈍化模式間切換。刻蝕工藝的副產物至關重要，因其能鈍化側壁，防止特徵結構彎曲。垂直溝槽刻蝕的縱橫比已接近70:1，而向100:1縱橫比的過渡將面臨更嚴峻的控制挑戰。輪廓控制、人工智慧與蝕刻工藝配方建模技術在提升製造精度方面發揮著日益關鍵的作用。以NAND垂直溝道蝕刻工藝為例，其蝕刻配方的最佳化需要考慮30余項可調參數，包括溫度、氣體流量、功率、工藝時長等關鍵指標。由蔡成恩（Cheng-En Tsai）領導的Macronix公司工程師團隊，揭示了一種基於人工智慧的方法，用於最佳化垂直通道（VC）結構中蝕刻後的輪廓，以最小化形狀變形（包括晶圓中心、中部及邊緣區域），以最佳化蝕刻工藝配方，從而降低CD變異。該方法可減少配方開發相關的成本與時間投入。蔡及其同事報告稱：“半導體行業面臨的關鍵挑戰之一是在配方開發初期即實現晶圓消耗最小化，這對成本效益和加速產品開發周期至關重要。”該人工智慧程序能夠最佳化33個蝕刻參數，以降低頂部CD、弓形CD（最寬點）、CD畸變及CD條紋水平的變異。Macronix公司AI輔助調校方法的核心策略，是基於全面資料集對預訓練Transformer模型進行微調。該微調過程通過將機器學習演算法應用於實際晶圓和設計實驗（DOE）分割的小型資料集。“通過將預測的刻蝕參數輸入模型，最終獲得的VC剖面圖使系統能夠以高精度模擬和預測VC結構，”Macronix團隊強調了領域知識的作用。“為提高模型預測的精準性，我們根據領域專家知識設定了特定約束條件的預設參數。這一步驟對最佳化模型輸出至關重要，確保預測結果符合實際可行的刻蝕條件。”通過使用在VC剖面圖10多個深度位置進行的TEM斜切測量，記錄了關鍵尺寸（CD）變化，並由機器學習確定了33個刻蝕參數的最佳化值。“該方法不僅通過生成高精度刻蝕剖面圖提升了刻蝕結構質量，還為半導體行業帶來了顯著的成本節約。通過先進的最佳化技術，AI輔助調諧方法確保最終形成的VC架構在最小化形狀變形和保持對CDs的精準控制方面展現出卓越性能。“最重要的是，新工藝配方顯著降低了特徵失真，這與NAND的性能和可靠性直接相關。”“在初始工藝中觀察到的VC形狀嚴重失真時，會出現明顯的突變閾值電壓，這表明3D NAND程式設計過程中存在性能不穩定現象。”AI輔助蝕刻工藝徹底消除了這種閾值電壓行為，使得器件性能變得可預測且經過最佳化。未來工藝製程面臨怎樣的挑戰？為實現每代產品新增更多ON層，縮小字線間距（現有器件中約為40奈米）是合理選擇。但國際微電子公司（IMEC）研究團隊警示，當NAND製造商在現有材料上持續製程縮小時，將引發兩大物理問題——橫向電荷遷移與單元間干擾。電荷遷移和訊號干擾會降低閾值電壓、增強亞閾值擺動、減少資料保持時間，並增加程式設計/擦除電壓。“當進一步減薄字線層厚度時，電荷陷阱電晶體的柵極長度會相應縮短。結果，柵極對溝道的控制力逐漸減弱，導致相鄰單元間的靜電耦合增強。除了單元間干擾外，儲存單元在垂直方向上的縮小還會引發橫向電荷遷移（或垂直電荷損失）。被困在SiN層內的電荷傾向於通過垂直SiN層遷移，從而影響資料保持能力，”imec研究人員表示。為抑制單元間干擾，工藝改進方案之一是採用低介電常數空氣間隙替代氧化物介質作為字線間隔。值得注意的是，二維NAND器件此前已採用空氣間隙技術。但相較於平面結構，垂直結構中引入空氣間隙的工藝難度顯著增加。Imec近期開發出一種可重複的氣隙方案，該方案在沉積 ONO 堆疊前對柵間氧化層進行凹陷處理。“氣隙通過與字線自對準的方式引入，可實現精準定位並提供可擴展的解決方案。”該方案及其他類似方案將被研究人員和製造商繼續採用，以推進3DNAND的尺寸縮小。低溫蝕刻是RIE工藝的重要發展，它能形成極深極薄的腔體，用於3D NAND器件的垂直接觸、狹縫、階梯接觸和外圍接觸。晶片製造商正在最佳化30多個蝕刻參數，以確保從特徵頂部到底部的CD變化較小的垂直輪廓。隨著這項極具挑戰性的技術不斷拓展，工藝模擬與人工智慧輔助技術可在無需運行數百片開發晶圓的情況下，對配方最佳化發揮重要作用。此舉既節省成本又縮短上市時間。因此，該行業很可能將更多依賴虛擬製造來完成這些及其他關鍵製造步驟。 (銳芯聞)

