Shanghai Fudan, ASMPT, SMIC, at Hua Hong Semiconductor na Inihambing: Alin ang Mas Malapit na Kaugnay sa AI Memory?

Kung nais mong maunawaan kung aling kumpanya ang mas malapit na kaugnay ng AI memorya sa pagitan ng Shanghai Fudan, ASMPT, SMIC, at Hua Hong Semiconductor, hindi mo dapat simpleng tignan ang malawak na "semiconductor" na label. Ang mas makatwirang konklusyon ay ang ASMPT ay mas malapit sa HBM at advanced packaging equipment; ang Shanghai Fudan ay mas malapit sa non-volatile memorya tulad ng NOR Flash, SLC NAND, at EEPROM; ang Hua Hong Semiconductor ay mas may kaugnayan sa eNVM at mature-node foundry services; samantalang ang SMIC ay pangunahing isang plataporma ng AI chip manufacturing at domestic wafer foundry, na may mas hindi tuwirang kaugnayan sa AI memorya.

Mga Pangunahing Punto

• Ang pinakadirektang koneksyon ng ASMPT sa AI memory ay ang HBM advanced packaging equipment.
• May mga memory chip product ang Shanghai Fudan, ngunit ito ay hindi isang DRAM o HBM manufacturer.
• Ang Hua Hong Semiconductor ay mas katulad ng isang eNVM, MCU, at mature-node foundry platform.
• May malakas na AI exposure ang SMIC, ngunit ang AI memory exposure nito ay karamihan ay hindi direkta.
• Upang masuri ang mga AI memory stock, kailangan mong makilala ang mga product, equipment, foundry service, at application.
• Ang mga investment comparison ay dapat isaalang-alang hindi lamang ang mga theme, kundi pati ang revenue structure, mga order, at cyclical risk.

Magsimula sa Search Intent: Hindi Talaga Nagtatanong ang mga User ng “Sino ang Mas Malaki,” Kundi Kung Sino ang Mas Malapit sa AI Memory

Kapag naghahanap ka ng paghahambing sa pagitan ng Shanghai Fudan, ASMPT, SMIC, at Hua Hong Semiconductor, ang tunay na tanong ay karaniwang hindi kung aling kumpanya ang mas malaki, kundi kung aling kumpanya ang mas malapit sa pangunahing growth driver ng AI memory demand. Ang AI memory ay maaaring tumukoy sa HBM, ngunit maaari rin itong sumaklaw sa NAND, NOR Flash, eNVM, server storage, advanced packaging, at wafer foundry services. Sa ilalim ng iba't ibang kahulugan, maaari nang magbago nang malaki ang ranking.

Kadalasang naghahanap ang mga user ng international market sa paligid ng mga kombinasyon ng keyword na ito:

Ang pinakakaraniwang pagkakamali ay ang pagsasabi na ang "AI semiconductor-related" ay tumutukoy sa "AI memory-related." Halimbawa, ang SMIC ay tiyak na isang nangungunang wafer foundry sa mainland China, ngunit hindi ito tagagawa ng HBM, DRAM, o NAND. Ang ASMPT ay hindi gumagawa ng memory chips, ngunit maaari itong mas malapit sa pagpapalawak ng kapasidad ng HBM dahil sa mga advanced packaging equipment gaya ng TCB, chiplet, hybrid bonding, C2S, at C2W.

Maaari kang gumamit ng four-layer framework para suriin ang apat na kumpanyang ito:

1. Antas ng produkto ng memory chip: Kung direktang gumagawa ang kompanya ng EEPROM, NOR Flash, SLC NAND, DRAM, NAND, o HBM.
2. Antas ng advanced packaging equipment: Kung naglilingkod ang kompanya sa HBM, GPU, AI ASIC, CoWoS, TSV, TCB, o hybrid bonding.
3. Antas ng proseso ng wafer foundry: Kung nagbibigay ang kompanya ng eNVM, MCU, analog, power devices, mature-node processes, o 12-inch capacity.
4. Antas ng spillover ng AI cycle: Kung apektado ang kompanya ng AI servers, domestic substitution, semiconductor capex, at market sentiment.

