記憶體、矽光子、FOPLP、PCB、低軌衛星構成了一個閉環。在閱讀時,建議您可以遵循以下觀察脈絡:
- 短期動能:看記憶體價格走勢與 PCB 拉貨潮(反映當季營收)。
- 中期展望:看低軌衛星與 800G 光模組的滲透率(反映 2025 成長)。
- 長期佈局:看矽光子 CPO 與玻璃基板的認證進度(反映 2026 爆發點)。
本報告內容係基於 2025 年市場觀測數據整理,僅供產業研究與學術探討之參考。
記憶體、矽光子、FOPLP、PCB、低軌衛星構成了一個閉環。在閱讀時,建議您可以遵循以下觀察脈絡:
本報告內容係基於 2025 年市場觀測數據整理,僅供產業研究與學術探討之參考。
隨著 SpaceX (Starlink)、Amazon (Project Kuiper)、Eutelsat OneWeb 等巨頭展開大規模部署,低軌衛星不再只是備援通訊,而是成為全球 AI 算力網路的一環。
FOPLP 是將晶片重新分布在大型矩形基板(如 600mm x 600mm)上進行封裝,而非傳統的 12 吋晶圓。
全球 DRAM 與 NAND Flash 市場高度集中,前三大廠合計市佔率超過 70%,其技術發展決定了整體供應鏈的漲跌節奏。
隨著 AI 算力需求每 3-4 個月翻倍,傳統電子訊號傳輸已面臨「傳輸損耗大」與「散熱難」的極限。矽光子技術將「電轉光」,並透過 CPO (共同封裝光學) 將光學元件與電性晶片封入同一個模組,是實現 1.6T 以上超高速傳輸的唯一路徑。
Practice build propagation model
Covariate shift
FN landola, SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5MB model size, 2016
K Simonyan, Very Deep Convolutional Networks for Large-Scale Image Recognition, 2014
C Szegedy, Going Deeper with Convolutions, 2014
M Lin, Network In Network, 2013
MD Zeiler, Visualizing and Understanding Convolutional Networks, 2013
Alex Krizhevsky, ImageNet Classification with Deep Convolutional Neural Networks, 2012
Y LeCun, Gradient-Based Learning Applied to Document Recognition, 1998
Some views/idea
Learning Git
如何處理遺失值