20 篇相关文章
行业研究
承接创新药、先进封装、储能、消费周期和机器人自动化等跨市场行业链专题。
标签
#ai-supply-chain
ai-supply-chain 相关内容主要落在 行业研究、美股、AI产业链，便于顺着标签继续回到主栏目和专题阅读。
标签导航
先看这个标签覆盖在哪些栏目，再回到对应市场和研究主线。
先进封装翘曲量测 2026：CoWoS、HBM 与封装良率的物理变量
先进封装把芯片、硅中介层、基板、重布线层和多种材料放进同一热机械系统，翘曲会影响光刻、键合、减薄、组装和可靠性验证。m8 将其作为 HBM/CoWoS 产业链的工艺窗口变量，而不是订单或股价结论。
存储资本开支：产业链核心变量 2026
Samsung、SK hynix 与 Micron 的公开材料可以支撑“存储资本开支从通用扩产转向 HBM、先进制程、企业级 SSD 和 AI 服务器需求”的研究方向。本文保留为存储 capex 结构观察，并将 TrendForce 数字、厂区爬坡、客户分配和设备周期作为可证伪变量处理。
DRAM、DDR5 与库存周期 2026
Micron、Samsung 与 SK hynix 的公开材料可以支撑“AI/HBM 需求挤占存储供给、服务器端与消费端周期分化”的研究方向。本文讨论 DRAM、DDR5、HBM 和库存周期的结构性错配，并将现货价格、渠道库存、长协锁量和厂商订单份额作为观察变量处理。
数据中心液冷：GB300与Rubin架构驱动的CDU与冷板需求 2026
OCP 已公开 UQD、Rack Manifold 等液冷规范，NVIDIA 也公开 GB200/GB300 NVL72 液冷机架级架构。m8 认为，本文用于串联液冷、电力、PUE、UQD、Manifold、CDU、冷板和数据中心功耗约束，但供应商份额、成本占比和项目落地需要继续核验。
AI 数据中心存储网络 2026
SNIA、NVM Express、Ultra Ethernet Consortium、OCP 和 PCI-SIG 公开资料可以支撑 AI 数据中心存储网络、NVMe-oF、以太网扩展和数据搬运的研究框架。m8 认为，本文应保留为架构观察，但带宽、时延、替代路线和公司受益应作为观察变量跟踪。
NVMe、PCIe 6.0 与存储控制器 2026
NVM Express、PCI-SIG、SNIA 和控制器/SSD 厂商公开资料可以支撑 NVMe、PCIe 6.0 与存储控制器演进的研究框架。m8 认为，本文可讨论接口升级、控制器、固件和企业级 SSD 性能变量，但量产节奏、份额和订单应作为观察变量跟踪。
QLC SSD 与推理数据缓存：产业链变量 2026
JEDEC、SNIA、NVM Express、Micron 和厂商公开资料可以支撑 QLC SSD、NVMe 与推理数据缓存的研究框架。m8 认为，这篇文章适合讨论容量型 SSD 在推理、RAG、向量库和冷热分层中的角色，但 QLC 渗透率、TCO、耐久度和客户导入应作为观察变量跟踪。
Nearline HDD 与云归档容量 2026
SNIA、Seagate、Western Digital 和云存储公开资料可以支撑 nearline HDD、云归档和容量成本的研究框架。m8 认为，本文可讨论 AI 数据沉淀带来的冷温层容量变量，但 exabyte 出货、价格、长期协议和厂商份额应作为观察变量跟踪。
NAND与企业级SSD需求周期：变量 2026
JEDEC、SNIA、NVM Express、OCP 和存储厂商公开资料可以支撑“AI 数据管线抬升企业级 SSD 与 NAND 需求变量”的研究框架。m8 认为，这篇文章适合保留为 NAND/企业级 SSD 周期观察，但价格、份额、出货、客户导入和资本开支都应作为观察变量继续跟踪。
MRDIMM、CXL 与内存分层 2026
