AI 芯片公司 Tenstorrent 宣布完成 15 亿美元 E 轮融资，投后估值 62 亿美元，较 2024 年 12 月上一轮估值翻倍以上。该轮由 Trace Capital 和 Innovation X 领投，Tether Investments、ARK Invest、Fidelity、Morgan Stanley、SanDisk、Virtu Financial 等参投。资金将用于扩大芯片和服务器量产及全球业务。

AI芯片真正的下一场革命，不是算力，而是“地基”——玻璃基板量产时间终于被锁定 HBM、CoWoS、Chiplet 已经成为 AI 芯片时代最热门的话题，但真正决定下一代先进封装能否继续扩张的，或许是一个更底层、却长期被忽视的环节——芯片封装基板。 目前主流 AI 芯片仍然大量采用有机基板。这类材料成本较低、工艺成熟，但随着 AI GPU 尺寸不断扩大、封装越来越复杂，有机材料容易因受热产生翘曲，线路精度和稳定性也逐渐逼近极限。这意味着，先进封装继续升级，需要新的基础材料。 玻璃基板正是在这样的背景下进入产业视野。 相比传统有机材料，玻璃具有更低的热膨胀系数、更高的尺寸稳定性、更平整的表面以及更高密度的布线能力，更适合未来超大尺寸 AI 芯片、高带宽封装以及下一代高速互连，因此被认为是先进封装的重要发展方向 日本住友化学与韩国三星电机正式宣布成立合资公司 GlaSSEM，总投资约 4821 亿韩元，并将目标明确写成 2027 年下半年实现全面商业化（full scale commercialization）。 真正值得关注的并不是成立合资公司本身，而是官方使用了 “full scale commercialization” 这一表述。 这意味着目标已经不再是实验室验证，也不是小规模试产，而是正式进入全面商业化量产阶段。 过去几年，无论是英特尔、台积电还是三星，都不断展示玻璃基板技术进展，但市场始终缺少一个明确的产业时间坐标。 如今，两家产业龙头以真金白银投入数百亿韩元，并直接锁定量产窗口，这无疑给整个产业链提供了目前最清晰的商业化时间表。 这也是为什么不少产业观察人士认为，这不仅是一条企业新闻，更是整个玻璃基板产业的重要信号。 对于设备企业来说，这一点尤其值得关注。 Serenity 持有的德国上市公司 $LPKF，主营 TGV（Through Glass Via）激光打孔设备。 TGV 可以理解为在玻璃内部形成极细微导通孔，是玻璃基板制造过程中最关键、技术门槛最高的工艺之一。 根据 LPKF 此前公开披露，公司曾表示全球主要客户中约 80% 选择其 TGV 设备，并希望在未来玻璃基板量产阶段取得约 70% 的市场份额。 设备行业还有一个典型特征。 真正的收入增长往往发生在客户扩产之前。 当客户决定建设生产线时，设备采购通常已经开始，因此设备企业往往能够提前获得订单，而真正的大规模芯片量产则发生在之后。这也是资本市场通常提前交易设备公司的重要原因。 如果把视角放回国内，目前玻璃基板产业仍处于由验证走向小批量量产的阶段，与海外规划中的全面商业化还有一定距离，但产业方向已经越来越明确。 A 股中，目前最受市场关注的公司之一是 $沃格光电（603773）。 公司已经布局玻璃薄化、TGV 激光打孔、孔内金属化以及多层线路等关键工艺，并建设了武汉 TGV 产线。公开信息显示，公司相关产品已向包括英伟达、英特尔、华为等客户送样，1.6T 光模块玻璃基板也已进入小批量交付阶段，因此成为目前国内玻璃基板产业链中关注度较高的企业之一。 与此同时，上游材料的重要性同样不可忽视。 $彩虹股份（600707）拥有国内无碱玻璃原片相关制造能力。如果未来玻璃基板产业持续扩大，原材料国产化同样可能成为产业链竞争力的重要组成部分。 在我看来，GlaSSEM 的成立最大的意义，并不是意味着产业马上进入业绩兑现期，而是龙头企业首次把玻璃基板的大规模商业化时间明确写进了产业规划。 产业趋势正在逐渐从“技术是否可行”转向“什么时候全面放量”。 对于整个产业链而言，这更像是一颗真正意义上的“定心丸”。 当然，也需要保持理性。 目前距离官方规划的全面商业化仍有一段时间，2027 年下半年才是目标节点，中间仍可能经历设备验证、良率提升、客户认证以及产能建设等多个阶段。 因此，这更像是一个产业趋势不断加速的发展过程，而不是短期业绩立即兑现的开始。

