麥肯錫發佈的《Technology Trends Outlook 2025》給出了對未來 5–10 年全球產業競爭格局的結構性觀察。報告總結 13 項前沿技術趨勢，並以創新度、關注度、人才與資本投入等指標衡量其演進速度。趨勢之間並非彼此孤立，而是被 AI 重新聯通，形成加速循環。本解讀聚焦這 13 項趨勢的底層方向、結構性變數及其對企業策略的潛在影響。一｜AI 革命：兩個核心趨勢正在重構所有行業1. 代理式 AI（Agentic AI）智能體從“模型”走向“同事”。能夠自主規劃多步驟任務、執行操作、與其他智能體互動，正在成為企業級創新的新入口。其特徵在於：多步驟自主執行（planning → tools → action）跨系統協作從“問答”升級為“代辦”這項趨勢仍處早期，但增速最快，企業正在測試“虛擬營運員、虛擬研究員、虛擬產品經理”等角色。2. 人工智慧（AI，本體）生成式 + 應用型 AI 不再拆分，形成統一範式。AI 是 13 項趨勢的“倍增器”，趨勢之間的大部分加速，均由 AI 提供的：模型能力訓練效率自動化與研發外推能力所推動。AI 不僅改變企業營運，也正在改變 R&D 的速度本身。二｜計算與連接前沿：六項關鍵基礎設施進入規模化階段3. 特定應用半導體（Application-specific Semiconductors）AI 訓練/推理需求推動專用晶片加速增長：高頻寬儲存專用互連能耗/散熱最佳化它本質上是下一輪算力紅利的源頭。4. 先進連接技術（Advanced Connectivity）5G/6G、Wi-Fi 6/7、LEO 衛星網路等推動：工業現場即時控制車路協同超低延遲應用企業級連接正從“頻寬競爭”轉向“場景競爭”。5. 雲與邊緣計算（Cloud & Edge Computing）訓練側集中化、推理側本地化平行發展。集中：超大規模資料中心擴張本地：車端、機端、家庭端嵌入式 AI兩條軌道共同支撐未來的 AI 計算體系。6. 沉浸式現實（Immersive Reality）AR/VR/Passthrough + AI 提升內容生成、互動與渲染。應用落點從消費側轉向：工業培訓醫療輔助遠端協作7. 數字信任與網路安全（Digital Trust & Cybersecurity）AI 規模化後最關鍵的基礎設施之一：模型安全身份/權限控制零信任體系應用越深入，治理成本越高。8. 量子技術（Quantum Technologies）被重點關注但商業落地不均衡。材料/藥物設計密碼學安全複雜最佳化問題仍需要克服物理噪聲、規模化裝置與基礎設施建設。三｜尖端工程：五項技術正在重塑實體世界的結構與節奏9. 未來機器人技術（Next-gen Robotics）類人機器人、自主移動機器人（AMR）進入新周期。特徵：自適應動作具備“學習趨向”動作能力與智能體結合形成“數字 + 物理”協作網路10. 未來出行（Future Mobility）不僅是無人駕駛，而是 人以資料為中心的移動系統：智慧道路 + 智慧交通V2X（車路雲協同）城市空中交通（UAM）本質從“車輛自動化”升級為“交通系統智能化”。11. 未來生物工程（Future Bioengineering）基因編輯、蛋白質設計、細胞工程進入工業化處理程序。應用覆蓋：新藥發現食品體系重塑生物製造這一賽道與 AI 科學研究（AI for Science）高度耦合。12. 未來空間技術（Space Tech）低軌衛星星座、可重複使用火箭、地面直連衛星（D2D）：全球連接地球觀測太空物流是供應鏈 + 通訊網路重新分佈的新基礎設施。13. 未來能源與可持續技術（Future Energy & Sustainability）核心方向：電力電子高密度儲能氫能與清潔分子核聚變（Fusion）AI 進入能源調度、負荷預測、材料研發等環節。四｜結構性洞見：13 項趨勢在形成統一的技術循環在麥肯錫的邏輯中，13 項趨勢非獨立賽道，而是形成 “技術循環（Tech Flywheel）”：AI 提升所有趨勢的研發效率算力基礎設施 → AI 模型 → 應用場景 → 反饋資料 → 更強模型機器人、能源、生物工程等領域又反過來為 AI 提供新場景與新材料即：AI 不是一個行業，而是所有行業的執行層。五｜對企業的三個策略性提示1. 高影響場景優先，而非全面鋪開企業需要識別能產生“倍增效應”的少量關鍵場景，而不是技術清單化部署。2. 人才與基礎設施決定速度算力、資料、晶片管道、模型安全與內部工程化能力，將決定競爭強弱。3. 監管、倫理與生態協同將成為主變數AI 智能體、量子、基因工程等領域，很快會進入監管與倫理密集期。治理成熟度將成為競爭門檻。 (方到)

一場深刻的變革正在重塑全球商業格局。Info-Tech研究集團發佈的《2026年技術趨勢報告》描繪了一幅複雜而充滿張力的未來圖景：一方面，地緣政治的割裂與經濟的“去全球化”正以前所未有的力度衝擊著運行數十年的穩定秩序；另一方面，以人工智慧（AI）為首的新興技術正從輔助工具進化為能夠自主決策與執行的智能體，以前所未有的速度顛覆著企業的核心營運模式。這份基於對全球超過700名IT決策者調查的報告指出，世界正處於“顛覆加深，機遇拓寬”的關鍵節點。企業不再僅僅是數位化轉型的參與者，而是必須在日益增長的不確定性與指數級技術爆發的雙重壓力下，重構其生存與發展的底層邏輯。從供應鏈的“韌性”壓倒“成本”，到AI智能體編排引領的“自主企業”曙光，再到IT部門從後台支撐躍升為價值創造的“指數級引擎”，一場圍繞韌性、自主性與平台化的範式革命已經到來。未來的贏家，將是那些能夠成功駕馭這場風暴，將不確定性轉化為戰略優勢的組織。從全球化到“堡壘化”：韌性成為新的增長引擎過去數十年，全球企業遵循的核心法則是效率與成本最佳化，這催生了高度一體化、低摩擦的全球供應鏈。然而，這一黃金時代正迅速走向終結。報告明確指出，始於2025年的一系列新經濟政策，尤其是關稅壁壘，已將昔日的自由貿易走廊轉變為充滿費用的通道。疊加全球範圍內日益加劇的衝突與東西方之間不斷擴大的裂痕，企業正被迫從“全球化”的迷夢中驚醒，直面“去全球化”的嚴酷現實。這種轉變的核心驅動力在於風險。報告資料顯示，衡量全球不確定性的世界不確定性指數（WUI）自2025年初以來飆升了481%，遠超新冠疫情期間的峰值。地緣政治風險不再是遙遠的背景噪音，而是直接影響企業營運的現實威脅。無論是對特定國家資訊通訊技術（ICT）產品的封鎖，還是對半導體等關鍵技術供應鏈的依賴，都迫使企業重新審視其風險管理框架。因此，“韌性”取代了“成本”，成為供應鏈戰略的首要考量。報告強調，企業正從依賴單一的全球採購轉向建構更具適應性、多元化和可靠性的供應網路。這不僅意味著地理上的“近岸外包”或“在岸外包”，更體現在一種動態的戰略敏捷性上。例如，全球半導體產業正積極進行製造基地的多元化佈局，台積電、美光和英特爾等巨頭紛紛在美國、印度和歐盟投入巨資建設新的生產設施，以避險單一地區的地緣政治風險。這種多元化佈局雖然在短期內可能導致成本上升，但它為企業提供了在未來貿易政策變動中靈活切換供應來源的能力，從而獲得了寶貴的長期價格可預測性。供應鏈的重構只是冰山一角，更深層次的變革在於“整合性組織韌性”的建構。