近日，微重力金屬增材製造返回式科學實驗載荷在中國科學院力學研究所（以下簡稱力學所）舉行交付儀式。載荷艙返回時的畫面。中科宇航供圖該載荷由力學所自主研製，於1月12日搭載中科宇航“力鴻一號”遙一飛行器，成功在太空完成金屬3D列印實驗，製備出金屬零部件，整體技術達到世界一流水平。“這是中國首次基於火箭平台，實施太空金屬3D列印實驗，第一次在微重力環境下成功列印出完整的金屬構件，有力推動了中國太空製造技術的發展，為未來太空基礎設施建設提供關鍵支撐。”載荷總設計師、力學所研究員姜恆說。為了在太空“過日子”當前，太空製造已成為全球空間技術競爭的戰略高地，太空金屬3D列印也是航天經濟領域關注的技術熱點之一。“在太空列印金屬的核心目的，是要解決未來人類在太空‘過日子’的現實問題。在空間站擴建、深空探測及地外基地建設等長遠任務中，原位製造能力將發揮不可替代的作用。”姜恆說。這一技術可以在太空中建一個“應急修理鋪”。“現在空間站所有的東西都得從地面運上去，未來如果去月球、火星，距離遠、運費貴，那怕壞個螺絲，都要耗幾個月時間等著地球的補給。太空金屬3D列印就是要讓航天員缺什麼就能直接造，從‘帶家當上天’變成‘在天上造家當’。”姜恆說。不過，與地面3D列印相比，太空金屬3D列印的技術難度要大得多。姜恆介紹，太空金屬3D列印的關鍵技術難度在於，微重力環境下的金屬熔凝過程存在失控風險。失重狀態使液態金屬不受重力與浮力影響，完全由表面張力、毛細力等控制，極易出現熔滴球化、斷絲、氣泡滯留等問題，對金屬成形的精度構成挑戰。“金屬絲一熔化，它不是往下流，而是熔成一個小球，還會沿著絲往回爬，非常難以控制。這裡面有微重力環境下的流體控制、熱傳導機制及冶金物理等基礎科學難題。”姜恆說。從“地面研究”到“太空工程驗證”20世紀90年代，國外就佈局了從空間站邁向小行星、月球及火星的一系列太空製造任務。近年來，中國逐漸開始加速佈局地面驗證、火箭實驗、在軌太空製造等任務，進入了與國外技術並跑競爭階段。2025年《國家航天局推進商業航天高品質安全發展行動計畫（2025—2027年）》明確提出，支援商業航天主體圍繞太空資源開發利用、太空製造、在軌維護與服務、太空環境監測探測、空間碎片監測預警與減緩清除、太空旅遊、太空生物製藥等新領域，加強原始創新和關鍵核心技術攻關、系統開發和應用服務，創新商業模式，發展新興業態。姜恆介紹，過去中國實驗都是地面實驗，主要依靠落塔或失重飛機，通過自由落體創造微重力環境，模擬太空狀態的地面實驗裝置。“落塔實驗可以驗證很多技術原理，但它最大的問題是實驗時間很短，只有3.6秒。”姜恆說。此次，實驗團隊自主研製出微重力金屬增材製造返回式科學實驗載荷，搭載著“力鴻一號”遙一飛行器，升至距地面120公里的亞軌道，獲得了數分鐘的實驗時間，並在這一時間內成功製備出完整金屬零部件。載荷副總設計師、力學所副研究員徐文帥介紹，任務過程中，團隊突破了微重力條件下金屬增材製造的物料穩定輸運與成形、全流程閉環控制、載荷與火箭高可靠協同等一系列關鍵技術。實驗結束後，載荷艙經傘降系統平穩著陸回收。科研團隊成功獲取了太空微重力環境中金屬3D列印的熔池動態特徵，物料輸運、凝固行為等過程的資料，以及太空增材製造金屬件的成形精度與力學性能等參數，為中國太空金屬增材製造技術的快速迭代積累了寶貴的實驗資料。