AI 芯片也要变周期股了？危⚠️ 马斯克预言：年底芯片将有效过剩！ 1. 芯片过剩、电网瘫痪 AI 芯片的生产速度 ＞ 供电能力。大量的芯片被堆在仓库里，结果是，有芯片，但没电开机。 2. 地球电力有限 全球 AI 总算力大约每7个月翻一倍，相当于每年增长3.3倍，几年下来就是1000倍+的增长，算力的瓶颈最终是电力和散热，地球上的能源无法支撑 AI 算力的扩张。 3. 太空解锁无限算力 唯一解法是走向太空。利用太空无间断的太阳能，每年可部署数100吉瓦甚至太瓦级的算力集群，彻底解锁 AI 瓶颈。

AI 芯片继续承压，纳指短线掉队； 就业数据降温，反而把道指推上历史新高 📈 资金正在离开拥挤的半导体交易，转向更稳的大型科技、加密金融和防御资产。 今晚休市，下周看点很清楚： 降息交易，还能不能继续带节奏？ #WEEX# #美股# #非农# #降息#

AI芯片产业链承压，你的下一台iPhone贵了，要怪AI bitcoin:native $60K -0.12%，美光 -6.7%，苹果 +3.1% 今日反弹至$283 先说美光这件事，因为它是这条链上最典型的一个细节👉 财报超预期，结果次日高开低走，今天继续跌6.7%还放量。这不是意外，这是Sell the News最教科书的走法，消息已经在预期里定价了 财报出来之后拿到的是最后一波散户接盘，机构悄悄出掉了。成交量比日均多了将近七成，有人在认真出货这件事不用猜 然后涟漪往亚洲传，SK海力士今天跌4.5%，三星跌5%，KOSPI开盘直接暴跌3%，KOSDAQ触发熔断 但我觉得真正危险的不是跌幅，是韩国市场的杠杆结构。韩国投资者借贷炒股的金额现在已经创历史新高。高杠杆在上涨时是加速器，在下跌时是放大器，只要跌到某个临界点，保证金追缴就开始了，追缴触发强平，强平带来更多抛售，然后更多追缴，这个螺旋转起来的时候速度很快，2020年、2022年都发生过。今天KOSDAQ熔断某种程度上就是这个机制开始转了 然后再看消费端👉 AI芯片需求推高的存储成本现在开始往终端传导，苹果和微软硬件双双涨价。这个信号其实比二级市场的跌跌撞撞更值得关注，因为这意味着整个AI大周期的成本压力已经走完了上游到终端的全链路，普通消费者开始真实感受到账单变化了 这有个微妙的反身性：涨价→消费者可能推迟换机→苹果硬件需求走软→苹果估值压力。但短期苹果今天反弹了3%，上周那波-6%的抛售可能过度了，现在是技术性修复 我对这整件事的判断是，这是AI大周期里一次正常的中途减速，不是终点 AI芯片需求是真实的，HBM存储供不应求这个格局也是真实的，但资本市场已经把未来好几年的增长提前定价了，任何一点点没达到最乐观预期的信号都够触发一轮获利了结。美光财报其实很好，但市场预期的好比它出的好还要好，差那么一点点就够了 现在的问题不是AI需求真的在消失，是过去一年多涨太快的估值在找理由修正。韩国杠杆踩踏是个加速剂，但根本原因还是估值已经定价了很多未来 对 bitcoin:native 的影响，科技板块情绪收缩的时候加密通常找不到往上走的力气，今天BTC就是-0.12%原地踏步，这是大背景下很正常的表现，不是特别坏，但也没有说这些科技股的压力消失了 非农周四才是真正的方向选择，这周先磨着 DYOR 非投资建议

AI 芯片背后的封装战争：AMKR 安靠 vs ASE 日月光，谁能吃到台积电 CoWoS 外溢红利？OSAT 封装双雄对决... 今天这期视频近 40 分钟时间，详细拆解 AI 芯片背后的封装产业链，从底层技术原理，到上层产业链公司以及投资逻辑，欢迎大家一起学习讨论。 视频包含如下内容： - AI 芯片底层制作过程 - 封装到底解决什么问题？ - 台积电 CoWoS 先进封装技术版图 - 封装行业的卡位瓶颈 - 多维度拆解对比 AMKR 安靠 vs 日月光 ASE - 对应投资布局框架

