三星电子有限公司预测季度利润将创历史新高,这主要得益于支持人工智能工作负载的内存芯片需求不断增长。这一消息推动三星股价在今日交易中一度上涨5%,最终收于2%的涨幅。
作为全球最大的内存芯片供应商,三星预计第一季度营业利润将达到57.2万亿韩元(379亿美元),远超分析师预期的40.6万亿韩元。这一数字比去年同期的6.69万亿韩元增长了八倍多,也是三个月前创下的20万亿韩元营业利润纪录的三倍。
AI需求推动内存芯片供不应求
三星已成为AI热潮的最大受益者之一,其内存芯片需求远超可用供应量。这些内存芯片不仅用于数据中心的AI服务器,还广泛应用于个人电脑、智能手机和其他各种计算设备。
集邦科技预计,由于持续的供应短缺,动态随机存取内存芯片价格在本季度将上涨超过50%。美林证券分析师Kim Sunwoo向路透社表示,实际合同价格有时甚至高于市场预期。此外,三星还受益于韩元贬值,韩元兑美元汇率最近跌至17年来最低点,提升了其海外收益。
芯片业务贡献主要利润
虽然三星在其盈利预测中没有详细分解利润数字,但Kim表示,该公司芯片部门的利润可能约为54万亿韩元,占总利润的95%。相比之下,其智能手机业务预计产生利润仅为4万亿韩元,比去年同期略有下降,但仍高于分析师预期。
三星在高带宽内存芯片领域取得了实质性进展,此前该公司在将最先进的芯片推向市场方面遇到困难。去年,HBM芯片市场主要由竞争对手SK海力士主导,但三星已向客户出货其最新的HBM4芯片,帮助其重新夺回市场份额。
然而,三星的大部分利润来自传统内存芯片价格的飙升,这些芯片是AI推理所必需的。HBM芯片主要用于AI训练工作负载。分析师表示,总体而言,HBM芯片约占该公司芯片收入的5%。
Kim表示,三星智能手机业务得益于其低成本组件库存。不过,随着库存减少,第二季度利润率可能会下降,因为公司将不得不以更高价格采购新供应。
三星还预测其总收入将增长至133万亿韩元,比去年同期增长68%。该公司将于4月30日发布完整业绩报告。
未来挑战与市场担忧
尽管前景乐观,但未来几个季度仍存在一些不利因素可能影响三星的前景。美伊冲突导致能源成本上升,引发了对AI数据中心内存芯片需求可能减弱的担忧。此外,中东冲突可能对芯片制造供应链造成干扰,减缓其发展势头。
NH投资证券的Ryu Young-ho向路透社表示,三星将尝试重组其长期合约以维持半导体业务的增长,但尽管如此,"对内存价格增长见顶的担忧依然存在"。分析师表示,这种担忧的迹象已经出现,上周DRAM现货价格下跌,因为终端用户难以承受高昂的价格。
上个月,谷歌推出了一项名为TurboQuant的新技术,该技术使AI工作负载能够在内存减少的芯片上运行,三星股价一度受到冲击。但即便如此,股价很快反弹,年初至今已上涨61%。
Q&A
Q1:三星第一季度营业利润预测达到多少?
A:三星预计第一季度营业利润将达到57.2万亿韩元(约379亿美元),远超分析师预期的40.6万亿韩元,比去年同期增长了八倍多,也是此前20万亿韩元营业利润纪录的三倍。
Q2:为什么内存芯片价格会大幅上涨?
A:主要原因是人工智能工作负载对内存芯片的需求激增,导致供不应求。这些芯片不仅用于数据中心的AI服务器,还广泛应用于个人电脑、智能手机等设备。集邦科技预计本季度动态随机存取内存芯片价格将上涨超过50%。
Q3:三星在高带宽内存芯片市场表现如何?
A:三星在HBM芯片领域取得实质性进展,已向客户出货最新的HBM4芯片,重新夺回了部分被SK海力士占据的市场份额。不过HBM芯片目前仅占三星芯片收入的约5%,主要利润仍来自传统内存芯片。
好文章,需要你的鼓励
购买笔记本电脑时,用户现在需要了解Copilot+ PC、NPU和本地AI处理等新概念。搭载专用神经处理单元(NPU)的Copilot+ PC能提供至少40 TOPS的AI算力,支持实时字幕翻译、视频通话优化、AI图像编辑等功能,同时提升续航表现。戴尔最新产品线涵盖多种选择:Dell 14 Plus适合学生和通勤族,Dell 16 Plus适合多任务办公用户,XPS 14面向轻度创作者,XPS 16则以31小时超长续航和3.6磅轻薄机身成为内容创作者的旗舰之选。
香港科技大学与华为联合提出LISA训练方法,通过让副网络对齐"似然分数",将ControlNet等图像生成模型的训练收敛速度提升逾2.78倍,同时改善图像质量与条件控制精度。
圣安德鲁斯大学博士Henry Legg在《自然》杂志发表同行评审论文,对微软拓扑间隙协议(TGP)框架提出质疑,认为该框架在推断Majorana粒子量子态存在方面存在缺陷,且实验数据分析结论可能有误。微软此前宣称将于2029年实现可扩展量子计算机,并推出Majorana 2芯片。对此,微软坚持立场,表示已发表正式反驳并获《自然》收录,对研发路线图充满信心。
上交大与爱丁堡大学提出InfoKV,将信息熵与注意力权重结合用于KV缓存压缩,让大模型在仅保留12.5%缓存的条件下实现接近甚至超越完整缓存的长推理性能。