“該任務標誌著中國太空金屬增材製造從‘地面研究’階段邁入‘太空工程驗證’的新階段。”姜恆說。科研院所與企業的協同創新在姜恆看來，此次實驗的成功，離不開力學所團隊與中科宇航團隊的協作。“力鴻一號”總設計師、總指揮史曉寧表示，本次微重力增材製造載荷是“力鴻一號”首飛任務的關鍵科學載荷。首飛任務不僅完成了從發射、在軌實驗到安全返回的全流程閉環驗證，更首次在太空環境中實現金屬構件的“地外製造”，刻下了中國太空製造技術發展史上的一個關鍵印記。“這使得‘力鴻一號’任務超越了火箭技術驗證本身，邁入了太空製造能力建設的實證階段。未來，‘力鴻一號’將繼續作為靈活、可靠、低成本的太空實驗平台，為更多前沿空間科學實驗提供在軌驗證能力，為中國深空探測與太空前沿技術自主發展注入創新動力。”史曉寧說。姜恆表示，力學所與中科宇航聯合完成的中國首次太空金屬增材製造全流程技術驗證，為中國商業航天與科研院所的協同創新提供了典範，標誌著中國在該領域已躋身國際前沿，相關技術突破為太空製造從實驗走嚮應用奠定基石。 (中國科學報)

2025年深圳地區生產總值達3.87兆元、增長5.5%，增速居中國一線城市首位。深圳經濟最堅實的底座是工業。《2025年度深圳工信十件大事》顯示，2025年全市規上工業總產值、全部工業增加值連續四年保持全國城市“雙第一”。在全國全省工業版圖中，工業第一大市堅決扛起中國工業向新向智向綠轉型的大旗。向新起勢。深圳按照省委具體部署、市委工作安排，集中力量、因地制宜推動重點產業、重點產品、重點叢集、重點企業超常規發展，發展壯大20大戰略性新興產業叢集，前瞻佈局8大未來產業。2025年，中國首款90GHz的超高速即時示波器在深發佈，高端電子通訊測試儀器實現國產替代；7家深企入選摩根士丹利全球人形機器人上市公司百強名單，佔中國大陸上榜企業近1/4；31款深圳產品入選美國《時代》周刊2025年最佳發明榜單。新質生產力蓬勃發展，戰略性新興產業“多點開花”，全市20個戰略性新興產業叢集增加值佔GDP比重升至43%。2025年，高技術產品產量快速增長，其中，3D列印裝置、工業機器人、民用無人機產品產量分別增長45.1%、43.1%、40.1%。向智佈局。記者從市發展和改革委獲悉，“十四五”期間，全市工業投資佔比從“十三五”末的13.6%提升至25.5%，建成投產深汕比亞迪汽車工業園、中芯國際12英吋線、華星光電T7二期等11個百億元級大型工業項目。深入實施“人工智慧+”行動，累計發佈“城市+AI”應用場景近300個。深化極速寬頻先鋒城市建設，累計建成5G基站8.6萬個，覆蓋密度全國第一。支援企業佈局6G等未來通訊技術，成功立項5個國家科技重大專項。在人工智慧與可穿戴裝置深度融合的浪潮中，深圳再次展現“硬體之都”的澎湃動能，以全球半數高端眼鏡產能為基底，加速向智能穿戴領域轉型，以“深圳速度”向“全球AI眼鏡第一城”發起衝刺。向綠而行。截至目前，深圳已累計培育134家國家級綠色工廠、28家綠色供應鏈管理企業。加快推動服務型製造創新發展，新增27家省級工業設計中心，省級工業旅遊培育資源庫入庫項目數量居全省第一。“十四五”期間，深圳全面建成超大城市數字電網，使用者年平均停電時間降至7.5分鐘/戶。啟動“超充之城2.0”建設，累計建成超充站1098座、充電樁53.6萬個。成功入選國家首批車網互動規模化應用試點城市。建成中國可調能力佔全市最高用電負荷比重最大的城市虛擬電廠，併入選2025年“全球能源網際網路十大引領工程”。通過數位技術與能源系統的深度融合，深圳正在加快建構清潔低碳、安全高效的新型能源體系。“工業第一城”動能十足。國家級高新技術企業數量是衡量地區科技創新能力和經濟發展活力的重要指標。