江波龍發佈公告稱，2026年上半年，公司實現營業收入240.88億元，同比增長136.26%；實現歸屬於上市公司股東的淨利潤105.77億元，同比增長71,528.66%；實現歸屬於上市公司股東的扣除非經常性損益的淨利潤100.47億元，同比增長31,096.33%。

江波龍表示，公司持續推進主控晶片在中高端記憶體產品上的深度應用，截至本報告發佈之日，公司自主設計的主控晶片已累計生產超2.8億顆。公司自研的5nm先進製程的UFS 4.1主控晶片憑藉卓越性能，與多家核心晶圓原廠達成深度的生態合作，並實現規模化應用，搭載自研主控晶片的UFS 4.1產品已量產出貨，將進一步擴大公司的行業領先地位。

公司已推出了採用同等先進製程的SPU晶片。SPU晶片的NAND I/O可達4800MT/s，高於市場採用6-12nm製程的PCIe 5.0 SSD主控晶片。SPU晶片搭配公司獨有的記憶體智能軟體架構（iSA™） ，能主動感知資料溫度、適配工作負載節奏，將DRAM中的溫冷資料，遷移至SSD的快取區，讓裝置在不增加DRAM配置的前提下，承載更大規模的本地AI模型。在AI全產業普遍面臨記憶體成本高企問題的背景下，相關軟硬體產品生態具備廣闊的市場應用前景。

報告期內，企業級記憶體業務收入達到21.40億元，同比增長208.80%。公司繼續深化在AI伺服器、資料中心領域的記憶體業務佈局，企業級記憶體產品已成功匯入部分頭部網際網路企業、伺服器廠商的供應鏈體系中。

報告期內，公司進一步強化了海外市場開拓，Zilia實現對外銷售收入39.50億元，同比增長184.58%。報告期內，公司全球品牌影響力持續提升，Lexar在以往高增長的基礎上，全球銷售收入達到39.66億元，同比增長84.90%。

具體而言，按照江波龍所說，公司這次業績驅動因素包括以下幾個方面：

自2025年第三季度以來，在AI相關應用及資料中心基礎設施建設對記憶體的龐大需求支撐下，半導體記憶體市場進入快速擴張期。在雲端市場上，AI模型的訓練與推理伴隨著密集的資料讀寫，拉動了AI伺服器及資料中心對大容量、高頻寬及高可靠性記憶體器產品的需求。在端側市場上，AI手機、AI電腦、智能汽車、AI可穿戴裝置及具身智能裝置的推出，使本地資料生成、模型執行及即時互動不斷增加，對記憶體器的性能、功耗及尺寸提出了更為嚴苛的新要求。在此背景下，記憶體器已不再僅僅是被動的資料載體，而是逐漸演化為AI運行的關鍵基礎設施。

在AI時代，下遊客戶面臨著DRAM容量瓶頸、高昂的記憶體成本、高延遲、高功耗以及微型化等諸多系統級難題，除了記憶體晶圓外，主控晶片、韌體演算法、封裝測試、散熱及系統級最佳化等環節，在決定記憶體產品性能和穩定性方面的重要性正日益凸顯。通過將主控晶片與韌體演算法的協同設計，融合快取管理、資料壓縮、冷熱資料分層管理等關鍵演算法，並開展系統級調優，具備系統級整合能力的獨立記憶體器廠商，可以有效幫助客戶提升實際可用記憶體容量、最佳化資料讀寫效率，並最終降低整體系統成本，更精準把握AI應用帶來的重要市場機遇。