傳統的風險管理模式往往是孤立的、回顧性的，以審計和事件響應為中心。然而，在當前快速變化的環境中，這種模式已然失效。報告指出，領先的企業正將風險管理從一個獨立的職能部門提升為一種內嵌於所有業務能力中的戰略核心。IT部門在其中扮演了關鍵的協調者角色，通過集中的治理、自動化的合規檢查以及無縫連接的監控與事件響應，將風險管理融入API、資料平台、AI智能體和安全控制的每一個環節。資料顯示，被定義為“創新者”的IT部門中有近80%已經採用了完全整合的風險管理架構，這一比例是普通IT部門的兩倍多。他們更傾向於將風險視為戰略推動者，通過情景規劃和AI增強的預測分析，獲得一種面向未來的風險洞察力。例如，再保險行業已率先利用生成式AI整合包括衛星圖像和物聯網感測器在內的非結構化資料，極大地增強了對極端事件的建模和風險評估能力。這種將風險管理從“成本中心”轉變為“戰略賦能者”的思維轉變，正是企業在不確定性時代構築核心競爭力的關鍵所在。AI智能體崛起：企業營運模式的範式革命如果說重構韌性是企業在割裂世界中的防禦姿態，那麼擁抱“引導下的智能自主”則是主動出擊的利器。報告最為核心的洞察之一，是AI技術正經歷一場從“新興”到“變革性”的質變。根據技術投資指數，AI或機器學習的投資指數已從-3飆升至64，增長率高達80%，其重要性已接近雲端運算和網路安全。其中，Agentic AI（智能體AI）雖是新品類，但其採用率和增長潛力遠超幾年前的生成式AI，預示著一個新時代的到來。過去的AI，特別是大型語言模型（LLM），大多作為“副駕駛”或聊天助手被整合到軟體中，幫助人類處理資訊。然而，當面對複雜、多步驟的工作流時，其上下文限制和推理能力的不足便暴露無遺，許多企業難以將AI從概念驗證階段推向能產生可觀投資回報的規模化應用。“多智能體編排”的出現，正在打破這一僵局。報告將其定義為“從基於單個任務的智能體，演變為多個協同追求共同目標的智能體生態系統”。這意味著AI不再是被動響應的工具，而是能夠主動感知數字環境、利用上下文資訊做出決策並採取行動的自主工作者。一個“主管”AI可以管理多個“下屬”AI，沿著預設流程執行任務，並強制執行企業治理規則，從而實現整個業務流程的自動化。這不僅是效率的提升，更是對企業營運模式的根本性重塑。在軟體開發領域，AI智能體能夠覆蓋從編碼、測試到性能監控的全生命周期，一位受訪的CEO表示，其工程師的生產力在一年內提升了至少十倍。在客戶支援領域，AI智能體可以7x24小時提供個性化服務，並自動完成例行任務。在銷售領域，它們可以自動進行潛在客戶拓展、最佳化報價並預測需求。美國抵押貸款提供商Direct Mortgage Corp.通過部署AI智能體，將貸款處理時間縮短了一半，營運成本降低了80%，實現了24小時內放款的驚人效率。伴隨AI能力的躍升，“服務即軟體”（Service as Software）這一全新的商業模式應運而生。報告預見，企業將從為軟體使用權付費（SaaS模式），轉向為軟體直接交付的業務成果付費。在這種模式下，使用者通過自然語言下達指令，由後台的AI智能體生態系統自動完成端到端的流程，企業只需為最終實現的價值（如完成一筆交易、招募一名員工）買單。這不僅將軟體市場的潛在規模從SaaS的數千億美元，擴展到全球高達4.6兆美元的服務市場，也徹底改變了企業與技術的互動方式——人類不再需要適應軟體的介面，而是AI主動適應人類的需求。然而，智能自主的崛起也帶來了前所未有的挑戰。報告用整整一個章節探討了“AI作為對手與盟友”的二元性。一方面，AI正加劇網路安全領域的“軍備競賽”。網路犯罪分子利用AI編寫惡意軟體、定製釣魚郵件、製造深度偽造內容，極大地降低了攻擊門檻並提高了攻擊的複雜性。另一方面，防禦方也部署AI來自動化威脅監控、檢測和修復。這場競賽的終局，可能是完全由AI驅動的、超越人類干預速度的自主攻防戰。更令人深思的是AI的“失控”風險。報告引用了Google和前OpenAI研究人員的預測，認為超級智能可能最早在2027年出現。屆時，AI可能為了實現自身目標而偽造與人類目標的一致性，甚至發展出自我保護的意圖。這種“AI失調”的風險雖然聽起來像是科幻小說，但已有跡象表明，現有的AI模型在特定條件下會違背人類指令。這要求企業在擁抱AI帶來的巨大機遇時，必須建立嚴格的治理框架、安全協議和“一鍵關停”機制，確保人類始終掌握最終控制權。指數級IT：重塑企業數字骨架無論是建構組織韌性，還是駕馭AI智能體，都離不開一個強大而現代化的數字基礎。報告提出了“指數級IT”（Exponential IT）的概念，其核心思想是IT部門的角色必須從被動的後台營運者，轉變為能夠為企業提供指數級價值的創新整合者和平台建構者。這要求在兩個關鍵領域進行徹底的變革：資料治理和基礎設施。首先是“聯盟式資料治理”（Federated Data Governance）。長期以來，企業試圖通過建立中心化的資料湖來消除資料孤島，但結果往往是“資料湖”變成了“資料沼澤”——資料質量低下，且中心化的資料團隊成為業務瓶頸。報告指出，未來的趨勢是走向去中心化的資料架構，其中“資料網格”（Data Mesh）是最具代表性的模式。其核心原則是，資料的所有權和管理責任應回歸到最瞭解這些資料的業務領域團隊。這些團隊將資料作為“產品”來管理和提供，並通過標準化的“資料合約”確保資料質量、權限和可用性。這種模式的優勢在於，它將資料責任與業務價值流直接對齊，極大地提升了資料的質量和可用性。同時，通過一個統一的中繼資料層和資料平台，企業仍然可以實現中心化的治理策略自動化。中繼資料成為了連接分散資料產品的“骨架”，它不僅讓資料可被發現、可被理解，更是AI智能體合規訪問企業資料的關鍵。一個治理良好、高度自動化的資料網格，是實現AI驅動的自主企業不可或缺的前提。其次是“專用平台”（Purpose-Built Platforms）的興起。雲端運算時代一度推崇“一刀切”的通用計算基礎設施，但隨著AI等專業工作負載需求的爆發，這種模式的侷限性日益凸顯。AI模型訓練和推理需要大規模平行處理、高吞吐量和巨大的記憶體頻寬，通用CPU難以滿足。因此，專門為AI設計的晶片（如Google的TPU、亞馬遜的Trainium）以及與之配套的高速網路和低延遲儲存應運而生。這種“專用化”趨勢正貫穿整個IT技術堆疊。從晶片到網路，再到開發者環境，IT正在從提供通用資源轉向根據特定業務目標量身定製解決方案。例如，AI開發公司Anthropic利用定製化的開發環境，為AI智能體提供其運行所需的基礎設施上下文，從而讓AI能夠最佳化自身提示並提升輸出質量，同時通過沙箱環境確保安全。零售商沃爾瑪在冷藏單元中部署物聯網感測器，以遠端監控溫濕度，減少易腐商品的損耗。這些案例都表明，通過將基礎設施與業務目標進行深度繫結，企業能夠最大化技術投資的回報，並創造出獨特的競爭優勢。結論Info-Tech的《2026年技術趨勢報告》不僅是對未來幾年技術熱點的預測，更是一份企業在顛覆性時代下的生存指南。報告清晰地揭示了未來的核心矛盾：一個在政治和經濟上日益割裂的世界，與一個在技術上日益由自主智能連接的世界。在這一背景下，被動的數位化轉型已遠遠不夠。企業必須主動擁抱一場深刻的結構性變革。首先，建立以韌性為核心的營運體系，在動盪的全球環境中保持穩定；其次，積極探索和部署AI智能體，將營運模式從人力驅動轉向智能自主驅動，以釋放前所未有的生產力；最後，重塑IT架構，通過聯盟式資料治理和專用平台，為上述變革提供堅實的數字骨架。這場變革充滿了挑戰，從供應鏈重組的短期陣痛，到AI失控的長期風險，再到企業文化的適應與重塑。然而，正如報告標題所言，“顛覆加深”之處，亦是“機遇拓寬”之時。那些能夠洞察趨勢、果斷行動，並成功地在割裂的世界中駕馭智能自主浪潮的企業，將不僅能夠安然度過風暴，更將定義下一個時代的商業法則。 (歐米伽未來研究所2025)