記者從市工信局獲悉，2025年全市國家級高新技術企業總量預計將突破2.6萬家。2025年梯度式企業培育工作也交出亮眼成績單，新增專精特新“小巨人”企業347家，總量達1333家，首次躍居全國城市首位；新增國家級製造業單項冠軍22家，總數達117家，居全國城市第二。深圳還出台有力有效支援發展“瞪羚”、“獨角獸”企業行動計畫，培育“瞪羚”企業215家、“獨角獸”企業42家，其中，新晉“獨角獸”企業13家、數量排名全國城市第一。步履鏗鏘。深圳始終瞄準產業新風口，加快建構具有深圳特點和深圳優勢的現代化產業體系，用高品質發展和高強度創新，不斷推高中國“工業第一城”的標準。 (深視新聞)

在生命進化的漫長長河裡，“看見”世界比“談論”世界早了整整5億年。如今，AI正在補上這一課。這句充滿進化論智慧的判斷，正是李飛飛對當下AI浪潮的最新註解。在充斥著浮躁與噪音的矽谷，她的聲音始終代表著一種冷靜的遠見。台北時間2月4日凌晨，這位公認的“AI教母”帶著初創公司World Labs現身思科年度AI峰會(Cisco AI Summit)。作為曾經引爆電腦視覺革命的科學家，她沒有隨波逐流於大模型的語言遊戲，而是將目光投向了AI進化的下一塊拼圖：空間智能(Spatial Intelligence)。她認為，AI的下一個巔峰，不只是會寫程式碼和聊天，而是像生物一樣，真實理解並互動我們所處的這個三維空間。而超越技術維度之外，她更為AI的未來立下了一把人文標尺：“AI的成功，應當體現為文明的進步，讓每個個體都能由此追求幸福、繁榮和尊嚴。”以下是本次精彩訪談的解析，為你拆解“空間智能”將如何重塑我們的未來。01 進化論的啟示：感知先於語言很多人認為AI的終極形式是語言模型，但李飛飛提出了一個有趣的視角：從進化論來看，語言其實是“後來者”。她舉例說，在5億多年前的寒武紀，生命體最先發育出的並不是語言，而是感知系統。動物通過觸覺和視覺觀察環境，才開啟了那場讓生命變得更聰明的“進化軍備競賽”。李飛飛認為，“理解、推理並與3D物理世界互動的能力，與語言智能一樣，都是最基礎的底層能力。它是AI的下一個前沿。”這也是World Labs的核心邏輯：如果AI不能像人一樣理解空間，它就永遠無法真正進入現實物理世界。02 什麼是Marble？ 它不只是視訊，而是一個“世界”訪談中，李飛飛詳細介紹了World Labs的第一代模型：Marble。很多人將其與Sora等視訊生成模型混淆，但李飛飛指出，二者有著本質區別。Marble是一種真正意義上的“世界模型”：·全場景互動：它能根據文字或圖片提示，生成一個完整的、可導航的、可互動的3D世界。·物理一致性：它具有幾何結構，不是一段“看起來像”的視訊，而是一個在物理邏輯上始終保持一致的空間。這意味著，它不僅能用來做遊戲，更能直接成為機器人訓練的“虛擬實驗室”。03 意想不到的用例：從機器人到心理治療空間智能的應用邊界在那裡？李飛飛給出的答案超出了很多人的想像：·遊戲與影視：開發者可以用它快速建構可穿行的虛擬世界，特效團隊能進行虛擬製片。·機器人訓練：與輝達等夥伴合作，為機器人提供高精度的模擬環境。·建築設計：設計師能瞬間將平面圖轉化為可步入的3D樣板間。最令人稱奇的是醫療科研。心理學家正利用Marble為強迫症(OCD)患者定製個性化的沉浸式環境，通過模擬特定觸發場景來進行科學干預。04 資料與算力：我們離通用機器人還有多遠？當被問及Marble是否像GPT-5那樣燒錢時，李飛飛顯得很坦誠。目前，Marble的訓練規模比頂級大語言模型要小幾個數量級。這一方面是因為這個領域尚處於“規模定律(Scaling Law)”的早期，另一方面也面臨著資料獲取的挑戰。