Ang framework na ito ay nagpapaliwanag din kung bakit ang TSMC CoWoS®-S ay isang mahalagang reference point para maunawaan ang AI memory. Isinasama nito ang logic chips, chiplets, at HBM stacks sa isang high-density packaging system, na nagpapakita na ang AI memory bottleneck ay hindi lamang tungkol sa memory dies, kundi pati na rin sa packaging, interconnects, at coordinated capacity.

Kung ang tanong mo ay “kung aling kompanya ang pinakahawig ng isang memory chip company,” mas mataas ang ranggo ng Shanghai Fudan. Kung ang tanong mo ay “kung aling kompanya ang pinakamalapit sa paglago ng HBM advanced packaging,” mas mataas ang ranggo ng ASMPT. Kung ang tanong mo ay “kung aling kompanya ang kumakatawan sa kakayahan ng domestic wafer foundry,” mas mahalaga ang SMIC at Hua Hong Semiconductor. Bago mo sila ihambing, kailangan munang tukuyin ang mga pamantayan. Kung hindi, madaling ilagay ang apat na kompanya sa ilalim ng parehong label na “AI memory concept stock.”

Buod: Ang kaugnayan ng memorya ng AI ay hindi maaaring hatulan lamang batay sa kung ang isang kumpanya ay kabilang sa sektor ng semiconductor. Dapat itong hatiin sa apat na antas: mga produktong memorya, mga kagamitan sa advanced packaging, mga proseso ng wafer foundry, at spillover ng AI supply chain. Ang pangunahing papel ng ASMPT ay kagamitan. Ang pangunahing papel ng Shanghai Fudan ay mga produktong non-volatile memory. Ang pangunahing papel ng Hua Hong Semiconductor ay eNVM at specialty processes. Ang pangunahing papel ng SMIC ay bilang isang komprehensibong plataporma ng wafer foundry. Mas maaga mong hiwalayin ang mga antas na ito, mas malamang na magkagulo ka sa HBM, NOR Flash, eNVM, mature-node processes, at AI computing supply chain.

Shanghai Fudan: Mas Higit na Isang Kumpanya ng Chip na “Non-Volatile Memory + FPGA”, Hindi Isang Tagagawa ng HBM o DRAM

May kaugnayan ang Shanghai Fudan sa memorya, ngunit ang kaugnayang ito ay pangunahing nagmumula sa mga produktong non-volatile memory tulad ng EEPROM, NOR Flash, at SLC NAND, at hindi sa HBM, na siyang pinakaninanais na bahagi ng memorya sa mga AI training server. Maaari mo itong unawain bilang isang kumpanyang "domestic NVM chip + FPGA + security identification chip," at hindi isang tagagawa ng DRAM/HBM tulad ng Samsung, SK hynix, o Micron.

Ang product line ng non-volatile memory ng Shanghai Fudan ay kinabibilangan ng EEPROM, NOR Flash, at SLC NAND Flash. Saklaw ng mga aplikasyon nito ang komunikasyon, mga IoT module, mga display, smart meters, mga security system, automotive electronics, industrial control, at mga medical instrument. Ang kaugnayan ng mga produktong ito sa AI ay higit pa tungkol sa mga edge device, control systems, at embedded storage, sa halip na ang high-bandwidth memory na ginagamit sa mga cluster ng pagsasanay ng malalaking modelo.

Sa pananaw na pananalapi, ang 2026 first-quarter report ng Shanghai Fudan ay nagpapakita na ang kita mula sa non-volatile memory ay umabot sa humigit-kumulang RMB 293 milyon, tumaas ng mga 23.39% year over year. Ang kita mula sa FPGA at iba pang produkto ay umabot sa humigit-kumulang RMB 347 milyon, tumaas ng mga 10.67% year over year. Ipinapakita nito na kapwa mahalaga ang negosyo ng NVM at FPGA, ngunit hindi ito nangangahulugan na ang kumpanya ay direktang benepisyaryo ng HBM.

Madinin din madalas maling basahin ang FPGA. Ang FPGA ay maaaring gamitin sa mga espesyalisadong computing acceleration, komunikasyon, industrial control, at data center na sitwasyon. Ang ilang high-end na FPGA ay maaari ring ipares sa HBM. Gayunpaman, ang ipinakalat na istraktura ng negosyo ng Shanghai Fudan ay hindi nangangahulugan na ito ay direktang pumapasok sa pangunahing AI GPU/HBM supply chain. Mas maingat na interpretasyon na ang Shanghai Fudan ay maaaring makinabang mula sa spillover ng AI semiconductor theme at mayroon itong pundasyon sa mga non-volatile memory product, ngunit ang direktang exposure nito sa AI memory ay mas hindi direktang kumpara sa mga HBM manufacturer o mga tagapagtustos ng HBM packaging equipment.