2、重點業務增長驅動公司業績提升

（1）保持端側AI記憶體領先地位，技術和產品創新驅動業務增長

基於目前消費級產品大容量、高性能、定製化、低功耗的趨勢，公司在端側AI記憶體領域繼續深耕先進技術，依靠自研主控、自研韌體、自主封測等優勢能力，推出了UFS 4.1、超薄ePOP、超小尺寸eMMC等新型嵌入式產品。公司新一代超薄ePOP及超小尺寸eMMC，基於公司旗下元成蘇州的高端封測能力，實現了同一性能和容量標準下更高的整合度。公司ePOP產品已經批次應用於北美智能穿戴科技巨頭的智能穿戴裝置中；依據第三方公開評測資料，公司產品也同時應用於小米、阿里夸克、XREAL、Rokid等國內外頭部廠商的智能可穿戴產品，包括但不限於智能眼鏡、智能手錶產品中。基於公司UFS 4.1產品的性能優勢，公司已與多家原廠達成合作，面向移動及IoT市場推出定製化的高品質UFS產品及解決方案，搭載自研主控晶片的UFS 4.1產品已實現規模化的商業應用，將進一步擴大公司在超高端記憶體領域的領先地位。

公司已推出了採用自主高難度系統級封裝（SiP）技術的mSSD產品，將控制晶片、記憶體晶片、無源元件（電阻、電容等）以及不同功能的積體電路整合在一個封裝體內，大幅壓縮了mSSD的體積，極大簡化了PCBA分離式SSD的複雜生產流程，省去了PCB貼片、回流焊等多道SMT環節，具備明顯綜合成本優勢。公司mSSD功耗滿足NVMe協議的低功耗要求，無需工具即可靈活拓展為主流規格，靈活適配PC筆電、遊戲掌機擴容、無人機、VR裝置等不同類型的應用需求。mSSD產品已在頭部PC廠商處實現了規模化商業應用。

近年來，Lexar在產品和設計上不斷創新突破，並屢獲國際權威媒體和機構的高度認可，Lexar率先在行業推出了金屬SD記憶體卡，打破了長期以來記憶體卡塑料材質的侷限；Lexar的CF express Type B鑽石卡在2023和2024連續兩年收穫全球頂級影像獎項TIPA世界獎；Lexar Professional Go手機固態硬碟攝影套裝，在國際知名眾籌平台KICKSTARTER上收穫了近100萬美元的眾籌基金；Lexar專業車載U盤，目前已經成為眾多新能源知名車企核心車型的出廠標配。

公司子公司Zilia作為巴西頭部記憶體器廠商，已建構完善的海外供應鏈體系，與半導體記憶體全球頭部客戶、半導體記憶體原廠建立了長期合作關係，在巴西與南美市場擁有深厚影響力。公司整合自身技術和測試能力，與Zilia領先的封裝測試制造能力結合，建構了全球化與國內產能並重、自主產能與委外產能平行的製造格局，打造能夠應對新時代國際環境變化的彈性供應鏈及業務體系。

（3）企業級記憶體繼續高速增長

報告期內，公司企業級記憶體業務繼續高速增長，企業級記憶體業務收入達到21.40億元，同比增長208.80%。公司是國內少數具備“eSSD+RDIMM”產品設計、組合以及規模供應能力的企業，在eSSD與RDIMM產品組合基礎上，已成功點亮SOCAMM產品，結合MRDIMM、CXL2.0記憶體拓展模組建構了全面的企業級產品體系。公司的eSSD與RDIMM產品已成功完成鯤鵬、海光、飛騰等多個國產CPU平台伺服器的相容性適配，DDR5 RDIMM產品也通過了AMD旗下ThreadripperPRO 9000WX系列工作站CPU認證，為在主流平台上的廣泛應用提供了堅實的技術基礎。

在前期完成眾多平台和客戶驗證基礎之上，2024年以來公司企業級業務進入快速增長階段，客戶涵蓋營運商、大型及中型網際網路企業、伺服器企業等，產品已在通訊、網際網路、金融等行業歷經多次嚴苛考驗並成功交付。報告期內，公司企業級產品已匯入頭部網際網路企業的供應鏈體系中，並持續深化與多個領域知名客戶的合作，將為公司業績提升帶來積極作用。

（4）車規級記憶體形成差異化增長動能

公司作為業內較早進入車規級記憶體領域的企業，建構了涵蓋UFS、eMMC、LPDDR、USB在內的車規級記憶體產品矩陣。

基於車規產品驗證周期長、准入門檻高的特點，公司先後通過汽車行業核心標準體系的AEC-Q100認證和德國TÜV萊茵IATF16949汽車行業質量管理體系認證，公司已經開始直接向北美智能汽車及自動駕駛科技巨頭供應車規級記憶體產品，而且也進入了全球眾多知名車企的供應鏈體系。