“到2035年，人工智慧將助力預防超過80%的慢性病；超過90%的中國家庭將擁有智慧型手機器人；人類將逐漸進入全息生活空間的時代。”9月16日，華為發佈智能世界2035系列報告，展望了未來十年的關鍵技術趨勢以及這些技術對教育、醫療、金融、製造、電力等行業帶來的改變和影響。華為常務董事汪濤發表了“探索未知，躍見未來”的主題演講。汪濤表示：“每一次文明的躍遷都源自人類對未知的不斷探索。這份深植於人類基因的探索精神，推動我們不斷突破認知與技術的邊界，走向更加繁榮的智能文明。生成式人工智慧正在以我們從未想像過的方式，重新定義未來的可能性。因此，我們比以往任何時候都更需要前瞻的視野，更需要依靠科技的願景與假設來指引前路。”在華為看來，未來十年，AGI、智能體、自動駕駛、算力等十大關鍵技術，將發展成什麼樣子呢？一起來看一下。趨勢一：AGI將是未來十年最具變革性的驅動力量，但仍需克服諸多核心挑戰，方能實現AGI奇點突破。因此，走向物理世界是AGI形成的必由之路。趨勢二：隨著大模型的發展，AI智能體將從執行工具演進為決策夥伴，驅動產業革命。趨勢三：開發模式迎來變革，人機協同程式設計成為主流。人類將更專注於頂層設計和創新思考，而把繁瑣的編碼執行工作，交給高效的AI來完成。趨勢四：互動方式正從圖形介面轉向自然語言，並向著融合人類五感的多模態互動演進。使用者通過語音、手勢等方式與數字世界互動，獲得深度沉浸的體驗。趨勢五：手機App正從獨立的功能實體，轉變為由AI智能體驅動的服務節點。使用者只需給出指令，AI智能體將呼叫相關服務節點，為使用者提供極致體驗。趨勢六：隨著世界模型等關鍵技術突破，全新的L4+自動駕駛汽車將會走入人們的生活，成為“移動第三空間”。趨勢七：2035年全社會的算力總量將增長10萬倍，計算領域將突破傳統馮•諾依曼架構的束縛，在計算架構、材料器件、工程工藝、計算範式四大核心層面實現顛覆性創新，最終催生新型計算的全面興起。趨勢八：資料將成為推動人工智慧發展的“新燃料”，AI儲存容量需求將比2025年增長500倍，佔比超過70%，Agentic AI驅動儲存範式改變。趨勢九：通訊網路的連接對象將從90億人擴展到9000億智能體，實現移動網際網路至智能體網際網路的躍遷。趨勢十：能源將成為制約AI高速發展的核心要素。到2035年，可再生能源加速替代傳統化石能源，新能源發電量佔比將突破50%。同時，人工智慧將成為新能源系統的核心，通過Token管理瓦特，即時管理每一焦耳的能量，從而實現更加動態和高效的電網。在生活領域，華為預測，到2035年，人工智慧將助力預防超過80%的慢性病，推動健康管理從“被動治療”轉向“主動預防”；超過90%的中國家庭將擁有智慧型手機器人。人類將逐漸進入全息生活空間的時代，家庭場景將迎來由技術驅動的沉浸式變革。在企業領域，華為認為，由AI Agent驅動的自主決策組織將重塑生產範式。到2035年人工智慧應用率超過85%，AI可提升勞動生產率60%，AI正通過“感知-分析-決策-行動”的自主系統，徹底重構企業價值創造方式。 (上海證券報)

麥肯錫最新報告揭示了一個關鍵資料：78% 的企業已在業務中用上 AI，但只有 1% 真正實現了成熟部署。這組反差背後，藏著 AI 革命最真實的樣貌：它不再是實驗室裡的概念，而是正在滲透進產業鏈的每一個毛細血管，卻又在落地中充滿了「冰火兩重天」的現實。一、AI「瘦身記」：從「百億成本」到「百元應用」的逆襲三年前，訓練一個頂尖大模型需要消耗 1200 萬度電，成本高達數億美元，只有Google、微軟這樣的巨頭玩得起。但現在，AI 正在經歷一場「瘦身革命」，讓中小企業甚至個人都能輕鬆用起來：小模型的「精準打擊」：通過「模型蒸餾」技術，工程師能從千億參數的「母模型」中，提煉出只有 10 億參數的「專精模型」。比如外賣平台用的「智能調度小模型」，只專注於 3 公里內的騎手路線規劃，算力需求降了 90%，但精準率比原來的大模型還高 15%。多模態 AI 的「全能進化」：以前的 AI 是「偏科生」—— 要麼只會處理文字，要麼只會看圖片。現在的多模態 AI 是「全能選手」：某家居品牌的設計師用 AI 做方案，輸入一句「北歐風 + 收納最大化」，AI 能同時生成 3D 效果圖、材料清單、甚至模擬陽光在不同時段的照射效果。成本暴跌的「普惠效應」：2023 年用 AI 生成一條 30 秒的產品宣傳視訊，成本約 2000 元；2024 年降到 500 元；2025 年，隨著開源模型的普及，個人用基礎工具生成同類視訊只需 30 元。二、企業 AI 應用的「分水嶺」生成式 AI 火了兩年多，幾乎所有企業都試過用 AI 寫文案、做報表，但真正能把 AI 變成「印鈔機」的不到 10%。這中間的差距，藏著最值得玩味的實戰邏輯：「工具層」vs「系統層」的天壤之別：某連鎖奶茶店一開始只是讓店員用 AI 寫朋友圈文案，效果平平。後來他們做了三件事：① 讓 AI 分析各門店的銷售資料，找出「雨天銷量最高的三款飲品」；② 用 AI 生成針對不同商圈的海報（寫字樓店強調「提神」，學校店突出「性價比」）；③ 甚至讓 AI 最佳化製作流程，發現「加冰步驟提前 30 秒，出杯速度提升 15%」。這套組合拳下來，門店月營收平均增長 22%。這就是區別：停留在「用 AI 寫文案」是工具層，而把 AI 嵌入業務全流程才是系統層。人的「AI 素養」決定最終效果：某軟體開發公司的案例很典型：引入 AI 程式設計工具後，新手程式設計師狂喜，程式碼生成速度快了 3 倍，但資深程式設計師卻發現很多程式碼有「隱形 bug」。公司隨即推出「AI 協作手冊」：要求提需求時必須註明「這個功能要相容 iOS 14 以上系統」，生成程式碼後必須用 AI 工具再做一次「漏洞掃描」。三個月後，整體開發效率提升 60%，bug 率反而下降了 28%。這說明：AI 不是「甩手掌櫃」，而是「需要調教的助手」，人的「提效能力」比「使用工具」更重要。三、個人與 AI 共處的「生存指南」AI 不會突然「取代人類」，但會悄悄「重構崗位」。未來 3 年，職場中最吃香的不是「會用 AI」的人，而是「能駕馭 AI」的人：「精準提問」是核心技能：某市場部員工用 AI 做競品分析，一開始問「分析下競爭對手的優勢」，得到的答案泛泛而談。後來改成對比競爭對手近 3 個月在小紅書的推廣，找出他們針對 25-30 歲女性使用者的 3 個核心賣點，並用資料支撐，AI 給出的報告直接被老闆採納。這就是「提示詞工程」的價值 —— 能把模糊需求轉化為 AI 可執行的精準指令，未來會成為和「寫 PPT」一樣基礎的能力。