AI芯片巨头Marvell（迈威尔科技）前CFO Willem Meintjes于6月15日提交Form 144，计划出售约20.7万股MRVL，按当时市值约6013万美元。 为什么是前CFO？​因为就在同一天，Meintjes正式完成CFO交接转任公司顾问至2027年。 完成交接当天，Meintjes就提交了减持计划，拟出售约93%的持仓，可以说是一天都没耽搁啊！ Marvell刚刚被纳入标普500，黄仁勋多次公开提及其在AI基础设施中的重要地位，市场甚至开始用“下一家万亿AI公司”来描述MRVL。 当AI硬件板块处于情绪最亢奋、估值最乐观的时候，一位刚刚离任的核心高管选择出售接近93%的持股。 这究竟只是一次正常的财富管理安排，还是对当前估值水平的理性兑现？

AI 芯片制造商 Cerebras 据称计划在周一上调 IPO 定价 $CBRS 预计将在周一为其 IPO 定价，价格区间为每股 125 至 135 美元。 据称，该 IPO 的认购倍数已经超过 20 倍。

AI芯片的scale up，底层=物理的限制是reticle： 光刻机一次只能曝光一个固定大小的区域，上限大约在800mm²左右。这决定了目前单颗芯片的尺寸的硬天花板。 行业突破这个限制的难度非常大，接近物理极限，因为光刻的面积和精度往往不能两全（镜头等设备限制），所以只能绕开它。 早期是大GPU，但这样做成本和良率都会变得很差。后来逐渐转向另外两条路径：一种是把系统做大，用一块更大的“硅底板”interposer把多个芯片拼在一起；另一种是把芯片拆小，再通过高速连接重新组合。 interposer本质上不做计算，只负责连接。GPU、HBM这些芯片放在上面，通过更细、更密、更短的连线实现高带宽数据交换。AI算力之所以能上一个台阶，很大程度上不是因为算得更快，而是数据在不同芯片之间移动得更快。 但interposer本身也会超过reticle的尺寸，这时候就需要用到stitching。做法就像拼瓷砖：一块一块曝光，然后精确对齐，拼成一个整体。难点在于精度控制，边界一旦对不齐，连线就会出问题。 这种方式只适用于对精度不那么敏感的结构。像CPU、GPU这类逻辑芯片，对时序的要求极高，任何纳米级误差都可能影响性能，所以不能用stitching。interposer因为只是布线层，没有复杂逻辑，可以容忍这种拼接带来的误差。 围绕连接这件事，行业逐渐形成了cowos和emib两种不同的实现路径。一种是做一个统一的大平台，把所有芯片放在同一块interposer上，连接集中在这层完成，带宽能力很强，但成本也高。另一种是不做大底板，只在需要高速连接的地方嵌入一小块桥接结构，按需提供带宽，结构更灵活，制造压力也更小。 在AI训练场景下，模型规模大，HBM带宽成为关键，整个平台需要维持极高的数据吞吐，这类设计更依赖大面积interposer。 但推理场景的约束不一样，更关注成本、延迟和并发，带宽需求往往集中在局部，不需要整个平台都维持极致带宽。这时候，把芯片拆成多个模块，再用局部高速连接拼起来，会更合适。 这也是EMIB这类方案更容易在推理芯片和ASIC里出现的原因。它不需要一整块大interposer，而是在关键位置提供高带宽连接，可以把计算、缓存、IO等模块分开设计，再按需组合。这样的结构更容易控制成本，也更有利于根据不同业务场景做定制化调整。对云厂自研芯片来说，这种灵活性很重要。 当然，推理并不完全不需要高带宽。在一些大模型推理场景里，HBM依然重要，对应的封装方案也会更接近训练芯片。但在更广泛的推理需求中，成本和规模才是核心约束，这使得模块化和局部互连的价值变得更高。 站在26年一季度末看未来，AI算力的扩展路径其实已经很清晰了。不是把单个芯片做得越来越大，而是把计算拆开，再用更高带宽把它们连接起来。芯片本身的尺寸被reticle锁死了，系统的规模则由连接能力决定。 免责声明：本文非投资建议dyor

物理AI芯片有人拆开做了啊 前英伟达架构师许飞翔这帮人，目标把感知到动作的闭环压到1毫秒内。对照客户现在的x86加Orin，他们仿真说性能能抬5倍、成本砍80%，年底先出FPGA让客户摸真机。我看机器人真卡的是闭环时延，不是再堆一颗大算力GPU