存储器市场表现最差,降幅达到10%并且在2023年仍将面临挑战
2023年1月18日 - 根据Gartner公司的初步统计结果,2022年全球半导体总收入为6017亿美元,较2021年5950亿美元增长1.1%。排名前25位半导体厂商的总收入在2022年增长了2.8%,占到77.5%的市场份额。
Gartner研究副总裁Andrew Norwood表示:“许多半导体器件在2022年刚开始时由于缺货而延长交货时间并涨价,导致许多终端市场的电子器件产量减少,使得原厂开始通过囤积芯片库存来对冲缺货风险。”
“但到了2022年下半年,全球经济在高通胀、加息、能源成本上升和中国疫情封控的多重压力下开始放缓,影响了许多全球供应链。消费者也开始减少支出,使得个人电脑(PC)和智能手机的需求下降。之后,企业也因为全球经济衰退预期而开始减少支出。这些因素都影响了整个半导体市场的增长。”
半导体市场2022年的收入主要因为存储器和NAND闪存销售量的减少而下降了10.4%,三星电子仍保持出货量第一(见表一)。英特尔以9.7%的市场份额稳居第二。由于消费者PC市场大幅下滑并且在x86处理器这项核心业务上遭遇了激烈的竞争,英特尔的收入下降了19.5%。
表一、2022年全球排名前十半导体厂商收入(单位:百万美元)
|
2022年排名 |
2021年排名 |
厂商 |
2022年收入 |
2022年市场份额(%) |
2021年收入 |
2021年至2022年增长率(%) |
|
1 |
1 |
三星电子 |
65,585 |
10.9 |
73,197 |
-10.4 |
|
2 |
2 |
英特尔 |
58,373 |
9.7 |
72,536 |
-19.5 |
|
3 |
3 |
南韩海力士 |
36,229 |
6.0 |
37,192 |
-2.6 |
|
4 |
5 |
高通 |
34,748 |
5.8 |
27,093 |
28.3 |
|
5 |
4 |
美光科技 |
27,566 |
4.6 |
28,624 |
-3.7 |
|
6 |
6 |
博通 |
23,811 |
4.0 |
18,793 |
26.7 |
|
7 |
10 |
AMD |
23,285 |
3.9 |
16,299 |
42.9 |
|
8 |
8 |
德州仪器 |
18,812 |
3.1 |
17,272 |
8.9 |
|
9 |
7 |
联发科技 |
18,233 |
3.0 |
17,617 |
3.5 |
|
10 |
11 |
苹果 |
17,551 |
2.9 |
14,580 |
20.4 |
|
|
|
其他(前十名以外) |
277,501 |
46.1 |
271,749 |
2.1 |
|
|
|
合计 |
601,694 |
100.0 |
594,952 |
1.1 |
数据来源:Gartner(2023年1月)
2022年存储器收入下降10%
存储器在2022年占到半导体销售额的25%左右,其收入下降了10%,是表现最差的器件类别。由于电子器件原厂纷纷开始减少当初在预测需求走强时所积累的存储器库存,因此到2022年中期,存储器市场已显示出需求大幅跳水的迹象。现在情况已经恶化到了大多数存储器公司宣布削减2023年资本支出(capex)的地步,并且一些公司为了降低库存水平和试图恢复市场平衡而削减了晶圆产量。
2022年非存储器收入增长5%
2022年非存储器收入总体增长5.3%,但各个器件类别之间的表现差异很大。模拟器件以19%的涨幅位居第一,分立器件以15%的涨幅紧随其后。在汽车电气化、工业自动化和能源转型长期增长趋势的支撑下,汽车和工业终端市场产生了强劲的需求,进而推动了模拟与分立器件的增长。
好文章,需要你的鼓励
萨提亚回忆起90年代在微软评审会上听到的场景。Gates当时说:"软件只有一个品类--信息管理。
MiroMind AI等机构联合研究团队提出了UniME-V2多模态嵌入学习新方法,通过让大型多模态语言模型充当"智能法官"来评估训练样本质量,解决了传统方法在负样本多样性和语义理解精度方面的问题。该方法引入软标签训练框架和困难负样本挖掘技术,在MMEB基准测试中取得显著性能提升,特别在组合式检索任务上表现出色,为多模态AI应用的准确性和用户体验改进提供了重要技术支撑。
Anthropic周一发布了旗舰模型Opus 4.5,这是4.5系列的最后一个模型。新版本在编程、工具使用和问题解决等基准测试中表现出色,是首个在SWE-Bench验证测试中得分超过80%的模型。同时推出Claude for Chrome和Claude for Excel产品,分别面向不同用户群体。Opus 4.5还改进了长文本处理的内存管理,支持付费用户的"无限聊天"功能,并针对智能体应用场景进行了优化,将与OpenAI的GPT 5.1和谷歌的Gemini 3展开竞争。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。