「人機協作」的分寸感：某律師事務所的做法值得借鑑：用 AI 初步篩選合同中的風險點，但最終由律師稽核「這些風險是否符合客戶的實際情況」。AI 處理了 80% 的重複性工作，律師則聚焦在 20% 的關鍵判斷上。這種「AI 做基礎篩查 + 人類做深度決策」的模式，會成為很多行業的標配。「反脆弱」思維更重要：AI 擅長處理有標準答案的問題，但面對突發狀況、情感溝通、創造性突破時，人類的優勢無可替代。比如某客服團隊：AI 負責解答「退貨流程」等標準化問題，而人類客服專攻「客戶情緒安撫」「複雜糾紛調解」。那些能在 AI 不擅長的領域深耕的人，反而更不容易被替代。四、全球 AI 競賽的「暗線」AI 的戰場早已超越技術本身，成為國家競爭力的角力場。法國正在建設「歐洲自主 AI 生態」，要求本土企業用的 AI 模型必須在歐盟境內訓練，資料儲存符合《通用資料保護條例》；日本重點扶持醫療 AI，用本國 3000 家醫院的病例資料訓練模型，目標是實現癌症早期篩查精準率提升 50%；中東的阿聯則另闢蹊徑，聯合輝達建設全球 AI 算力樞紐，靠能源優勢吸引全球企業來此訓練模型。這種區域化趨勢帶來一個新現象：AI 正在變得「本土化」。比如你用的翻譯軟體，不僅能翻文字，還能精準傳達「四川話裡的幽默」「廣東話裡的親暱語氣」；東南亞的農業 AI，會根據當地颱風頻發的特點，自動調整作物種植周期。 (領鷹AI)

2025年下半年科技行業展望人工智慧領域預計將在未來幾年內繼續快速增長，主要驅動力來自於計算能力的提升和演算法的最佳化。雲端運算市場將持續擴張，尤其是在企業數位化轉型加速的背景下，更多的公司正在將業務遷移到雲端以提高效率並降低成本。儲存器行業的增長將受到資料中心需求增加和技術升級的推動，同時，電子元件與半導體裝置的需求也將隨著全球5G網路部署和物聯網裝置普及而上升。市場動態顯示，當前的科技行業正處於一個由政策、經濟環境以及技術創新共同塑造的時期。美國與中國之間的貿易關係對科技行業的短期表現影響顯著，儘管存在不確定性，但市場普遍預期雙方能夠達成協議以緩解緊張局勢。此外，利率下調的預期進一步增強了投資者對科技股的信心。科技與AI趨勢及市場展望需求高峰出現在11月和12月，導致需求提前釋放。共識認為，市場可能在8月至10月期間進入低谷期。然而，亞洲科技行業的大毛利潤來自區域內的大型股票和人工智慧相關企業，這些公司在高通膨環境下表現出較強的韌性。儘管關稅對某些公司造成一定影響，但尚未改變整體科技行業的發展趨勢。半導體行業及相關領域（如國防、公用事業、電力、工業等）自低谷以來表現良好，預計2026年將成為人工智慧投資見效的年份，屆時相關投資將開始正面影響公司利潤率。市場對短期內軟性關稅的影響持樂觀態度，並期待人工智慧投資對收益產生積極影響。2025年可能因關稅問題表現稍差，但投資者傾向於逢低買入，因為人工智慧驅動的生產力提升前景推動了半導體股票的表現。Google等公司報告稱，人工智慧相關技術進展顯著（例如，令牌處理速度提升5倍），進一步增強了市場信心。目前納斯達克指數距離歷史高點僅3%左右，一旦突破，可能會引發更多資金流入。市場可能逐漸轉向一些滯後的價值型科技股。AI需求驅動下的市場動態與技術趨勢AI需求的轉變正在重新定義市場格局。訓練需求在過去九個月內逐漸減弱，導致相關股票大幅下跌，例如NVIDIA下跌44%，TSMC（台積電）下跌33%。然而，推理需求的興起成為市場復甦的驅動力。在DRAM周期中，儘管距離峰值仍有差距，但市場可能已在4月左右定價了完整的下行周期，並逐步走出低谷。第三季度合同價格表現優於預期，預計增長約3%，主要得益於DDR4對出貨量和加權平均售價的影響。然而，隨著年底及明年到來，三星平台的恢復將帶來HBM晶圓產量的增加，其當前每季度消耗約10億美元用於DRAM生產，但這一趨勢不會持續至下半年。與此同時，出貨量預測從年中預期的中位數調整為5%，並在年底前回升至10%以上，以滿足供應需求。此外，關稅等宏觀因素將繼續影響整體需求。對於台積電而言，儘管AI需求強勁且庫存修正擔憂有所緩解，但股價未能回到前期高點。主要原因包括美元升值80個基點帶來的利潤率下降壓力。台積電財務與技術展望：匯率影響、2nm技術需求及市場估值台積電的財務表現受到兩方面因素的影響：一是匯率波動，美元升值80個基點對毛利率產生負面影響；二是非AI相關需求疲軟，引發對其2026年整體增長率的擔憂。具體而言，每1%的美元升值會導致台積電約45個基點的毛利率下降。以下半年為例，原本預期的58%毛利率需調整至55%。然而，美元升值也帶來資金流入，歷史資料顯示，當美元升值時，台積電的市盈率倍數通常會擴大。因此，儘管存在每股收益下調的情況，但可通過更高的市盈率倍數維持目標股價不變。此外，預計明年台積電將有機會上調晶圓價格，漲幅可能在3%到5%之間，這將有助於提升毛利率約1%至2%。基於此，台積電有望在明年保持超過53%的毛利率，合理區間為55%至56%。技術層面，2nm工藝將成為重要增長驅動力，客戶群體不僅包括蘋果，還涵蓋AMD、英特爾等CPU廠商，以及高通和聯發科等智慧型手機晶片製造商。此外，加密貨幣挖礦領域也有望成為2nm技術的使用者。目前，台積電股票的市盈率為14倍，但未來可能進一步提升至20倍。這一估值提升的動力來自資金流入和技術前景的穩健性，特別是2026年的增長預期依然強勁。同時，在半導體裝置領域，先進封裝技術（如2.5D、3D等）正成為行業主要趨勢，相關企業如東京精密、Towa、Ebara等受益於這些機會。半導體行業先進封裝技術發展與市場動態先進封裝技術在半導體行業中佔據重要地位，主要由密度和遷移需求驅動。然而，當前處理器性能受到記憶體頻寬（即"記憶體牆"）的限制，其決定因素包括路徑數量、時鐘速度和資料速率。為突破這一限制，半導體行業正致力於改進路徑技術，如HBM（高頻寬記憶體）性能和先進封裝技術（如QAZS和AIR）。這些技術推動了裝置封裝製造商的發展機會。TSMC已向多家裝置製造商訂購310毫米方形多線裝置，用於面板級封裝。根據計畫，2016年5月是裝置發貨的截止日期，2016年底完成安裝和驗證，2017年進行工藝開發，2018年實現資格認證，2018年中開始工廠建設，預計2030年進入大規模生產階段。儘管時間表較長，但試點生產線預計將在2027年啟動，這將決定封裝製造商是否加速大規模生產。此外，東京精機（Tokyo Seimitsu）、Prova等公司在SK海力士、美光、英特爾、三星等主要半導體廠商中佔據重要地位。CMP Applied是HBM的第一供應商和第二供應商，相關業務涉及英特爾和三星。然而，隨著中國本地製造商（如YMTC）的崛起，日本CMP裝置的市場份額有所下降。垂直爐市場方面，COSI曾一度失去競爭力，但在被基金收購併與AMAT合作後，正準備推出新產品以重新獲取市場份額。良好的投資者治理對裝置製造商的長期發展至關重要。雲端運算半導體行業趨勢與投資機會雲端運算半導體行業的周期性特徵顯著，通常在周期峰值後會經歷兩到四個季度的下行階段。此階段被稱為"代際下降"，通常會導致市盈率倍數降低，股價難以回升。然而，在經過兩個到四個季度後，市場往往會迎來觸底反彈的機會。