由于供应过剩,NAND 闪存价格预计将继续下滑,迫使内存芯片制造商削减产量以适应 PC 和智能手机制造商低于预期的订单需求。
据 TrendForce 报告,库存过剩给 NAND 闪存供应商带来财务压力,2025 年增长率预测从 30% 下调至 10-15%。
"NAND 闪存制造商采取了更为果断的减产措施,缩减全年产量以抑制供应增长。这些措施旨在快速缓解市场失衡,为价格复苏奠定基础。" TrendForce 表示。
Gartner 分析师和技术产品负责人 Shrish Pant 预计,2025 年上半年 NAND 闪存价格将持续疲软,但由于 AI 服务器需求持续,下半年 SSD 出货量将提升。
"供应商目前正在努力控制供应,这将导致价格在 2025 年下半年回升。从长远来看,AI 需求将继续推动高容量/高性能 SSD 的需求增长。" Pant 表示。
关于内存市场的季节性特征,Pant 向 The Register 表示:"购买模式意味着 NAND 闪存价格将随超大规模数据中心的购买行为呈周期性波动。"
根据内存分销商 Memphis Electronic 在 LinkedIn 的帖子,闪存价格已连续四个月下跌,主要是由于智能手机和笔记本电脑制造商等主要 NAND 闪存消费者减少采购所致。
自疫情以来,PC 市场一直步履维艰,2021 年市场出货量达到峰值 3.5 亿台。此后,Windows 10 终止支持的威胁和 AI PC 的出现都未能在预期水平上重新激起买家兴趣。2024 年全球渠道出货量增长 1%,达到 2.622 亿台。
根据 Canalys 的统计数据,2024 年智能手机出货量表现略好,全球同比增长 7% 至 12.2 亿台。这是在经历了一段停滞增长期之后的反弹。
去年年底,韩国内存制造商 SK hynix 在财报电话会议中警告称,"尽管企业级 SSD 需求稳固,但由于 PC 和移动客户采购需求疲软,销售位增长环比下降两位数。"
关于近期生产计划,该公司补充道:"对于 NAND,在行业库存充分消化之前,我们将继续专注于技术转型而非产能扩张。"
Micron 在 9 月的第四季度财报电话会议上表示:"我们现在预计 2024 年和 2025 年行业 NAND 位需求增长将保持在低两位数百分比范围内,低于我们之前的预期。"
这家美国内存企业将增长放缓归因于消费设备 NAND 出货量减少、各终端市场持续进行库存调整,以及"客户在经历几个季度快速增长后,暂时放缓数据中心 SSD 采购。"
Micron 表示,2024 年和 2025 年行业 NAND 增长前景下调"意味着需要采取供应措施以实现平衡"。但该公司也预计,由于 AI 工作负载(NAND 是首选存储方式)的影响,长期需求将会上升。
The Futurum Group 半导体部门副总裁兼实践主管 Richard Gordon 通过电子邮件告诉我们:
"移动和 PC 市场的季节性疲软加上库存调整将导致传统 DRAM 和 NAND 需求和价格走软。"
关于数据中心领域的内存使用,他表示:"除了 SSD 库存调整外,由于 AI 半导体出口管制和其他地缘政治问题带来的不确定性,数据中心 HBM 需求将短期放缓。"
The Futurum Group 预计,在 PC 和智能手机制造商以及 AI 基础设施建设者需求回暖的推动下,内存订单将从第二季度开始显示复苏迹象。
Gordon 表示,从下半年开始,他预计:"内存供应商的市场条件将改善,他们将积极转向先进制程节点和 HBM3、HBM4、DDR5、LPDDR、堆叠芯片等先进技术,这将消耗产能并从传统/常规产品中转移。目标是获得更好的产出平衡和对平均售价的更多控制。"
"如今内存市场的动态正在发生一些变化。它正从一个竞争者众多的高度商品化市场(因此波动性和周期性很强),转变为一个专业化程度更高、溢价更高的市场,供应商数量大大减少,技术准入门槛更高,因此对供应和定价的控制更强。至少在中期内,AI 数据中心似乎有着无法满足的需求,这也有所帮助。"
好文章,需要你的鼓励
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。