Kung sinusubaybayan mo ang kumpanyang ito, dapat mong tuunan ng pansin ang tatlong uri ng indikator:

• Kung magpapatuloy ang pagbawi ng kita mula sa mga produktong non-volatile memory;
• Kung makikinabang ang NOR Flash, EEPROM, at SLC NAND mula sa pang-industriya, pang-automotive, at IoT na demand;
• Kung mag-iimprove ang FPGA R&D investment, inventory impairment, gross margin, at new product ramp-up.

Mula sa pananaw ng pamumuhunan, mas mainam ang posisyon ng Shanghai Fudan sa ilalim ng mga temang domestic memory chips, embedded storage, NOR Flash, FPGA, at self-controlled chips, kaysa sa pangunahing temang HBM sa AI data centers. Kaugnay ito ng AI memory, ngunit mas nasa gitna at edge na mga antas.

Buod: Ang memory exposure ng Shanghai Fudan ay totoo, lalo na sa pamamagitan ng EEPROM, NOR Flash, at SLC NAND. Ang pangunahing isyu ay hindi pareho ang mga uri ng memory na ito sa HBM, na siyang memory product na pinakamalapit na binabantayan ngayon sa mga AI data center. Maaari mong tingnan ang Shanghai Fudan bilang isang domestic na IC company na may tuwirang memory chip products, ngunit hindi mo ito dapat simpleng itumbas sa isang HBM, DRAM, o NAND leader. Ang oportunidad nito ay mas nakadepende sa product mix, domestic substitution, demand sa industrial at automotive, at progreso sa FPGA kaysa sa AI server HBM expansion lamang.

ASMPT: Ang Pinaka-Tuwirang May Kaugnayan sa HBM Advanced Packaging Chain sa Apat

Kung tinutukoy mo ang AI memory bilang HBM, AI GPUs, chiplets, CoWoS, TSV, at high-density packaging, kung gayon ang ASMPT ang pinaka-tuwirang kaugnay na kumpanya sa apat. Hindi ito isang kumpanya ng memory chip, ngunit ito ay nasa HBM advanced packaging equipment chain. Ang lohika ng benepisyo nito ay nagmumula sa demand para sa TCB, C2S, C2W, at hybrid bonding equipment.

Ang pangunahing halaga ng HBM ay ang patayong pagsuson ng maraming layer ng DRAM at ang pagkonekta ng mga ito sa mga GPU, AI ASIC, at iba pang compute chip sa pamamagitan ng TSV at advanced packaging. Binibigyang-diin ng Samsung ang HBM4 nito na may mataas na bandwidth, bilang ng I/O, at kahusayan ng AI system. Nakatuon din nang direkta ang HBM portfolio ng Micron sa AI, propesyonal na visualization, at high-performance computing. Sa ibang salita, ang AI memory bottleneck ay hindi lamang tungkol sa availability ng memory dies, kundi pati na rin kung kaya ang mga itong i-package sa mga AI accelerator nang may katumpakan, katatagan, at mataas na yield.

Ang 2025 annual results ng ASMPT ay nagpapakita na ang kita mula sa advanced packaging ay umabot sa USD 532.1 milyon, tumaas ng 30.2% kumpara sa nakaraang taon. Malaki ang naging ambag ng mga TCB solution, dahil tumaas ang TCB revenue ng humigit-kumulang 146% year over year. Binanggit din ng kumpanya na ang HBM4 12H TCB solution nito ay tumanggap ng mga order mula sa maraming customer at kasama ito sa pagbuo ng teknolohiyang HBM4 16H. Napakahalaga nito dahil tuwiran nitong ikinokonekta ang ASMPT sa demand ng kagamitan sa panahon ng paglipat sa HBM4.