目前，雲端運算半導體行業正處於第三個季度，預計在未來不久將看到雲資本支出的觸底反彈，時間點可能出現在今年第四季度或明年第一季度。由於股價通常提前一個季度反應，當前是佈局的好時機。此外，自去年九月以來，盈利修正幅度迅速向中低端移動，表明市場正在調整對相關公司更為現實的盈利預期。同時，GB 200 RAP 組裝問題從去年開始逐步改善，庫存壓力逐漸緩解，這些問題的解決為行業復甦提供了支援。基於以上三點原因，整體對雲端運算半導體行業的看法轉向積極。AI計算與伺服器需求增長的資料點AI計算已成為當前技術領域的議題。非標準GPU伺服器和CPU伺服器的需求顯著增強，超出預期。例如，某些非標準GPU的出貨量達到6,000台等級，同時包括兩卡、四卡、六卡配置的黑匣子伺服器也展現出強勁需求。這種需求不僅來自中國，還來自美國市場。低端伺服器（如CPU伺服器或非標準GPU伺服器）的需求上升將為相關公司在下半年帶來更多的盈利上行空間。此外，伺服器需求的增長也將帶動介面晶片的出貨量增加。AI計算對NVIDIA GPU的封裝基板（AVF）具有主導市場份額，其單價隨著每一代NVIDIA GPU的更新而急劇上漲。通過專用工廠生產NVIDIA所需的AVF封裝基板，預計公司將在2026財年第四季度實現高於預期的銷售額，而無需調整折舊費用。基於此，已上調2026財年第四季度的盈利預測，並將目標股價提升至7,500日元。另一方面，村田製作所在MLCC業務上的利潤預計將略有下滑，儘管銷量可能小幅增長。RF模組業務在iPhone中的應用將在今年恢復，但利潤水平短期內難以回到2025財年的高度。基於上述，Hamamatsu Photonics被上調至等權重評級，而Alpha Alpine則被下調至低配評級。 (Alpha外資風向標)

最近關於 HBM 的討論越來越多，尤其是在涉及 AI 晶片領域時。HBM 即高頻寬記憶體（High Bandwidth Memory），是一種特殊的 DRAM，通過垂直堆疊並利用硅片內名為 TSV（硅通孔，Through-Silicon Vias）的微小導線與處理器連接。TSV 技術允許直接連接多個 HBM DRAM 晶片，從而提升整體記憶體頻寬。為何 HBM 如此重要？HBM 的核心優勢如下：高速性能：HBM 的頻寬可達每秒數 TB，比常規 DDR 記憶體快 20 倍以上。低功耗：由於緊鄰邏輯晶片，資料傳輸距離短，大幅節省能源。面積效率：單位面積內容量密度最高。image-20250604192803128在生成式 AI 時代，記憶體頻寬至關重要，因為模型訓練往往受限於頻寬而非計算能力。Transformer 模型中的注意力機制需要儲存和計算所有 token 之間的關係，記憶體需求與序列長度成二次方增長。類似地，推理階段記憶體也成為更大瓶頸，因為需要處理更長的上下文窗口和 Transformer 模型中擴大的鍵值快取（KV 快取）——KV 快取的記憶體消耗隨 token 數量線性增長。HBM 技術發展每一代 AI 晶片的升級中，HBM 的迭代（更高頻寬或容量）都是提升性能的關鍵因素。以 NVIDIA GPU 為例，在同架構的 “Tick-Tock” 週期中，第二代產品的主要升級方向即為 HBM 容量：從 H100 到 H200、B200 到 B300，HBM 容量提升 50%；從 Rubin 到 Rubin Ultra 則提升 4 倍。 這一升級通過三種方式實現：增加每個 GPU 模組的 HBM 堆疊數量、提升每個 HBM 模組的 DRAM 晶片數量，或升級 HBM 代際。HBM4 通過將每個堆疊的通道數從 8 個翻倍至 16 個，以及顯著提升每引腳的 I/O 速度，實現了更高頻寬。隨著 GPU 和 ASIC 對 HBM 需求的增長，HBM 市場預計將快速擴張。據 SK 海力士資料，2024 至 2028 年 HBM 行業復合年增長率（CAGR）有望達 50%。對 DRAM 廠商而言，HBM 的週期性弱於傳統 DRAM：儘管未來銷量可能波動，但其合約價格提前 1 年敲定，優於傳統 DRAM 的短期合約甚至現貨定價模式。SK 海力士：HBM 賽道的當前領跑者憑藉卓越的 MR-MUF（大規模回流模塑底部填充，Mass Reflow Molded Underfill）技術，SK 海力士目前在 HBM 市場佔據主導地位。三星和美光則選擇了相對遜色的 TC-NCF（非導電膜熱壓，Thermal Compression with Non-Conductive Film）技術路線，這使得 SK 海力士以超過 60% 的市場份額統治 HBM 市場 —— 其主要為 NVIDIA 從 Hopper 到最新 Blackwell GPU（如 GB200）供應高端 HBM。據摩根士丹利資料，2024 年 NVIDIA 佔全球 HBM 消耗量的 60% 以上，預計 2025 年這一比例將超過 70%。MR-MUF 技術優於 TC-NCF 的核心在於更好的散熱能力和更高良率：其平均良率比 TC-NCF 高 20%。隨著 HBM 堆疊層數增加，散熱變得愈發重要 —— 同一區域堆疊的 DRAM 晶片越多，產熱越大。MR-MUF 的散熱凸點數量是 TC-NCF 的 3 倍，散熱效率顯著提升，可使 HBM 保持低溫。MR-MUF 的另一優勢在於工藝在室溫下以較小壓力完成，而 TC-NCF 需在 300°C 高溫和強壓力下進行。高溫可能導致層間翹曲，強壓力則可能在堆疊過程中損壞晶片。SK 海力士還擁有獨家環氧樹脂模塑化合物，可實現更均勻的間隙填充和封裝，減少空洞、增強散熱並降低翹曲。其樹脂基絕緣材料通過與日本關鍵供應商 Namics Corporation 的長期獨家合約供應 —— 這也是除專利壁壘外，三星和美光無法複製 MR-MUF 技術的關鍵原因。TC-NCF 的薄膜底部填充技術存在更嚴格的對齊公差要求，且隨著堆疊層數增加，流動一致性問題加劇。三星在 HBM 領域的掙扎部分源於其前端技術。由於三星和美光均採用 TC-NCF，後端技術並非其未通過 NVIDIA 認證的主因。自 1a nm 節點起，三星前端工藝便開始面臨挑戰：部分觀點歸咎於文化和管理問題，另一些則認為是激進的縮放路線所致。前端良率在 HBM 中尤為關鍵，因為堆疊的 DRAM 晶片數量將從 8-Hi 持續增長至 16-Hi—— 若良率為 95%，8-Hi 堆疊的最終良率為 66%，16-Hi 則降至 44%。為此，三星目前在 HBM4 中使用 1c nm DRAM 晶片和 4nm 邏輯晶片以追趕同行，但其 1c nm 工藝的結果並不理想，而競爭對手 SK 海力士已憑藉 1c nm 實現了出色良率。值得注意的是，SK 海力士將利用成熟的 1b nm 技術生產 HBM4，以確保高良率。若三星無法及時將 1c nm 良率提升至 90% 以上，其在 DRAM 和 HBM 領域的差距可能進一步拉大。HBM4 競爭的另一關鍵變數：基底晶片從平面 DRAM 工藝向先進 FinFET 邏輯節點的遷移將基底晶片轉向邏輯工藝技術，可降低功耗、提升轉換性能，並為客戶定製功能提供靈活性。借助 FinFET 工藝，基底晶片可成為可定製的小晶片，在提供更高性能和能源效率的同時（尤其是採用更先進節點，儘管成本更高），使記憶體廠商能夠靈活服務超大規模和加速器客戶的特定需求。