李飛飛坦言，不同於網際網路上隨處可見的文字，高品質的3D物理資料非常稀缺。她透露，World Labs當下採用一種混合資料策略，綜合利用網際網路級的圖文視訊、模擬資料以及類似自動駕駛公司的“實景捕獲”資料。關於通用機器人，李飛飛也潑了一盆冷水：“汽車只是在二維平面上移動、儘量不去碰東西的‘方盒子’。但通用機器人要在三維空間裡完成靈活、精準的抓取和互動。這是一個極高維度的難題，我們不能亂開空頭支票。”05 拒絕“技術末日論”：AI的成功應關乎尊嚴作為AI領域的領軍人物，李飛飛對當下的兩極分化言論感到擔憂。“技術烏托邦”和“末日生存危機”在她看來都不夠負責任。她強調，技術是雙刃劍，人類必鬚髮揮主觀能動性去引導它。那麼，AI最終的成功標誌是什麼？李飛飛借用了“電力”的類比：電力的成功不在於電線本身，而在於它點亮了學校、溫暖了家庭、延長了人類壽命。“AI的成功，也應當體現在文明的進步，讓每個人都能追求幸福、繁榮和尊嚴。”06 結語從理解像素到建構世界，李飛飛正帶領團隊在空間智能的無人區探索。這不僅是技術的跨越，更是人類試圖賦予數字生命“感知力”的又一次嘗試。空間智能，或許就是我們通往AGI的那把“物理鑰匙”。(以下為發言實錄)主持人：好的。接下來，我們要聊聊3D模型，而不僅僅是語言模型。今天，我們有幸請到了被譽為“AI教母”的李飛飛博士。很榮幸，我們也是飛飛博士公司的投資者。讓我們用掌聲歡迎李飛飛博士上台。我今天該穿上World Labs的周邊T恤的，你之前送過我，真的很有心。李飛飛：是啊，我可還等著思科的周邊呢。主持人：沒問題，我們馬上安排。感謝你來到這裡。看到World Labs在過去一年取得的進展，真的令人欣喜。飛飛，先跟我們聊聊你們目前在做什麼，以及為什麼這件事如此重要？李飛飛：好。現在我每天醒來，腦子裡其實只在想一件事：空間智能(Spatial Intelligence)。這就是我大約兩年前和一群年輕的技術專家共同創辦的公司：World Labs的核心。如果從進化論的角度來看，在5億多年前，最先開啟神經系統發育的並不是語言，而是感知。早在語言出現之前，動物就開始通過觸覺和視覺感知光線、接觸環境。主持人：那你認為“本能”也屬於感知的範疇嗎？李飛飛：對我來說，“本能”是一個比較虛泛的詞。但從物理進化上講，正是視覺開啟了進化史上的“軍備競賽”，讓動物變得更加活躍和聰明。理解、推理、互動並在真實的3D/4D物理世界中穿行的能力，與語言智能一樣，都是最基礎的底層能力。而其中的關鍵技術就是“空間智能”，這是AI的下一個前沿陣地。主持人：聊聊Marble吧。前陣子剛發佈的Marble到底是什麼？李飛飛：Marble是我們的第一代空間智能模型。我們私下管它叫“世界模型”。它能接收多模態輸入：無論是文字、圖片、視訊，還是簡單的3D輸入，然後根據這些提示詞，生成一個可以完全穿行、即時互動、且具有永久一致性的3D世界。這與目前的視訊模型截然不同，它擁有完整的幾何結構，可以支撐機器人模擬訓練或遊戲程式設計。主持人：有一種觀點認為，如果不增強AI的物理特性，我們就無法實現通用人工智慧(AGI)。隨著時間的推移，這裡面最大的“突破口”會是什麼？除了機器人領域，五年後我們還能用它做什麼？李飛飛：其實都不用等五年。現在就已經有使用者在用Marble開發遊戲了，影視特效(VFX)客戶也用它進行虛擬製片。我們正與輝達以及一些初創公司合作，將Marble作為機器人的訓練環境。建築師和設計師用它做室內設計。還有一個令我意外的用例是臨床研究：心理健康研究人員利用它為強迫症(OCD)患者建立沉浸式的個性化環境，來模擬特定的觸發場景。主持人：你把整個人生都奉獻給了AI。在創辦這家公司、研究空間智能的過程中，最讓你感到驚訝的是什麼？