受益於新能源汽車滲透率的持續躍升，汽車正加速向高級智能終端演進。智能座艙的智能應用生態，疊加自動駕駛系統對感測資料的即時運算需求，不僅大幅拓寬了車規級記憶體的市場容量，更對記憶體的讀寫性能與可靠性提出了嚴苛挑戰。

報告期內，公司車規級UFS 4.1記憶體產品已進入頭部汽車廠商的匯入驗證階段，該產品搭載自研5nm製程工藝高性能主控，順序讀取速度高達4200MB/s，是車規級eMMC5.1讀寫速度的近10倍。依託在車規級領域的全系列產品矩陣與全面戰略布局，車規級記憶體業務將在未來成為驅動公司持續高品質發展的重要動能。

3、自研晶片應用加速，建構技術能力底座

記憶體主控晶片在多個層面上對記憶體器的整體性能表現起到了關鍵作用，公司一直以來對記憶體器關鍵技術採取“以我為主、自主研發、循序漸進”的戰略。公司結合自身業務、產品優勢，在充分研究市場及客戶特點後有針對性的開始自主研發主控晶片，增強公司整體競爭力以及產品技術護城河。(半導體行業觀察)

隨著技術的發展，數據量的爆炸性增長，到2025年，全球生成和消耗的數據總量預計將超過180ZB。而電腦的核心部件－中央處理器（CPU）分析資料的能力卻有點力不從心，導致資料處理緩慢且低效。傳統的CPU為了滿足多工處理、高效能和節能要求，變得越來越複雜。在這個高速發展的時代，我們不能再依賴單一的CPU來完成所有的工作。為此，各種特定的處理單元（PU）如雨後春筍般湧現，其目標就是「瓜分」CPU的任務，人多力量大，各司其職，優化運算效率。

CPU是電腦的“大腦”，執行一般運算任務，而GPU則幫助CPU執行圖形和人工智慧等更複雜的任務。

GPU（圖形處理單元）最初是為了滿足圖形渲染的需求而發展起來的，在GPU晶片市場中，英偉達控制著全球約80%的市場。其GPU晶片主要用於遊戲市場，但現在它的作用已經遠不止於此。由於其並行處理的能力，一路高歌猛進的GPU，就像一個無畏的少年，展現了無限的可能。GPU已被廣泛應用於深度學習、科學運算等多個領域。這種運算能力不僅可以加速圖形處理，還能在其他任務上分擔CPU的負擔，如資料分析、機器學習等。

圖形處理單元，GPU，最初是為了滿足對圖形渲染的迫切需求而發展起來的，而現在它的功能已經遠遠超出這個範圍，成為推動現代計算的核心力量之一。由於其平行處理的卓越能力，GPU，就像一個無畏的少年，一路在遊戲、挖礦、AI等領域高歌猛進，展現出了無限的可能。今天，GPU已廣泛滲透到深度學習、科學運算等關鍵領域，成為這些領域不可或缺的一部分。

尤其是在當今的人工智慧的時代，生成式AI的廣泛和深入應用標誌著一場技術革命的到來。在這個背景下，圖形處理單元（GPU）的重要性逐漸超越了中央處理單元（CPU），並站上了歷史的舞台中心。

首先是，作為全球最大的GPU供應商，其英偉達約佔全球80%的GPU市場。2023年6月13日，英偉達的市值首次突破了兆美元大關，使其成為美國第五大市值公司，僅次於蘋果、微軟、Alphabet和亞馬遜。這一里程碑式的事件突顯了GPU產業的健康和成長動力，同時也預示著它在未來將繼續發揮重要作用。