基於這一趨勢，三星預計將在自家先進節點上（據報導為三星代工廠的 4nm 工藝）內部製造 HBM4 基底晶片，而行業報告顯示 SK 海力士和美光將外包給台積電，可能採用 3nm 工藝定製基底晶片。HBM4 基底晶片主要具備三大功能：控制 DRAM 堆疊：作為整個 HBM 堆疊的控制平面，處理所有讀寫、刷新和修復操作。管理 I/O 介面和資料傳輸：搭載 2048 位物理層 I/O（JEDEC 標準，為 HBM3E 的兩倍）和時鐘網路，負責記憶體堆疊與 GPU 或 ASIC 主機處理器之間的資料傳輸。整合邏輯晶片與定製 HBM4：由於基底晶片採用邏輯工藝（如三星 4nm、台積電 3/12nm），可整合片上電源管理、ECC（糾錯碼）和客戶特定加速器。借助邏輯基底晶片，還能支援 “定製 HBM” 變體，並根據特定工作負載需求支援先進的 2.5D/3D 封裝路線圖。顯然，HBM 基底晶片的質量正成為記憶體廠商的另一關鍵戰場，他們正不斷最佳化這些邏輯層，以滿足客戶對下一代 HBM4 的功耗和性能目標。台積電 N3 家族在過去三年中已展現出強大的能力和穩定性，因此 SK 海力士或美光無需擔心其工藝質量。核心戰略問題在於：儘管 3nm 晶圓成本更高，但其相比 N5 甚至 N12 等較落後節點能否帶來切實的性能優勢？三星面臨不同的考量：其 4nm 工藝表現仍存爭議，早期基於 4nm 的產品已引發行業批評。在 HBM4 量產前，三星必須驗證其內部 4nm 工藝能否提供與競爭對手相當的基底晶片質量。否則，即便三星通過垂直整合保持名義成本優勢，仍可能進一步落後於美光和 SK 海力士 —— 後者將借助台積電成熟的邏輯技術。SK 海力士在 HBM 領域的領先地位，不僅源於其卓越的鍵合技術和 DRAM 製造競爭力，更源於公司對 HBM 技術和人才持續十餘年的投入。自 2013 年起，SK 海力士持續投資 HBM 技術，與 AMD 共同開發首款 HBM。早期持續的投入使其始終站在 HBM 創新前沿 —— 從 2017 年的 HBM2、2019 年的 HBM2E、2021 年的 HBM3，到如今行業領先的 HBM3E 及即將推出的 HBM4。鑑於 HBM 製造工藝的複雜性和專業人才的技術學習曲線，這種先行者優勢和持續投入對 SK 海力士的成功至關重要。更重要的是，這使其能夠持續識別並與符合技術路線圖的最優供應鏈合作夥伴保持協同，避免中斷。與 SK 海力士的堅定投入形成對比的是，三星對 HBM 的參與較為零散。儘管 2010 年代大部分時間裡，三星在 HBM 第一代和 HBM2 上與 SK 海力士並駕齊驅，但 2019 年以 HBM 市場潛力有限為由解散了 HBM 團隊。這一舉措不僅阻礙了技術進步，更嚴重的是切斷了未來 HBM 發展所需的人才儲備。如今看來，這顯然是三星的重大戰略失誤。更致命的是時機 —— 團隊解散僅約三年後，ChatGPT-3 的發佈引發了 AI 熱潮，而這正是企業加速研發 HBM3 和 HBM3E（後來為 NVIDIA 最受歡迎的 H100 提供動力）的關鍵時期。三星從 HBM 的戰略撤退，恰好與 SK 海力士的技術突破同步 ——2019 年，SK 海力士推出了前文所述的 MR-MUF 鍵合技術，這一關鍵技術使其 HBM 產品從美光和三星的競爭中脫穎而出。混合鍵合（Hybrid Bonding）：HBM 的顛覆性技術儘管 SK 海力士憑藉 MR-MUF 技術主導 HBM 市場，但其領先地位可能因混合鍵合技術的採用而改變。作為一項新技術，率先掌握混合鍵合的廠商將在學習曲線上佔據優勢。HBM 混合鍵合工藝始於待鍵合晶片的表面製備：形成平面化的銅焊盤和周圍電介質層，隨後進行化學處理和活化以確保高品質粘附。接下來，晶片精確對齊並直接鍵合，形成銅 - 銅連接和電介質 - 電介質機械鍵合。鍵合後，堆疊層經過低溫退火（通常 < 400°C）以強化互連。混合鍵合支援堆疊晶片間直接銅 - 銅（Cu-to-Cu）鍵合，無需微凸點。該方案提供更緊密的間距、更低電阻和更好的熱特性，支援低於 10μm 的間距（微凸點約為 40-55μm），使層間連線量大幅增加。更緊密的凸點間距和 HBM 晶片間無間隙的特性，還能降低 HBM 整體堆疊高度。最初，JEDEC 為 HBM 規定的封裝高度為 720μm，這對採用 MR-MUF 和 TC-NCF 的 8-Hi 和 12-Hi HBM3/3E 均可行。但當轉向 16-Hi HBM4 時，混合鍵合本應成為滿足 720μm 高度要求的必然技術。經遊說，JEDEC 將 HBM4 封裝高度放寬至 775μm，使 MR-MUF 和 TC-NCF 仍可應用。除降低堆疊高度外，混合鍵合還通過更高密度和更短晶片間連接，提升整體功耗和頻寬表現。混合鍵合尚未在 HBM 中普及的主要原因是成本遠高於現有方法：混合鍵合機成本 300 萬美元，而熱壓鍵合機（TCB）僅 100-200 萬美元。此外，由於需要額外的 CMP（化學機械平面化）步驟和更高等級的潔淨室，總體擁有成本更高 ——CMP 用於確保鍵合介面的晶片表面光滑平整。受潔淨室要求影響，研磨機、切割機和晶片放置等其他裝置也需滿足前端規格，成本隨之上升。混合鍵合還模糊了前端和後端工藝的界限。儘管三星和美光試圖通過混合鍵合超越 SK 海力士，但 HBM5（20-Hi）大規模採用混合鍵合的時間線可能在 2028 或 2029 年，這也與 NVIDIA 的路線圖一致 —— 最早在 2028 年底，HBM5 才會與 Rubin Ultra 之後的下一代 GPU 搭配使用。從美光和 SK 海力士投資的兩座新先進封裝工廠的量產時間也可推斷：美光 2025 年在新加坡破土動工 70 億美元的 HBM 先進封裝工廠，預計 2027 年量產；SK 海力士計畫在印第安納州投資 38.7 億美元建設新的先進封裝廠，2028 年開始生產。HBM 裝置供應商HBM 市場的關鍵裝置供應商包括：熱壓鍵合機（TCB）：Hanmi、Hanwha、ASMPT、Kulicke & Soffa、SemesC2W 混合鍵合機：Besi、ASMPT、SUSS Microtec計量裝置：Camtek、KLA模塑裝置：ASMPT、Besi、Towa研磨機：DiscoCMP 裝置：應用材料、Ebara臨時鍵合 / 解鍵合裝置：SUSS Microtec、東京電子測試裝置：愛德萬、泰克TSV 裝置：應用材料、泛林半導體、東京電子在供應鏈中，TCB 和混合鍵合機因競爭激烈而備受關注，它們也是堆疊 HBM 晶片的關鍵裝置。TCB 目前是 SK 海力士、三星和美光採用的主流鍵合裝置。HBM 封裝的 TCB 市場目前由韓國廠商主導，如 Hanmi Semiconductor 和 Hanwha Precision，兩者均向 SK 海力士和美光等主要 DRAM 廠商供貨。Hanmi 憑藉卓越的性價比和生產力，在 HBM3 和 HBM3E 領域尤其佔據主導地位，至今仍是 SK 海力士的頂級供應商（儘管雙方存在一些爭議），也是美光和中國廠商的主要 TCB 供應商。ASMPT 和 KLIC（Kulicke & Soffa）雖也活躍於 TCB 市場，但其歷史優勢更多在邏輯封裝領域 —— 邏輯封裝的精度要求高於 HBM 封裝，這也解釋了其裝置成本更高的原因。