根据Gartner公布的最终结果,2019年全球半导体收入总计4191亿美元,比2018年下滑12%。
Gartner研究副总裁Andrew Norwood表示:“ DRAM市场的供过于求导致了2019年整个内存市场下滑32.7%。2019年内存市场占半导体销售额的26.1%,是表现最差的一个细分领域。中美贸易战使全年的销售受到冲击,是抑制整个全球半导体市场收入增长的一个不利因素。但是相比当前COVID-19病毒的传播情况,贸易战似乎变成了一个小问题。”
英特尔重新获得半导体市场第一宝座,内存市场的低迷给许多顶级厂商带来了负面影响,其中就包括2018年和2-17年收入排名第一的三星电子(Samsung Electronics)。
表1:2019年全球收入排名前十的半导体厂商(单位:百万美元)
2019 Rank |
2018 Rank |
Vendor |
2019 Revenue |
2019 Market Share (%) |
2018 Revenue |
2018-2019 Growth (%) |
1 |
2 |
Intel |
67,754 |
16.2 |
66,290 |
2.2 |
2 |
1 |
Samsung Electronics |
52,191 |
12.5 |
73,708 |
-29.2 |
3 |
3 |
SK hynix |
22,297 |
5.3 |
36,240 |
-38.5 |
4 |
4 |
Micron Technology |
20,254 |
4.8 |
29,742 |
-31.9 |
5 |
5 |
Broadcom |
15,322 |
3.7 |
16,261 |
-5.8 |
6 |
6 |
Qualcomm |
13,613 |
3.2 |
15,375 |
-11.5 |
7 |
7 |
Texas Instruments |
13,364 |
3.2 |
14,592 |
-8.4 |
8 |
8 |
ST Microelectronics |
9,451 |
2.3 |
9,579 |
-1.3 |
9 |
10 |
NXP Semiconductors |
8,758 |
2.1 |
9,022 |
-2.9 |
10 |
15 |
Apple |
8,569 |
2.0 |
7,646 |
12.1 |
|
|
Others (outside top 10) |
187,575 |
44.8 |
197,696 |
-5.1 |
|
|
Total Market |
419,148 |
100.0 |
476,151 |
-12.0 |
资料来源:Gartner(2020年4月)
在内存领域,NAND闪存经历了历史上最严重的销售萎缩,由于2018年底库存水平上升和2019年上半年需求疲软,导致2019年收入下滑了26.4%。智能手机和超大规模云服务的需求疲软导致价格下滑,迫使几乎所有厂商都撤回了现有的晶圆厂计划,或者在某些情况下,降至低于2018年的水平。NAND市场从2019年7月开始稳定下来,当时KIOXIA和西部数据共同拥有的晶圆厂停电,成为厂商库存量减少的催化剂,促使价格从不可持续的较低水平上出现增长。
其他细分市场的表现喜忧参半,因为模拟器件产品在2019年下滑了5.1%,光电细分市场增长了6.6%。模拟器件(通常紧密跟随半导体总体市场)由于终端设备市场特别是工业和传统汽车业的疲软而遭遇下滑。由于智能手机的摄像头数量不断增加,光电细分市场成为所有细分市场中表现最好的一个。
Norwood表示:“由于新型冠状病毒对半导体供求的影响,全球半导体市场到2020年可能还会继续下滑。COVID-19已经给全球供应链和制造运营造成了冲击,除少数例外,将导致大多数地区的消费者和企业支出急剧缩减。我们预计全球半导体市场将在2020年下滑0.9%,低于2019年底的预测增长12.5%。”
好文章,需要你的鼓励
亚马逊云服务宣布为S3云对象存储推出向量存储功能S3 Vectors,声称可将AI存储中向量数据的上传、存储和查询成本降低90%。该服务旨在让客户以经济方式在AWS云中存储大量向量数据并进行语义搜索,可替代昂贵的向量数据库。每个S3 Vectors存储桶支持多达1万个向量索引,每个索引可存储数千万个向量。
复旦大学研究团队开发的AnyI2V系统实现了从任意条件图像到视频的生成突破。该系统无需训练即可处理多种输入模态(包括3D网格、点云等),支持用户自定义运动轨迹控制,并通过创新的特征注入和语义掩模技术实现了高质量视频生成,为视频创作领域带来了革命性的便利工具。
AI公司正推动智能体成为下一个职场颠覆者,但专家认为还未成熟。初创公司Mixus推出AI智能体平台,让用户直接通过邮件或Slack与智能体交互,保持人类参与工作流程。该公司已获得260万美元种子轮融资,其最大卖点是易用性。用户可通过文本提示创建智能体,支持多步骤任务执行、团队协作和共享记忆功能。基于Claude 4和OpenAI o3构建,具备网络访问能力,旨在成为不知疲倦的数字同事。
斯坦福大学研究团队开发了KL-tracing方法,能让视频生成AI模型在无需专门训练的情况下进行精确物体追踪。该方法通过在视频帧中添加微小追踪标记,利用模型的物理理解能力预测物体运动轨迹。在真实场景测试中,相比传统方法性能提升16.6%,展现了大型生成模型在计算机视觉任务中的潜力。