2022 年，存储芯片无疑是半导体下行周期中受影响最严重的芯片品类。进入 2023 年，存储芯片的下滑趋势仍在继续，何时止跌仍是未知数。

　　从 2021 年下半年至今，存储芯片价格下跌的时长已经超过 18 个月。DRAM 和 NAND Flash 两大内存芯片价格已经下跌长达 20 个月之久。尽管各大分析师认为，目前存储芯片价格已接近底部，跌幅有所收窄，但下行趋势仍在继续。

　　Utmel 表示，2023 年 2 月全球智能手机出货量（批发）和销售额（零售）分别同比下降 11% 和 5%。作为存储芯片终端需求的三大驱动力，智能手机市场的低迷无疑让存储芯片需求回暖雪上加霜。

　　当然，存储芯片也出现在一些细分领域的利好信息中，比如 ChatGPT 对高带宽存储芯片的需求猛增，汽车智能化、高端制造信息化升级也将带动存储芯片需求的增长。不过，这些细分需求能否对冲存储芯片整体下滑的趋势，目前还是一个未知数。

　　存储芯片作为占集成电路第二大比重的产业占据着核心地位，半导体和消费电子产业的景气度有重要的支撑作用。而 2023 年的减单、减产、价格暴跌持续影响着存储芯片行业。

　　2022 年下半年开始，三星、美光科技、西部数据、海力士、铠甲侠等存储芯片巨头纷纷通过减产去库存应对市场疲软态势。2023 年一季度，铠甲侠、美光产线持续承压，西部数据、SK 海力士跟进减产，力图跨过行业寒冬。

　　从有分析人士的数据来看，主要厂商的努力对于减缓存储芯片价格的下滑起到了不小的作用。2022 年第四季度全球 DRAM 和 NAND 闪存价格下跌约 20%-25%，预计 2023 年第一季度 DRAM 价格跌幅收窄至 13%-18%，NAND 闪存价格下跌约 10%-15%。这也使得业内普遍预期行业反弹的时间表越来越近。

　　由于存储芯片固有的周期性，作为最主要产品的 DRAM 和 NAND Flash 的市场规模也具有明显的周期性波动，通常遵循 3-4 年的波动周期。按照这个规律，存储芯片的最后一个景气高点是 2021 年，预计到 2023 年底恢复增长趋势。

　　有业内专家分析，2023 年存储芯片行业走势有望呈现两极分化：一方面，低端芯片产品库存持续高企，价格大幅回落；另一方面，部分高端芯片市场需求日益旺盛，但由于产能回升缓慢等原因，供需矛盾依然突出，甚至面临「一芯难求」的局面。其中，最具代表性的是高带宽存储芯片订单的大增。

　　ChatGPT 的出现将推动 AI 在地面的应用，同时也催生了对高性能芯片的需求。受益于 ChatGPT，三星电子和 SK 海力士的 HBM 订单自 2023 年初以来大幅增加，价格大幅反弹。

　　ChatGPT 发布后迅速在全球引起广泛关注，各大厂商纷纷公布各自的 GPT 模型开发计划。以 GPT 模型为代表的大模型的训练和应用带来了底层算力需求的大幅提升，相应地需要大量的 AI 芯片为其提供算力支持。训练 AI 模型需要大规模的数据集，AI 芯片中存储的数据越多，大型模型的训练速度越快，训练精度越高。因此，ChatGPT 的训练量急剧增加，最底层的基础设施需要大量的运算芯片和存储芯片。

　　HBM 是一种基于 3D 堆叠工艺的 DRAM 内存芯片技术，可显著提高数据处理速度，而 ChatGPT 的发展导致第三代 HBM 报价大幅增加。HBM 是一种基于 3D 堆叠工艺的 DRAM 内存芯片，安装在 GPU、网络交换设备、AI 和高性能服务器中。HBM 可以大幅提升数据处理速度，每瓦带宽比 HBM 可以大幅提升数据处理速度，每瓦带宽是 GDDR5 的三倍以上，HBM 比 GDDR5 节省了 94% 的表面积。以 HBM 为代表的超高带宽内存技术世代级模型也将加速 HBM 内存进一步提升容量和带宽。第三代 HBM 提供了一个巨大的飞跃，