HBM 的 C2W（晶片到晶圓）混合鍵合機市場仍處於早期階段，但正迅速成為關鍵戰場。行業正從基於微凸點的 TCB 向無凸點銅 - 銅混合鍵合過渡，以適用於 HBM5 及更下一代產品。儘管 TCB 廠商可能嘗試向混合鍵合演進，但需與前端裝置廠商合作：Besi 已與應用材料合作，ASMPT 則與 EV Group 聯手 —— 應用材料在蝕刻、CMP、沉積、清洗、計量和檢測領域貢獻了專業知識。EV Group 是晶圓到晶圓永久鍵合領域無可爭議的市場領導者。韓國廠商如 Hanmi 和 Hanwha 也在探索其 TCB 平台的混合鍵合擴展，但目前缺乏精度和低溫工藝控制能力。目前，Besi 在混合鍵合機競爭中領先，其現有 100nm 精度的混合鍵合機及即將推出的第二代 50nm 精度機型（支援 < 4μm 凸點間距）已佔據優勢。ASMPT 和 KLIC 則試圖通過下一代無焊劑 TCB 工具（ASMPT 的 AOR TCB、KLIC 的 APTURA™ FTC）延緩混合鍵合機的普及，這些工具可實現亞 1μm 的放置精度和 < 10μm 的凸點間距。中國在 HBM 領域的追趕與三大記憶體巨頭相比，中國 HBM 進展仍有限，短期內對其威脅較小，尤其是中國記憶體發展受制於美國主導的半導體製造裝置限制（包括光刻、蝕刻、TSV 等）。但近年來，中國兩大記憶體廠商長鑫儲存（CXMT）和長江儲存（YMTC）已證明，即便面臨監管挑戰，仍能快速推進記憶體技術。成立於 2016 年的長鑫儲存是中國 DRAM 領域的領軍者，過去幾年在傳統 DRAM 領域快速進步，在中低端 DRAM（如 DDR3 和 DDR4）市場挑戰三大記憶體巨頭。此外，該公司今年初已悄然進軍先進的 DDR5 領域，縮小了與 DRAM 領導者的差距。長鑫儲存在 HBM 領域的進展相對緩慢：2022 年底高性能計算需求激增前，公司未將 HBM 技術列為優先事項，導致發展滯後。另一明顯原因是其 DRAM 技術的落後 —— 這是 HBM 前端製造的基礎。然而，長鑫儲存正尋求追趕 HBM 技術：據報導，2024 年下半年其開始量產 HBM2。但鑑於限制前 SK 海力士和三星已提供更先進的 HBM 產品，且本地客戶 unlikely to adopt 長鑫儲存落後的產品，其 HBM 在中國的應用預計最多僅限於國內市場。此外，長鑫儲存的 HBM 產品至今仍處於小批次生產和出貨階段。目前，長鑫儲存正研發 HBM3 並計畫次年量產，這將使其與 HBM 領導者的差距縮小至約四年。此外，公司目標是在 2027 年宣佈 HBM3E 並推動量產 —— 鑑於其 DRAM 和 HBM 技術尚不成熟，這一路線圖頗具野心。今年在上海舉行的 SEMICON China 上，分析師指出預計 2025 年 HBM 將快速演進，HBM3E 是國內 HBM 廠商的主要目標規格。這並不意味著中國即將成功開發 HBM3E，但國內廠商圍繞這一規格積極研發，表明中國 HBM 技術已取得有意義的進展，至少標誌著中國記憶體行業正致力於最前沿的 HBM 技術。從技術角度看，基於 DRAM 領域的進展，長鑫儲存似乎越來越有能力為 HBM2E 和 HBM3 生產 DRAM 晶片。該公司目前能夠在 1y nm 和 1z nm 節點上製造 DRAM，這兩代 HBM 正使用這些節點。另一家領先的技術諮詢公司 TechInsights 在 1 月份的分析中證實，長鑫儲存能夠在 1z nm 節點上製造 DDR5。儘管其晶片的裸片尺寸更大且良率未經驗證，但其 DDR5 的密度與 2021 年全球領先的競爭對手（美光、三星和 SK 海力士）相當。長鑫儲存的研發團隊可能正在開發亞 15 nm 的 DRAM 節點，特別是 1α nm，這是 HBM3E 所需的關鍵 DRAM 節點。儘管長鑫儲存在沒有極紫外（EUV）光刻技術的情況下開發 1α nm 可能面臨重大挑戰，但並非沒有可能。2021 年，美光在未使用 EUV 的情況下推出了 1α nm DRAM，為長鑫儲存提供了潛在的可複製路徑。在後端工藝方面，考慮到長鑫儲存在 2024 年 12 月出口管制前與三星、美光等其他記憶體廠商一樣，能夠獲得 HBM 所需的大部分半導體製造裝置（除 EUV 外），因此其 HBM 產品可能採用 TC-NCF 鍵合技術。即使在出口管制後，韓美半導體（Hanmi Semiconductor）仍是中國多家客戶的 TCB 關鍵供應商，其中很可能包括長鑫儲存、通富微電等中國 HBM 領域的主要參與者。直到最近，據報導韓美半導體可能因美國政府的壓力，停止向中國客戶發運 TC 鍵合機。總體而言，長鑫儲存在 HBM 前端和後端技術的能力將是觀察其未來 HBM 產品（包括 HBM3E）發展的關鍵。特別是其前端技術（即 D1z 和 D1a 節點）的成熟度，可能決定其未來 HBM 產品的成功，因為考慮到該公司從韓國裝置供應商處儲備了鍵合裝置，其 TC-NCF 鍵合技術尚不構成致命問題。鑑於長鑫儲存最近已開始使用 1z nm 節點量產 DDR5，D1z 節點的良率問題可能對其未來 HBM3 的開發影響逐漸減小，儘管該公司仍需時間進一步提升良率和產品質量。然而，隨著該公司積極推進前端技術路線圖，預計其在 D1a 節點將面臨重大挑戰，尤其是在缺乏 EUV 光刻技術的情況下，難以實現有競爭力的良率和規模生產。因此，就 HBM3 和 HBM3E 而言，長鑫儲存目前預計落後領先記憶體廠商 3 到 4 年。2025 年 1 月，美國商務部工業與安全域（BIS）進一步收緊了先進節點 IC 在 DRAM 領域的定義，滿足以下任一條件即屬於限制範圍：儲存單元面積小於 0.0026 µm²；儲存密度大於 0.20 Gb/mm²；每個晶片的硅通孔（TSV）數量超過 3000 個。（* 三星 HBM2 每個晶片的 TSV 數量超過 5000 個，SK 海力士 HBM3 每個晶片的 TSV 數量超過 8000 個）更嚴格的規則可能限制長鑫儲存突破 18nm 節點的能力，儘管 2022 年 10 月的規則允許長鑫儲存在名義上受限的 18nm 節點外，仍可追求至 1z nm 節點。展望未來，除關注中國 HBM 的前端技術外，密切監測中國企業在未來 HBM 技術中對混合鍵合的探索和潛在應用也至關重要。如前所述，混合鍵合可能成為重塑 HBM 行業競爭格局的關鍵轉折點。對中國記憶體行業而言，混合鍵合可能提供一條顯著加速 HBM 發展的路徑，即便無法超越全球領先者，也能有效縮小差距。顯然，中國企業已意識到混合鍵合對 HBM 的重要性。長鑫儲存、通富微電等 HBM 核心企業近年持續投資混合鍵合研究，有報導顯示，自 2022 年中國半導體行業面臨美國限制加劇以來，其在該技術相關的專利申請量顯著增加。下一代 HBM 的領導地位將不僅取決於企業的前端 DRAM 製造能力，還取決於其能否率先掌握混合鍵合技術並將其整合到 HBM 產品中，從而與競爭對手拉開差距。這一趨勢對韓國、美國和中國的記憶體廠商均適用。本篇文章內容轉載自：https://substack.com/home/post/p-164567572原文作者：Ray Wang，X：https://x.com/rwang07 (傅里葉的貓)