英偉達目前的市值仍在1兆美元以上

接下來是資料中心業務大反轉。在過去幾年中英偉達的重心開始轉向了資料中心市場。2023年第二季的營收數據顯示了一個非常引人注目的現象。在2023年之前，資料中心的CPU市佔率一直顯著高於GPU。事實上，即便是在2023年第一季，Nvidia在資料中心業務的營收（42億美元）仍未能超過Intel和AMD的總和。但到了第二季度，局面發生了翻天覆地的變化，在資料中心業務上，兩大CPU巨頭英特爾和AMD的營收分別為40億美元和30億美元。而與之形成鮮明對比的是，英偉達的資料中心業務營收超過了100億美元，這數字甚至超過了英特爾和AMD的營收總和。這項數據充分顯示了GPU的地位正在迅速上升，並在某些領域已經超越了CPU。

GPU現在在現代超級運算中佔據了中心地位，它被廣泛用於各種任務的加速，從網路到遊戲，從加密到人工智慧等各個領域。隨著越來越多的運算任務轉移到GPU上，我們可以預見到，GPU將在未來幾十年內繼續是運算和人工智慧領域的主要工具。

有了專門處理圖形的GPU之後，還不夠。在數位化時代，需要有針對資料處理而生的處理器，於是資料處理單元（DPU）應運而生，DPU也被稱為是資料中心的第三大運算支柱。DPU 與CPU 和GPU 搭配使用，可增強運算能力並處理日益複雜的現代資料工作負載。

CPU、GPU和DPU的比較（來源：datacenterknowledge）

DPU是專門設計用來處理大量的資料和資訊。它可以有效地處理和分析數據，提高數據中心和雲端運算平台的效能。根據英偉達的說法，DPU應該能完成以下三大項任務：

卸載：從伺服器CPU接手基礎架構任務，以便更多的CPU能力可用於運行應用程式。

加速：使用DPU晶片中的硬體加速，比CPU更快運作基礎設施功能。

隔離：將關鍵資料平面和控制平面功能移至DPU上的單獨域，既可以減輕伺服器CPU 的工作，又可以在CPU或其軟體受到損害時保護功能。

迄今為止，許多DPU 開發都是針對超大規模的。展望未來，DPU 在資料中心和企業網路其他地方的使用預計將會成長。一種可能實現的方式是將DPU 技術與網路交換器相融合——AMD Pensando 將這種技術組合稱為「智慧交換器」。「我們認為智慧交換器是企業吸收DPU 技術的最簡單方法，因為它可以讓他們淘汰舊設備，並為他們的網路帶來重要的技術和規模，」 AMD Pensando 網路技術和解決方案小組首席商務官Soni Jiangdani 表示。

由於人工智慧、機器學習、深度學習、物聯網、5G 和複雜雲端架構需求的成長，DPU市場穩步成長。隨著對資料密集型應用程式的需求不斷增加，運算架構將不斷發展，從而需要更快、更有效率、更安全的資料處理。DPU市場市場上湧現了不少晶片玩家，主要供應商包括國外的英偉達、Marvell、Fungible（被微軟收購）、Broadcom、Intel、Resnics和AMD Pensando，國內還有中科駕馭數、芯啟源雲豹智能、雲脈芯連等等。

根據Allied Market Research 的報告，預計到2031 年，全球資料處理單元市場將達到55 億美元，2022 年至2031 年的複合年增長率為26.9%。因此，DPU 可能會從今天的可選組件轉變為下一代計算的必要行業標準。

隨著視訊內容的普及和人工智慧技術的快速發展，視訊處理單元（VPU，Video Processing Unit）成為了當前科技領域的一顆新星。多年來，英特爾的CPU+軟體的視訊解碼/編碼方案一直主導著串流媒體市場，但是隨著視訊串流媒體對高品質視訊的需求不斷增長，CPU將不再具有經濟價值，而且會消耗太多的能耗和空間。於是，VPU這種專門用來處理視訊的晶片開始興起，他們旨在釋放CPU的龐大勞動力。