　　当然，汽车智能化的快速推进和高端制造信息化升级，也将带动汽车、工业、医疗等行业强劲的市场需求。虽然车载存储芯片整体市场规模约为手机存储市场的十分之一，但在智能网联汽车发展大趋势下，车载存储板块的快速发展有望为存储行业提供新的增长动力，根据 Utmel 的预测，2021 年至 2027 年的复合年增长率为 18.6%。

　　此外，5G 基站、人工智能、物联网、数据中心、智能家居、可穿戴设备等新兴应用不断涌现，将对功耗、安全、传输速率、体积、成本等提出更高要求。存储芯片，也将为存储芯片市场提供重要的驱动力。

　　动荡的2022年引发 半导体 行业库存调整，企业纷纷应对短期下行周期，但背后的发展 趋势 值得关注。 由于人工智能（AI）、AR/VR、物联网（IoT）、自动驾驶汽车、电动汽车、高性能计算（HPC）、航空航天、卫星通信、5G/6G、智慧城市等众多应用科技，都依赖于半导体技术的进步来实现创新，我们相信以下趋势将影响 2023 年及未来几年半导体 供应链 的发展。 减少供应链中断 随着各国逐步解除疫情防控措施，新的供应链生态正在形成，过去两年因疫情防控造成的物流中断和供应链中断问题最终将得到解决。中国的疫情封锁和电力短缺风险仍然存在，但随着疫PG电子网站情控制措施的逐步放松，宏观经济状况可能会有所改善。 新品上市刺激需求 AMD、英特尔和英伟达都计划在 2023 年推出新的 CPU 和 GPU 产品。苹果也将在 2023 年推出采用台积电制造的 3nm 芯片的新笔记本电脑。另据传，苹果将于 2023 年推出 AR/VR 设备，新的创新终端产品的销售将带动芯片的增长。据DIGITIMES Research称，目前各种零部件和成品的高库存将在2023年上半年得到消化。 区域化和本土化 除了政府增加国内芯片生产的激励措施外，比预期更长的俄乌战争也促使半导体公司寻求替代材料来源，并培养国内供应商。企业在过去两年的艰苦岁月中历经磨练，在供应链管理上形成了更强的应变能力。 与此同时，净零碳排放要求等气候政策正在推动企业减少碳足迹。终端设备客户可能开始要求在他们的主要市场或组装地点附近生产的芯片，从而增加区域化而不是全球化。据报道，苹果已经下单了在美国生产的 3nm 芯片，而台积电确认计划在亚利桑那州生产 3nm 芯片也为这一趋势提供了佐证。 脱钩将继续 由于未来我们可能会继续看到更多的监管限制和技术出口管制的变化，因此所有人都会受到影响。已经有报道称公司试图降低美国技术含量或改变节点以避免美国制裁。 WSTS 亚太区副主席 Gabriel Chou 表示，世界半导体贸易统计 (WSTS) 将很快发布 2023 年的最新预测。“我们预计会向下修正。” WSTS 此前于 8 月发布的预测预计，2023 年全球半导体市场将增长 4.6% 至 6620 亿美元，而 2022 年预计将增长 13.9%。 DIGITIMES 半导体分析师 Eric Chen 预测，由于宏观经济环境的不确定性和中美技术战，2023 年全球晶圆代工制造商收入将出现 2-3% 的下降。 “展望2023年，考虑到终端产品的库存修正将持续到2023年上半年，经济前景将影响人们的消费意愿，终端产品的库存修正很可能会延长，全球晶圆代工到 2023 年，收入将下降 2.3%，而台积电是唯一一家将在 2023 年实现增长的代工厂商，”Chen 在他的最新报告中写道。据 DIGITIMES Research 估计，到 2022 年代工市场的收入预计将增长 25.8%，达到 1372 亿美元。 尽管分析师不断提到地缘政治风险是可能扰乱供应链的主要不确定因素之一，但对于许多半导体制造商来说，它并不像导致大量库存需要终端设备客户纠正的“需求冻结”那样令人担忧。半导体公司在第三季度财报电话会议上一致认为，库存调整和消费者需求疲软是对其2023 年上半年业绩的最大影响。 内存寡头竞争升温 美光已宣布削减 DRAM 和 Nand 的产量以缓解价格下跌的影响。SK 海力士还宣布削减 50% 的资本支出。这些措施有利于抵御内存价格的下跌，但我们需要注意三星的举动，因为它是唯一拒绝减产或资本支出的公司。推出200+层的Nand flash竞争激烈。SK海力士计划在2023年上半年推出1 beta处理节点的DDR5芯片，而美光已于22Q4在中国台湾开始量产其1 beta处理节点芯片，目前正准备在2024年量产1 gamma节点。 更多公司采用 Arm 和 RISC-V 架构 自主设计芯片的品牌和系统所有者已成为主流，其中许多选择采用 Arm 或 RISC-V 架构。尽管有些人可能会发现 Canalys 最近预测到 2026 年 50% 的服务器和 30% 的笔记本电脑市场将基于 Arm 架构，这一目标雄心勃勃，但 RISC-V 的快速增长可能更令他们震惊。RISC-V 国际基金会 CEO Calista Redmond 曾表示，到 2025 年，RISC-V 预计将分别占据全球 CPU 市场的 14% 和全球汽车核心市场的 10%，RISC-V 核心很可能会看到另一个2023 年增长 100%。Semico 预测 2018 年至 2025 年 RISC-V 内核的复合年增长率将接近 160%。 摩尔定律不仅由 EUV 延续 代工厂正在开发碳纳米管、内存计算、3DIC异质集成、复合材料等创新技术，以制造占用面积更小、计算能力更强、能耗更低的芯片。并且有新的玩家加入，加入到竞争之中。除了供应方面的努力，如果终端设备有足够的创新来推动对亚 2nm 芯片的需求，我们将看到摩尔定律的延续，该定律预测芯片上的晶体管数量将每 2 年翻一番。 人才紧缩 由于全球半导体供应链分工复杂，根本没有足够的工程师来填补全球半导体行业的职位空缺，至少在短期内是这样。中国台湾已经是这种情况，它已经拥有最多的半导体工程师来生产世界上 60% 的芯片。虽然很多国家和公司已投入资金和资源来限制芯片供应和增加国内产量，但人才短缺问题很难在短期内得到解决，并可能阻碍投资的有效性。在正在备份或从头开始构建半导体产业生态系统的国家，人才短缺将更加严重。没有足够的人才，建造国产芯片的巨额投资将仍然是一个白日梦。 更多信息可以来这里获取== 电子技术应用-AET .