李飛飛：過去幾年的發展速度簡直令人窒息。每個人都會感到焦慮，覺得“要讀的東西太多，發佈的模型太快”。這讓我時刻保持謙遜，意識到自己所知甚少。另一件讓我擔憂的事是那些極度兩極分化的言論：要麼是技術烏托邦主義，要麼是“生存危機”之類的末日論。這兩種觀點其實都不太負責任。技術是一把雙刃劍，我們必鬚髮揮主觀能動性，引導它走向善意化和精細化的應用。主持人：在你看來，未來幾年AI的成功標準是什麼？李飛飛：回看電力技術，它的成功在於點亮了學校、溫暖了家庭、推動了工業化，並延長了人類的壽命。AI的成功標誌應該是：文明因它而進步，每個個體都能由此追求幸福、繁榮和尊嚴。主持人：大型世界模型的計算量和語言模型一樣大嗎？李飛飛：目前，我們的模型規模還沒有最大的大語言模型(LLM)那麼大。GPT-5的訓練算力可能在10^26 FLOPS左右，而Marble要小幾個數量級。部分原因是這個領域還很新：Transformer論文發佈於2017年，而世界模型才剛剛開始進入Scaling Law的上升曲線。主持人：語言模型是用網際網路上的免費資料訓練的。但物理資料很難獲取，所以合成資料變得至關重要。資料的匱乏會減慢世界模型的發展嗎？另外，未來我們會擁有通用機器人，還是專用機器人？李飛飛：我們採取的是混合資料策略。語言資料相對幹淨且易於觀察，但像素和體素(Voxel)構成的物理世界則複雜得多。我們利用網際網路規模的文字、圖像和視訊，但也需要模擬資料和“現實世界捕獲”資料，這與特斯拉或Waymo等自動駕駛公司的做法類似。關於機器人：作為科學家，我不喜歡亂開空頭支票。汽車可以看作是一個在二維平面上移動的“方盒子機器人”，它的主要目標是避開障礙物。而通用機器人是一個三維實體，它必須觸碰並與物體互動，且不能損壞它們。這是一個維度高得多的問題，涉及極高的靈活性和空間精準度。主持人：在最後的一分鐘裡，企業端應該如何看待世界模型？李飛飛：空間智能是一項橫向通用技術。除了機器人和遊戲，它還可以應用於醫療、教育、外勤服務、金融服務、農業、製造業和城市規劃。它是下一個前沿領域，我邀請大家共同來探索這個課題。主持人：非常感謝。李飛飛：謝謝。 (網易科技)

上周五儲存再次爆發，主要還是大摩早晨發的兩篇報告（我們周五早晨已發星球），剛好晚上我們請教了北美的儲存專家，側面驗證新邏輯。另外我們再交流幾個話題：3D DRAM、輝達在CES上發佈的新一代 GPU 架構對儲存的影響、以及未來儲存價格的判斷。1/CES2026輝達架構影響從我們以前的儲存框架來講，只是朦朧地知道，在接下來面對更多長文字的時候，可能需要更多的儲存支援。當時行業對轉折原因的分析較為分散，對儲存的判斷不夠清晰。但從25年8月份第三周開始，行情就出現了一個明顯的轉折。尤其是CES之後，輝達在 CES 2026 發佈代號為“Vera”的新一代 GPU 架構，核心升級在於引入專為大模型推理最佳化的計算單元，並配套推出“Context Memory Platform”（CMP，即推理上下文記憶體平台）；如果把邏輯推導到我們底層的計算和應用產品線上去講，從第一代、第二代開始就出現了這個問題：即我們所有的大模型都是 Transformer 架構。在這種架構下，都是採用 QKV 的計算方式。當文字越來越長時，KV 快取的容量就會越來越大。在模型早期，KV 快取是直接放在 HBM裡的，因為它必須有足夠的頻寬才能和 GPU 通訊。所以回看兩年前，HBM 突然被叫到了異常的高度，不論多少錢都要去做。背後的邏輯是：輸入的文字越來越長，對 HBM 的需求一定是長期穩定的。因此，幾家原廠才會不遺餘力地將 HBM 作為最高優先順序進行研發投入。雖然良率很低，但每年都在迭代，因為 KV 快取最初就是存在 HBM 裡的。