Ang LITHOBOLT™ ng ASMPT ay dinisenyo para sa die-to-wafer hybrid bonding at nagsisilbi sa mga advanced packaging na senaryo tulad ng AI, high-performance computing, at 5G. Kasabay nito, ang pakikipagtulungan ng ASMPT sa IBM sa chiplet packaging technology ay nagpapakita ring ang mga advanced packaging equipment supplier ay pumapasok sa mga mas mataas na halaga ng larangan sa paligid ng chiplets, TCB, at hybrid bonding.

Gayunpaman, iba ang mga panganib ng ASMPT kumpara sa Shanghai Fudan. Nakadepende ang Shanghai Fudan sa presyo ng mga memory product, imbentaryo, at ramp-up ng mga bagong produkto. Nakadepende ang ASMPT sa mga order ng kagamitan, capital expenditure ng mga customer, mga advanced packaging route, mga transition ng henerasyon ng HBM, at iskedyul ng paghahatid. Kadalasang mas mabilis ang upside elasticity ng mga stock ng kagamitan, ngunit maaari ring mabilis na dumating ang mga drawdown dahil maaga nang naisasama sa presyo ng mga order ang cycle at maaaring mag-iba-iba kung maantala ang mga plano ng pagpapalawak ng mga customer.

Kung sinusubukan mong tukuyin kung alin sa apat na kumpanya ang pinakamalapit sa pangunahing tema ng AI memory, may pinakamalinaw na sagot ang ASMPT. Hindi ito isang tagagawa ng HBM, ngunit mas malapit ito sa mahalagang segment ng kagamitan sa pagpapalawak ng kapasidad ng HBM.

Buod: Ang ASMPT ang pinaka-direct na konektado sa HBM advanced packaging sa apat na kumpanya. Hindi ito gumagawa ng DRAM, NAND, o HBM, ngunit dinudugtong nito ang AI GPUs, AI ASICs, at high-bandwidth memory sa pamamagitan ng TCB, C2S, C2W, at hybrid bonding equipment. Kapag sinusuri ang ASMPT, ang pangunahing pokus ay hindi dapat ang mga presyo ng memory chip, kundi ang advanced packaging capex, mga transition ng HBM4 technology, order visibility, at mga iskedyul ng paghahatid ng kagamitan. Kung ang tanong ay “alinmang kumpanya ang mas malapit sa growth bottleneck sa AI memory,” karaniwang nasa unahan ang ASMPT.

SMIC: Malakas ang Kaugnayan sa AI, ngunit Indirekto ang “AI Memory” Exposure Nito

Ang SMIC ay may malakas na pagkakalantad sa mga AI semiconductor, ngunit ang relasyon nito sa AI memorya ay hindi tuwiran. Dapat mo itong unawain bilang isang nangungunang wafer foundry platform sa mainland China, at hindi bilang isang tagagawa ng memory chip o isang supplier ng HBM advanced packaging equipment. Mas naaapektuhan ito ng pag-unlad ng mga domestic AI chip, demand sa mature-node, kapasidad na 12-inch, capex, at mga heopolitikong patakaran.

Ang 2025 annual report ng SMIC ay nagpapakita na ang kompanya ay nagbibigay ng 8-inch at 12-inch wafer foundry at mga serbisyo sa teknolohiya. Batay sa kita ayon sa end-market, ang consumer electronics ay may bahagi na 43.2%, ang smartphones sa 23.1%, ang mga computer at tablet sa 14.8%, ang connectivity at IoT sa 7.9%, at ang industrial at automotive sa 11.0%. Ipinapakita ng mga numerong ito na ang SMIC ay isang komprehensibong wafer foundry platform, hindi isang memory company na direktang nakadepende sa benta ng HBM o DRAM.

Lumilitaw pa rin ang SMIC sa mga paghahambing ng AI memory dahil ang demand ng AI server ay nakakaapekto sa mas malawak na iskedyul ng produksyon ng semiconductor at mga inaasahan sa supply chain. Isang ulat ng Reuters tungkol sa mga shortage ng memorya na nakakaapekto sa mga order ng customer ng SMIC ang nagturo na ang mahigpit na supply ng memory chip ay nagtulak sa ilang customer na maging mas maingat sa mga order para sa susunod na quarter, dahil ang mga smartphone, sasakyan, at iba pang end product ay lahat nangangailangan ng sapat na supply ng memorya upang tugunan ang produksyon. Ipinapakita nito na ang memory cycle ay maaaring humantong sa demand ng wafer foundry, ngunit hindi nito ibig sabihin na direkta nang nagbebenta ang SMIC ng HBM.