　　《达摩院发布2023十大科技趋势，Chiplet技术有望重塑芯片产业格局》

　　1月11日，达摩院2023十大科技趋势发布，包括：多模态预训练大模型、Chiplet模块化设计封装、存算一体、云原生安全、软硬融合云计算体系架构、端网融合的可预期网络、双引擎智能决策、计算光学成像、大规模城市数字孪生、生成式 AI。 达摩院2023十大科技趋势项目成员秦钖表示，十大科技趋势一以贯之是从产业的角度观察，看哪些技术已经进行了产业化应用、工程化落地、产品化落地等。 2023年稍有不同，更多从基础领域出发，从IT（信息科技）到CT（通讯科技），再到应用和安全两个横向领域。“我们希望通过这四个维度，把整个ICT领域在一年或未来两三年应有的趋势画一张图，这是跟以前不一样的地方。”秦钖说。 此外，年度趋势以迭代性趋势为主，达摩院所判断的都是一组技术，每一个技术组的每一个趋势不是只有一种技术代表，比如AI技术，它同时有几种技术路线的变形，达摩院通过专家对前沿技术的方向做一个判断，再通过定量和定性的方法做总结和判断。 “科技趋势的判断永远是一个非常困难的过程，一般来讲，趋势判断跟大猩猩投飞镖是一样的，都是50%/50%的概率。迭代性技术从前沿再到产业，再到各方面的专家和学者，综合集成各种观点和方法，可以更明确判断出趋势的走向，这也是今年科技趋势在研究方面跟以往一个显著的不同。”秦钖表示。 如上也被称为“巴斯德象限”的研究思路，基于论文和专利的大数据“定量发散”，对产、学、研、用领域近百位专家深度访谈进行“定性收敛”，再从学术创新、技术突破、产业落地、市场需求等维度综合评估，力求“致广大而尽精微”，最后遴选出十大趋势。 从具体趋势内容来看，AI正在加速奔向通用人工智能。多模态预训练大模型将实现图像、文本、音频等的统一知识表示，成为人工智能基础设施；生成式AI将迎来应用大爆发，极大推动数字化内容的生产与创造。在计算、通讯、安全、应用等各个方面，AI都在大范围地深入每一个领域。 达摩院还提到，云计算始终是数字时代的技术创新中心：基于云定义的可预期网络技术，将从数据中心的局域应用走向全网推广；因云而生的云原生安全技术，则将推动平台化、智能化的新型安全体系的成形；云也在重新定义计算体系架构，从以CPU为中心的传统架构，向以云基础设施处理器 （CIPU）为中心的全新体系架构演进。未来，由云定义的软硬一体化，将实现系统级的深度融合。 秦钖表示，“未来IT、CT不会分得这么明显，有可能出现提供全方位算力服务的公司，这是产业方面非常明显的趋势。” 芯片领域在算力需求暴涨、摩尔定律放缓的夹击下寻求突围，达摩院预测，存算一体和Chiplet模块化设计封装将有长足进展：基于SRAM、NOR Flash等成熟存储器的存内计算有望在智能家居、可穿戴设备等场景实现规模化商用；Chiplet互联标准的逐渐统一将重构芯片研发流程。 目前芯片在设计和制程等方面遭遇明显难题，越来越囿于一些物理极限，业界探索把芯片做小或把芯片的功能更加专一和集中，即采取Chiplet方式，试图绕过现在的物理极限。 Chiplet最重要的是创新了芯片封装理念，把以前的SoC芯片用Chiplet结构分成了多个芯粒。分开制造这些芯粒以后再把它们封装在一起，形成了一个非常完整复杂的工艺。 秦钖说道，芯粒本身可以采取不同工艺进行分离制造，例如对GPU、CPU等核心模块可以采取先进制程工艺；对制程工艺不敏感的模块，就采取成熟的工艺制造，最后制成的芯片也能达到与SoC系统级芯片性能相近的水平。Chiplet对芯片的设计、制造、封装、测试整个流程，都产生了一个革命性的变化。 此外，基础技术的迭代演进将催生新场景和新产业，今年最被达摩院看好的趋势有计算光学成像、数字孪生城市、双引擎智能决策等。 附：达摩院2023十大科技趋势 ● 多模态预训练大模型：基于多模态的预训练大模型将实现图文音统一知识表示，成为人工智能基础设施。 ● Chiplet模块化设计封装：Chiplet的互联标准将逐渐统一，重构芯片研发流程。 ● 存算一体：资本和产业双轮驱动，存算一体芯片将在垂直细分领域迎来规模化商用。 ● 云原生安全：安全技术与云紧密结合，打造平台化、智能化的新型安全体系。 ● 软硬融合云计算体系架构：云计算向以CIPU为中心的全新云计算体系架构深度演进，通过软件定义、硬件加速，在保持云上应用开发的高弹性和敏捷性的同时，带来云上应用的全面加速。 ● 端网融合的可预期网络：基于云定义的可预期网络技术，即将从数据中心的局域应用走向全网推广。 ● 双引擎智能决策：融合运筹优化和机器学习的双引擎智能决策，将推进全局动态资源配置优化。 ● 计算光学成像：计算光学成像突破传统光学成像极限，将带来更具创造力和想象力的应用。 ● 大规模城市数字孪生：城市数字孪生在大规模趋势基础上，继续向立体化、无人化、全局化方向演进。 ● 生成式 AI：生成式AI进入应用爆发期，将极大推动数字化内容生产与创造。