但兩年前大家就發現這是一個問題，因為 HBM 良率低且極其昂貴。那麼有沒有其他方式？其實兩三年前整個行業就預見到了這個問題，於是很多儲存引擎或資料庫軟體應運而生，也就是想辦法把資料從HBM中拿出來。但從 HBM 裡面拿出來，拿出來往那去放？輝達其實在 DPU系列上一直有佈局。在搭載 B200、B300的時候就配有DPU。到了現在的 BlueField-4（BF4），已經是第四代了。BlueField 的核心邏輯就是通過一張 DPU（資料處理器） 來管理幾張卡的資料。其實在去年，DPU 本身就已經具備了解除安裝/外遷KV 快取 的能力，只是當時模型的發展還沒到那個臨界點，軟體層面的最佳化也還沒像今年 CES 展示的這麼明確。在今年 CES 2026 上，輝達正式推出了基於 BF4 的軟體定義邏輯，將每個 GPU 理論上能支援的最大儲存容量具象化了——即通過 DPU 擴展，單 GPU 可支援高達 16TB 的儲存容量。這個數字的量化非常關鍵。之前關注不多的人可能覺得這是一個新增的東西，但實際上，它只是把大家對儲存需求的估值給具體量化了。這導致這一輪市場對儲存的觀點發生了變化。但從整體上看，無論是架構邏輯還是底層原因，在更長期的路線圖上，它的發展方向其實是一脈相承的，並沒有發生根本性的巨變。2/一些儲存的關鍵問題（1）真實缺口僅 5%-10%，為何漲價預期高達 50%？核心邏輯：恐慌性搶購放大效應供需真相：實際物理缺口並不極端（Global Supply ~12w vs Demand ~12w），缺口約 5-10% 。恐慌傳導：上游原材料漲價 20% + 龍頭（華邦）轉產高利產品（DDR4/NAND）-> 供應端收縮訊號明確 。下游由於庫存極低（疫情後未補庫），恐慌情緒被點燃 -> “怕斷貨”心理導致需求被數倍放大 -> 即使提價也無法滿足需求 。價格指引：2025 Q4 已漲 30%，2026 Q1-Q2 預計再漲 30%-50% 。漲價節奏方面，2025年CQ4為行業漲價起點，但當時漲價未充分落地，2026年CQ1、CQ2漲價趨勢明確，市場信心充足，訂單量較高；不過隨著真實訂單和付款推進，2026年下半年行業或將逐步梳理非緊急需求，需求格局將更清晰。（2）漲價傳導機制：這次不一樣？靈魂拷問：這輪漲價是需求拉動還是因為上游漲價被迫跟進？邏輯鏈條：上游：晶圓代工漲價 ~20% 。競對：台系大廠（華邦等）計畫漲價 50%-100% 。應對：國內順勢跟漲 -> 2025 全年漲 30%，Q4 單季漲 20%+，小客戶漲 40% 。展望：未來一年預期再漲 30%-50% 。隱憂：漲價主要由供給側（產能調整、原材料）驅動，而非單純的需求側爆發，需警惕下游承受力 。（3）為什麼模組廠這次可能會“餓死”？為什麼：以前周期上行時，模組廠都能跟著喝湯，這次為什麼原廠不給貨了？邏輯鏈條：HBM 擠出效應：HBM 需要消耗大量晶圓 + 良率低吃產能 -> 且 HBM 單晶圓毛利遠高於 DDR4/5 。策略逆轉：原廠（美光等）“All in AI” -> 只有把晶圓做成 HBM 或 SSD 才划算 -> 拒絕向模組廠出售晶圓（視為低效產能和潛在競爭對手）。結果：模組廠賴以生存的“低買高賣”模式失效，未來 3-5 年面臨持續的晶圓短缺。3/3D DRAM及封裝技術相關上周和一家Fabless晶片供應商交流，他說目前唯一能量產的3D dram之後國內的那家頂流，下一步就是期待手機26年能量產。今天的專家說未來幾年預計不會落地什麼新的技術，像3D dram等先進封裝技術被定義十年以上的長期研發計畫...短期沒有什麼儲存新技術，僅能通過軟體層面最佳化現有SSD產品 (北向牧風)