Maaari mong maunawaan ang SMIC mula sa tatlong pananaw:

1. Plataforma ng pagmamanupaktura ng AI chip: Apektado ng mga domestic AI chip, edge AI, at paggising muli ng consumer electronics.
2. Plataforma ng supply ng mature-node: Kaugnay ng mga PMIC, MCU, sensor, connectivity chips, at ilang memory controller chips.
3. Plataforma ng capex cycle: Ang pagpapalawak ng kapasidad, depreciation, utilization, at gross margin ay lahat nakakaapekto sa earnings elasticity.

Samakatuwid, mas mahusay na kalagayan ang SMIC sa ilalim ng balangkas ng domestic AI semiconductor manufacturing, kaysa sa pagiging direktang benepisyaryo ng AI memory. Maaari ring maapektuhan ng patakaran, export controls, supply ng kagamitan, capex, utilization, at sentimyento ng merkado ang halaga nito.

Buod: Malakas ang AI semiconductor exposure ng SMIC, ngunit medyo hindi direktá ang AI memory exposure nito. Hindi ito manufacturer ng HBM, DRAM, o NAND, at hindi rin ito supplier ng advanced packaging equipment. Isa itong komprehensibong wafer foundry platform. Kapag sinusuri ang SMIC, dapat magtuon ka sa istruktura ng kita nito sa wafer foundry, capacity utilization, capex, gross margin, demand sa mature-node, at progreso ng domestic substitution. Ang kakulangan sa AI memory ay maaaring makaapekto sa production schedule ng mga customer at sa market expectations, ngunit iyon ay supply-chain spillover sa halip na direktang pakinabang mula sa pagbebenta ng HBM.

Hua Hong Semiconductor: Mas Malapit sa eNVM, MCUs, Mature Nodes, at Specialty Processes, Hindi Isang Purong AI Memory Company

Pangunahing nagmumula sa embedded NVM at standalone NVM process platforms ang relasyon ng Hua Hong Semiconductor sa memorya, at hindi sa pagiging isang tagagawa ng DRAM, NAND, o HBM. Maaari mo itong tingnan bilang isang platform company na nakatuon sa specialty foundry services, eNVM, MCUs, power devices, at analog power management. Ang kaugnayan nito sa AI memory ay nasa gitnang layer.

Ipinapakita ng 2025 second-quarter results ng Hua Hong Semiconductor na umabot sa USD 566.1 milyon ang kita sa ikalawang quarter, ang gross margin ay 10.9%, at umabot sa 108.3% ang capacity utilization. Ayon sa technology platform, umabot sa USD 141.158 milyon ang kita ng Embedded NVM, na bumubuo sa 24.9% ng kabuuang kita. Umabot naman sa USD 27.603 milyon ang kita ng Standalone NVM, na katumbas ng 4.9%. Ipinapakita nito na mayroon nga ang Hua Hong ng kita mula sa mga memory-related na proseso, ngunit ang pinakapuso nito ay nananatiling specialty foundry services kaysa sa purong produksyon ng memory chips.

Ang eNVM ng Hua Hong ay mas angkop para sa mga MCU, smart card, naka-embed na kontrol, at mga device na mababa ang konsumo ng kuryente. Ang standalone NVM ay may kaugnayan sa demand para sa mga Flash product. Pareho silang maaaring uriin bilang may kaugnayan sa memorya, ngunit hindi sila nasa parehong antas ng HBM, HBM3E, o HBM4 na ginagamit sa mga AI data center. Ang mga AI server ay nangangailangan ng malaking bilang ng mga GPU, HBM, high-speed interconnects, advanced packaging, at power management. Mas malam na makikinabang nang hindi direkta ang Hua Hong sa pamamagitan ng mga mature-node process, PMIC, MCU, power device, at domestic substitution.

Isa pang mahalagang punto ay ang estruktura ng end-market. Sa parehong paghayag ng kita, ang consumer electronics ang may medyo mataas na bahagi ng kita ng Hua Hong, samantalang ang industrial at automotive ay nananatiling mahalaga rin. Ang kita mula sa computing ay hindi malaking bahagi. Nangangahulugan ito na hindi mo dapat ituring ang Hua Hong bilang isang core AI memory stock dahil lamang mayroon itong eNVM. Ang mas tumpak na paglalagay dito ay ang Hua Hong ay isang specialty foundry na may memory process exposure at kaunting kaugnayan sa AI memory, ngunit hindi ito isa sa pinakadirektang mga link.