VPU（視訊處理單元）是專門設計用來處理視訊任務的，它可以有效率地處理視訊編碼和解碼、影像處理和機器視覺等任務。透過將這些任務從CPU或GPU上卸載，VPU可以提高系統的整體效率和效能，同時也減輕了CPU或GPU的負擔，使它們可以專注於其他任務。而這樣的VPU通常還有高效能、低功耗和低延遲等多個優勢，根據SemiAnalysis對VPU晶片廠商鎵銘微電子（NETINT）的分析，相較於CPU和GPU，VPU的密度和功耗是CPU和GPU無法比擬的，VPU的出現可以說是為影片產業應用帶來了前所未有的加速運算能力。

VPU與GPU與CPU的對比（圖源：Semianalysis）

當下4K、8K等高畫質視訊技術的廣泛應用，使得視訊處理的運算負擔持續上升，這使得高效能的VPU成為產業發展的必備工具。目前包括Google、Meta、位元組跳動和騰訊等網路巨頭都已經瞄上這顆晶片。同時，AMD在今年4月，發布了一款用於資料中心的新型專用媒體加速器和視訊編碼卡－Alveo MA35D，英特爾則是將VPU整合到其14代酷睿Meteor lake處理器中。除了雲端和資料中心之外，終端也成為視訊及遊戲的主要載體，手機廠商愈發追求視訊或影像品質。對此，vivo/小米以視訊晶片為自研切入點，如Pixelworks/逐點半導體這樣的第三方視訊晶片供應商也開始迎來發展契機。

未來，視訊處理晶片市場預計將繼續成長，特別是在邊緣運算、物聯網(IoT) 和5G通訊領域。高效能和低功耗的視訊處理晶片將成為這些應用領域的關鍵元件。

一家成立於2018年的以色列的新創晶片企業NeuroBlade，開發了一種專用處理器架構，他們稱之為是SPU（SQL處理單元）。該公司的目標是成為「數據分析領域的Nvidia」。SPU主要是用來加速SQL指令處理，該公司CEO表示，透過使用專門設計的處理器加速SQL處理，可以實現端對端SQL分析加速。在部署方面，該晶片透過主機伺服器的PCIe匯流排插入，能夠透明地接管SQL相關處理，而無需修改主機應用程式軟體。

SPU支援常見的列式檔案格式。當一個查詢請求從查詢引擎發送時（也就是從資料庫管理系統發出查詢請求），SPU可以直接存取和處理儲存在本機儲存裝置上的資料檔案。處理完資料檔案後，SPU會將處理結果以原生查詢引擎佈局的形式傳回查詢引擎。

NeuroBlade公司正在與多家大型超大規模供應商進行談判，並已與一家公司贏得了數千張SPU卡的合約。如NeuroBlade也與戴爾公司合作，在PowerEdge伺服器分銷SPU卡產品。據他們稱，超大規模企業使用這一SQL處理單元(SPU) 來卸載運行分析工作負載的x86 CPU，可以獲得100倍或更多的工作加速，每年可以節省數百萬美元。在NeuroBlade的客戶中，還有儲存類客戶，鎧俠已經在其CM7系列企業NVMe SSD中成功配置了其NeuroBlade硬體增強型查詢系統(HEQS)，據他們稱，可以使客戶能夠充分發揮高性能SSD吞吐量的潛力，從而將查詢效能提高高達100倍。

一款「全能」型的CPU似乎已經無法滿足所有的運算需求。隨著運算需求的多樣化和技術的發展，多種PU的出現，如GPU、DPU、SPU和VPU，正是對此趨勢的回應。它們從各自擅長的領域，優化特定的運算任務，為CPU“分憂解難”，提高整體的運算效率和效能。

雖然多種PU的出現已經開始瓜分CPU的任務，但CPU仍然是運算的中心。不過，多種PU的融合和發展無疑會進一步推動運算技術的不斷進步和最佳化，幫助實現更有效率，更快速的運算，滿足日益增長的數據和運算需求。

在未來，我們可以期待更多種類的處理器出現，它們將更加專業和高效地處理各種不同類型的運算任務，為各個行業和領域帶來更大的便利和推動力。（半導體產業觀察）

彙整鉅亨號中所有使用「SPU」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

江波龍淨利潤，大增71528.66%

“瓜分CPU”