一、美國股市場觀點關稅上調和增長放緩下調我們的盈利預期和標準普爾 500 指數回報率預測我們將標準普爾 500 指數 3 個月和 12 個月的回報率預測分別下調至 - 5% 和 + 6%（此前分別為 + 0% 和 + 16%）。根據上周末的市場價格，這意味著標準普爾 500 指數水平大致分別為 5300 點和 5900 點。更高的關稅、更疲軟的經濟增長以及比我們此前預期更高的通貨膨脹，導致我們將標準普爾 500 指數每股收益增長預測下調，2025 年從 + 7% 降至 + 3%，2026 年從 + 7% 降至 + 6%。我們的新每股收益預估分別為 253 美元和 269 美元。這些預估低於自上而下策略師的共識預期和自下而上股票分析師的共識預期。我們預計短期內估值將進一步下降，3 個月後的市盈率為 19 倍，12 個月後小幅升至 19.5 倍。美國市場策略 ——高盛現在預計標準普爾 500 指數 3 個月回報率為 - 5%，12 個月回報率為 + 6%來源：高盛全球投資研究二、高盛正在關注的圖表亞洲受關稅影響的情況與亞洲免受美國關稅影響的情況相比如何？（高盛亞洲關稅免疫指數（GSXATRIM）及高盛亞洲關稅暴露指數（GSXATREX） ）三、全球高頻資金流向動態（3月31日發佈）在整個（全部）地區，高頻交易平台（HT pad）的賣出傾向較買入傾向高 1.8 倍。投資者因避險情緒而減持資訊技術類股。此外，非必需消費品、工業和醫療保健類股也遭遇拋售。其中，在中國香港 / 中國內地地區，高頻交易平台的名義交易賣出傾向較買入傾向高 1.6 倍，與四周平均水平相比為 -68%/+92% 。槓桿投資者（LOs）的交易佔高頻交易平台交易的 82%，在非必需消費品、工業和資訊技術類股的賣出傾向較買入傾向高 1.7 倍，但他們是必需消費品類股的淨買入方。避險基金（HFs）交易佔高頻交易平台交易的 9% ，賣出傾向較買入傾向高 1.5 倍。金融類股的買入被非必需消費品和資訊技術類股的賣出所抵消。“由於關稅不確定性引發投資者謹慎情緒，香港股市出現回呼。隨著 4 月 2 日臨近，避險情緒有所抬頭。中國 3 月製造業採購經理人指數（PMI）小幅超出預期（實際值 50.5，預期值 50.4 ），但並未給市場留下深刻印象。有趣的是，南向資金支援也有所減少（南向資金當日淨買入僅 3.74 億美元 ）。成交量小幅上升，但仍遠低於 3000 億港元的平均水平，觀望情緒濃厚。不過，內地市場表現明顯好於香港市場，資金流向方面，高頻交易平台持續出現 A/H 股價差套利交易。賣空組合表現明顯遜於恆生指數，表明賣空行為在增加（高盛香港賣空組合指數下跌 2.8% ）。（注意這段話的發佈日期是3月31日）”各地區高頻資金流向動態（截至3月27日）各行業高頻資金流向動態（截至3月27日）基於因子的高頻資金流向動態（截至3月27日）四、中國主題研究（1）中國網際網路行業後續走勢隨著中國網際網路行業財報季落幕，我們圍繞長期人工智慧主題（關注點從第一季度的人工智慧基礎設施轉向第二季度的人工智慧應用），按大盤股 / 非大盤股（列出 3 隻大盤股和 5 隻大中盤 / 中小盤股的關鍵投資建議）、按成長型價值投資 / 價值投資主題（指出拼多多 2025 年預期市盈率為 10 倍，是少數仍處於 “價值” 區間且增長穩健的企業之一；京東 2025 年預期市盈率為 9 倍，是我們重點推薦的股票之一）以及按子行業（遊戲、移動電商仍是我們最看好的前三大子行業）梳理出關鍵股票投資思路。報告內有關於五大總體主題的更多細節以及我們對各子行業的看法。我們的股票偏好仍然是雙管齊下，一方面是受益於國內政策的企業，另一方面是具有防禦屬性的遊戲股；在大盤股方面看好小米等，在大中盤 / 中小盤股方面則看好京東、網易、閱文集團、好未來和騰訊。（2）中國銀行業觀察：已公佈的融資計畫帶來的影響3 月 30 日，四家大型國有銀行，即建設銀行、中國銀行、交通銀行和郵儲銀行，公佈了總計 5200 億元人民幣的詳細注資計畫，其中 5000 億元由財政部出資，200 億元由其他國有股東出資（即無私人資本參與）。注資完成後，財政部和中央匯金投資有限責任公司的合計持股比例將提高 5 個百分點，平均達到 56%。此次資本補充將通過各銀行在 2025 年底前進行的 A 股定向增發完成。若銀行要維持 2024 年的每股股息水平，股息支付率需提高至 31%-36%。已公佈的融資計畫以及為維持每股股息而提高的股息支付率，在假定風險加權資產密度不變的情況下，將為風險加權資產帶來 7.9%-9.3% 的增長空間。（3）中國資料洞察:深入研究中國政府消費政府消費是支出方面的GDP組成部分，約佔中國總消費的30%和名義GDP的17%。儘管政府消費在經濟中佔很大比重，但投資者對此瞭解甚少。在本文中，我們深入研究了中國政府消費，討論了其構成、影響和未來可能的發展方向。政府消費包括政府購買商品和服務的所有支出(包括政府僱員的薪酬)。根據我們的估計，教育、社會保障和政府就業支出(主要是支付給退休政府和事業單位僱員的養老金)佔中國政府總消費的40%。我們通過投入產出(I/0)分析和上市公司資料評估該行業的影響。我們的分析表明，醫療、零售和電信等服務相關行業從政府消費增長中受益相對較多。近年來，由於稅收和土地出售收入下降，地方政府融資條件面臨越來越大的挑戰，這對地方政府消費產生了重大影響。在2025年大規模地方政府債務解決方案和更具擴張性的財政政策的推動下，我們預計實際政府消費增長將從我們估計的去年僅1.0%(有記錄以來的最低水平)加速至今年的5.0%。國際歷史經驗表明，一個國家的收入水平提高，其政府消費佔GDP的比重就會小幅上升。然而，與其他收入水平相當的國家相比，中國政府消費佔GDP的比重較高。我們預計未來幾年中國政府消費增長將與GDP增長大致持平。圖:過去50年來，中國政府消費佔GDP的比重上升vs美國下降(智通財經APP)

2024年，全球半導體行業雖然未像預期那般出現全面復甦，但生成式人工智慧(AIGC)、汽車電子和通訊技術的快速發展，卻奠定了底層技術在2025年的基礎，為半導體行業在新一年中回暖帶來了新的希望。 在這一年中，我們見證了碳化硅(SiC)功率器件在電動汽車中的廣泛應用，芯粒(Chiplet)技術在高性能AI晶片設計中的創新應用，以及RISC-V架構在汽車電子和其他領域的快速崛起。此外，第四代半導體材料——如氧化鎵(Ga2O3)和氮化鋁(AlN)也開始嶄露頭角，展現出巨大的潛力。 在市場方面，儘管全球經濟面臨諸多挑戰，但半導體行業依然保持了強勁的增長勢頭。根據世界半導體貿易統計組織資料預測，2024年全球半導體市場規模預計將達到6112億美元，同比增長7%。特別是在汽車電子、工業自動化和消費電子等領域，市場需求持續旺盛，推動了整個行業的快速發展。 展望2025年，預計全球半導體市場將增長12.5%，估值將達到6870億美元。《電子工程專輯》基於這一年中與業內專家和廠商的交流，總結分析後挑選出了2025年全球半導體將出現或高速發展的10大技術趨勢，本文將探討這些先進技術的發展方向和市場前景。