Para sa pagsusuri sa pamumuhunan, kabilang sa mga pangunahing variable ng Hua Hong ang:

• Demand para sa eNVM, standalone NVM, PMICs, at power devices;
• Pressure mula sa ramp-up at depreciation sa Wuxi 12-inch line nito;
• Price competition sa mature-node processes;
• Kung maaari pang mapabuti ang utilization at gross margin;
• Kung maaari pang lumawak pa ang customer mix mula sa consumer electronics patungo sa industrial, automotive, at data-center-related chains.

Buod: Ang Hua Hong Semiconductor ay may kaugnayan sa memorya, ngunit pangunahin sa pamamagitan ng eNVM, standalone NVM, at mature-node process platform, at hindi sa pamamagitan ng HBM, DRAM, o NAND manufacturing. Ang koneksyon nito sa AI memory ay mas tiyak kaysa sa SMIC, ngunit mas hindi direkta kaysa sa ASMPT, at naiiba sa exposure ng Shanghai Fudan sa chip product. Kapag sinusuri ang Hua Hong, dapat mong tuonan ng pansin ang istraktura ng kita ng technology-platform, utilization, gross margin, at ang mature-node cycle, sa halip na simpleng tawagin itong isang “AI memory stock.”

Pangkalahatang Ranggo: Nagbabago ang Konklusyon sa Iba't Ibang Pamantayan

Kung ang tanging tanong ay “alin sa mga kumpanya ang pinakaugnay sa AI memory,” ang ASMPT ang nasa unang ranggo. Kung ang tanong ay “alin sa mga kumpanya ang may direktang produkto ng memory chip,” mas mataas ang ranggo ng Shanghai Fudan. Kung ang tanong ay “alin sa mga kumpanya ang kumakatawan sa domestic wafer foundry platform,” mas mahalaga ang SMIC at Hua Hong Semiconductor. Kailangan mong unahing unahin ang mga pamantayan ng paghahambing. Kung hindi, madaling paghaluin ang mga kumpanyang produktong, mga kumpanyang kagamitan, at mga kumpanyang foundry sa iisang kategorya.

Ayon sa direktang kaugnayan sa AI memory, ang pagraranggo ay maaaring ganito:

Batay sa kaugnayan sa domestic AI semiconductor, nagbabago ang ranggo:

Kung mahalaga para sa iyo ang panganib ng pamumuhunan, dapat mo ring uriin ang bawat kompanya ayon sa uri ng negosyo:

• ASMPT: Panoorin ang mga advanced packaging order, customer capex, mga pagbabago sa HBM4, at paghahatid ng kagamitan.
• Shanghai Fudan: Panoorin ang presyo ng NVM, inventory impairment, FPGA R&D investment, at ramp-up ng mga bagong produkto.
• SMIC: Panoorin ang capex, depreciation, utilization, export controls, at kompetisyon sa mature-node.
• Hua Hong Semiconductor: Panoorin ang demand para sa eNVM, PMICs, at power devices, pati na rin ang gross margin at ramp-up ng production line.

Dapat na isama rin sa paggawa ng desisyon ang mga gastos sa kalakalan. Ang mga stock na may kaugnayan sa semiconductor at AI memory ay maaaring maging mataas ang pagbabago-bago ng presyo, lalo na sa paligid ng paglabas ng mga resulta ng kita, mga balita tungkol sa mga order, mga pagbabago sa capex, mga pagbabago sa patakarang heopolitikal, at mga siklo ng presyo sa industriya. Maaaring tumaas ang dalas ng kalakalan sa mga panahong ito. Kung sinusundan mo ang mga semiconductor stock sa U.S. at Hong Kong, kapaki-pakinabang na ihambing nang sabay-sabay ang mga quote, uri ng order, at istruktura ng mga bayarin. Sinusuportahan ng Biya ang kalakalan ng maraming ari-arian sa mga stock sa U.S., mga stock sa Hong Kong, at mga digital asset. Sa ilalim ng U.S. stock trading fees, naniningil ang Biya ng USD 0 na komisyon para sa U.S.mga transakyon ng stock, habang ang mga bayarin sa platform, mga bayarin sa panlabas na institusyon, at iba pang mga singil ay napapailalim sa ipinapakita ng fee center at pahina ng order. Bago mag-trade, dapat mo ring isaalang-alang ang iyong lokasyon, resulta ng pag-verify ng pagkakakilanlan, mga patakaran ng platform, at mga naaangkop na batas at regulasyon upang matukoy kung available ang mga kaugnay na serbisyo.

