韩国DRAM厂商与NAND制造商SK海力士公司公布其2017年第一季度实现营收增长,同时创下破纪录利润水平。
该公司本季度营收达到6.29万亿韩元,较上年同期增长72%,亦较上季度高出17%。净收入则为1.9万亿韩元,较上年同期提升惊人的324%,较上季度增幅则为17%。
另外,SK海力士公司亦借此创下破纪录利润水平。
本季度净运营利润率为30%,而营收与利润的双重增长主要受到产品价格上涨的推动
在DRAM方面,该公司的出货总量下降5%,但产品平均售价(简称ASP)则上涨了24%。由于年初库存量低而引发的供应量受限状况导致了供应紧张,最终带来总出货量下降状况。然而,PC与服务器供应商的强劲需求仍然显著提高了产品的单位售价并因此带来出色的财报表现。
在财报电话会议当中,SK海力士公司总裁兼企业支持负责人Kim Jun-Ho表示:“云计算市场开始起飞,因此市场对于服务器DRAM的需求表现出极为强劲的势头。”
尼古拉斯公司分析师兼总经理Aaron Rakers表示,PC市场的缩水趋势正得以缓和。SK海力士预计将凭借着约20%的市场需求增长而继续享受这一DRAM供应量不足带来的红利。
DRAM营收在本季度占SK海力士公司整体营收的74%。
闪存产品同样迎来了类似的出货量增幅下降与平均售价提升趋势,其销售量缩水3%,但产品平均售价则提升了15%。移动产品与固态硬盘市场需求继续保持旺盛,而供应商的库存量则与DRAM一样处于较低水平。
SK海力士公司的72层3D NAND产品
Rakers指出,该公司本季度的NAND闪存营收约为13.3亿美元,占其总体营收中的24%。他认为SSD仅占全部闪存产品营收中的16%。
Kim Jun-Ho同时表示:“市场需求旺盛主要是受到中国智能手机NAND闪存需求量增长以及个人计算机SSD使用比例的提高所推动。”
着眼于未来,SK海力士认为DRAM需求量的增长主要受到系统内DRAM容量水平提升的推动,而非系统本身数量的增长。Kim Jun-Ho指出,“今年推出的新型智能手机将越来越多地采用双摄像头与改进型AI技术,而采用LPDDR4X等速度更快的移动DRAM将能够更好地支持这些先进功能。”
在服务器方面,随着云服务规模的持续增长,数据中心的需求量亦快速提升。众多供应商正在建立自有数据中心,而这仅成为云服务市场的普遍潮流。很明显,高容量DRAM模块能够帮助相关服务器提供低延迟与高处理能力优势。
在PC领域,“高端笔记本与游戏PC亦在不断提升内置DRAM内存容量,这也将给销售额带来增长。”
总体而言:“今年市场对于DRAM的需求量增长预计将超过20%,且需求增长量将超过供应能力增长。在另一方面,厂商并无能力显著提升DRAM生产能力,而对3D NAND的迫切需求也将导致针对DRAM的投资额保持在较低水平。”
SK海力士公司表示,其将扩大2Z纳米DRAM的生产能力,并在今年下半年开始大规模生产1X纳米DRAM。不过Kin Jun-Ho强调称,“我们认为这种供应能力短缺将持续至今年年底。”
在闪存方面,“今年市场对NAND的需求量增长预计将在30%到35%之间,而需求增长可能略微超过供应量增长……我们计划向移动市场内投放36层MLC产品,并面向高存储密度移动与SSD市场投放48层与72层产品。”
SK海力士公司正在参与东芝存储器业务的投标,如果其成功,那么东芝方面的NAND生产设施及容量将帮助海力士显著提升DRAM产能水平。
好文章,需要你的鼓励
Panzura在其Symphony数据管理平台中新增了访问控制列表分析和自动修复功能。该平台专门处理EB级非结构化数据集,具备扫描、分层、迁移和合规分析等功能。Panzura声称58%的企业受到权限扩散问题影响,74%的数据泄露涉及特权凭证滥用。新版本重点解决权限继承中断、过度授权访问和合规盲点等问题,提供完整的文件系统权限可视性和快速问题解决能力。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
Arista Networks宣布收购博通旗下VeloCloud SD-WAN业务,交易金额约10亿美元。VeloCloud是SD-WAN领域先驱企业,拥有集成安全功能的云管理SD-WAN解决方案。此次收购填补了Arista在分支机构连接方面的空白,使其能够提供端到端网络解决方案。同时,前思科高管Todd Nightingale加入担任总裁兼首席运营官,将助力公司拓展更广泛的客户群体。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。