JEDEC、CXL Consortium、PCI-SIG、Micron 和内存生态公开资料可以支撑 MRDIMM、CXL 与内存分层的研究框架。m8 认为，这篇文章适合讨论服务器内存带宽、容量扩展和成本分层，但渗透率、性能增益、平台导入和供应链弹性应作为观察变量跟踪。
HDD、HAMR与AI数据湖存储 2026
SNIA、Seagate、Western Digital 与公开技术资料可以支撑“近线 HDD、HAMR/MAMR 与 AI 数据湖容量需求”的研究框架。m8 认为，本文讨论冷温数据层、云归档和硬盘技术路线，但容量出货、价格、长期协议和客户需求应作为观察变量继续跟踪。
CXL 内存池化与服务器扩展：变量 2026
CXL Consortium、SNIA、PCI-SIG 和服务器生态公开资料可以支撑 CXL 内存扩展、内存池化和资源解耦的研究框架。m8 认为，本文讨论 CXL 作为内存容量与利用率变量，但普及节奏、采购规模、性能收益和公司弹性应作为观察变量跟踪。
AI PC的LPDDR6与UFS：存储BOM 2026
JEDEC、Qualcomm、Intel、Micron 和移动/PC 平台公开资料可以支撑 AI PC 的 LPDDR、UFS/SSD、NPU 与本地模型体验研究框架。m8 认为，这篇文章适合讨论端侧 AI 存储 BOM 变量，但 LPDDR6 节奏、UFS 采用、容量升级和供应链弹性应作为观察变量跟踪。
中国存储半导体供应链：变量 2026
JEDEC、SEMI、SEC/公司披露和存储标准资料可以支撑“中国存储半导体供应链”作为产业链观察框架。m8 认为，本文讨论 DRAM、NAND、封测、设备和材料国产化变量，但产能、良率、客户导入、制裁影响和公司弹性应作为观察变量跟踪。
DRAM DDR5 库存周期 2026：云端合约坚挺 vs 消费端现货回调，为什么会分叉
HBM产能3倍挤占传统内存晶圆，是本轮合约价与现货价分叉的物理根因。拆解云端、企业、消费、二手四渠道温度差，给出三个关键先行观察变量与周期证伪条件。
存储资本开支 2026：三巨头结构性重置，不是产能扩张
三大存储厂 2026 年 Capex 合计超百亿，但钱没有流向位元增量，而是流向 HBM 与先进封装的工艺重置。Samsung 终结老旧产线、SK Hynix 清州龙仁布局、Micron 押注企业级——拆解三巨头策略差异与产业链核心验证节点。
AI封装底填空洞：公开来源核验 2026
Henkel、Amkor、IEEE 和公开综述资料可以支撑先进封装 underfill 材料、空洞控制、热循环可靠性和大尺寸 AI/HPC 封装挑战的研究框架。m8 认为，这篇文章适合讨论底填材料与制程窗口如何影响封装可靠性，但良率、客户导入、供应份额、材料价格和公司收入弹性都应作为观察变量继续跟踪。
AI推理FinOps：产业链变量 2026
FinOps Foundation、NVIDIA Triton 和 Triton Model Analyzer 的公开资料可以支撑 AI 推理成本治理、性能测量、模型部署配置和资源利用率优化的研究框架。m8 认为，这篇文章适合讨论推理规模化后的成本、延迟、吞吐和容量管理变量，但节省比例、客户预算迁移、厂商份额和收入弹性都应作为观察变量继续跟踪。
GPU集群网络遥测：故障定位与运维变量 2026
UEC、NVIDIA 与 Meta 的公开资料可以支撑 AI / HPC 集群网络从带宽竞争走向拥塞控制、端到端遥测和故障定位的研究框架。m8 认为，这篇文章适合保留为 GPU 集群网络遥测文章，但微秒级指标、市场规模、份额、订单和公司映射都应作为观察变量继续跟踪。
中国AI推理需求 2026
国家数据局转载公开报道披露了 2025 年我国全年词元调用量约 21100 万亿，以及 2026 年 3 月日均词元调用量超过 140 万亿。m8 认为，本文讨论 AI 推理需求的公开观察口径，但不能把词元增长直接等同于芯片订单、液冷渗透率或公司利润。