Ang isang mas praktikal na paraan ay paghiwalayin ang “relevance” mula sa “earnings elasticity”:

Kung ikaw ay isang nagsisimula pa lamang, mas mabuting magtanong muna ng tatlong tanong: Nagbebenta ba nang direkta ang kumpanya ng memory chips? Nakaposisyon ba ito sa HBM o advanced packaging bottleneck? Magkano ang bahagi ng kita nito mula sa mga kaugnay na negosyo? Lamang kapag malinaw nang nasagot ang mga tanong na ito ay magiging kapaki-pakinabang sa pagsusuri ang kaugnayan ng AI memory.

Buod: Hindi dapat ikumpara ang apat na kumpanya gamit ang parehong sukatan. Ang ASMPT ay nauugnay sa HBM advanced packaging equipment. Ang Shanghai Fudan ay nauugnay sa mga produktong non-volatile memory. Ang Hua Hong Semiconductor ay nauugnay sa eNVM at specialty foundry processes. Ang SMIC ay nauugnay sa pagmamanupaktura ng AI chip at mga domestic wafer foundry platform. Kung magpopokus ka lamang sa direktang AI memory chain, mas mataas ang ranggo ng ASMPT. Kung magpopokus ka sa mga direktang produktong memorya, mas mataas ang ranggo ng Shanghai Fudan. Kung magpopokus ka sa mga domestic wafer foundry platform, mas mahalaga ang SMIC at Hua Hong. Hindi fixed ang ranggo; depende ito sa mga pamantayan sa supply-chain na iyong gagamitin.

Kung nais mong ipagpatuloy ang pagsubaybay sa Shanghai Fudan, ASMPT, SMIC, Hua Hong Semiconductor, gayundin sa mga kumpanya ng AI memory supply-chain tulad ng Micron, Samsung, SK hynix, TSMC, at Nvidia, maaari mong ilagay ang mga anunsyo ng kumpanya, earnings reports, mga order, utilization, gross margin, capex, at volatility ng valuation sa iisang tracking table. Sa pamamagitan ng U.S. stock information search, maaari munang tingnan ang mga pangunahing impormasyon ng mga kaugnay na stocks na nakalista sa U.S., pagkatapos ay i-cross-check ito sa mga anunsyo ng mga kumpanyang nakalista sa Hong Kong at sa data ng industriya. Kung available ang mga kaugnay na serbisyo sa iyong rehiyon, maaari rin mong download App upang higit pang suriin ang mga naibebentang assets, mga pagpapakita ng order, at detalye ng mga bayarin.Ang pagsusuri sa itaas ay nagpapakilala lamang ng impormasyon mula sa pampublikong merkado, mga ugnayan sa supply-chain, at mga istruktura ng bayad. Hindi ito bumubuo ng payo sa pamumuhunan. Ang mga stock ng semiconductor ay maaaring napakabolatile, at bago kang mag-trade, dapat mong lubos na maunawaan ang mga fundamental ng kumpanya, ang mga uri ng order, ang mga istruktura ng bayad, at ang mga panganib.

Mga Madalas Itanong

Stock ba ng AI memory chip ang Shanghai Fudan?

Ang Shanghai Fudan ay isang kumpanya ng mga chip na may kaugnayan sa memorya, ngunit hindi ito dapat direktang ituring na katumbas ng isang AI HBM memory stock. Ang pangunahing pagkakalantad nito sa memorya ay nagmumula sa mga produktong non-volatile memory tulad ng EEPROM, NOR Flash, at SLC NAND, na mas malawak na ginagamit sa mga industriyal na kagamitan, IoT, seguridad, automotive, at embedded devices. Kung ang pinag-uusapan ay HBM, DRAM, o memorya ng AI training server, mas mababa ang direktang kaugnayan nito kumpara sa mga tagagawa ng HBM at mga kumpanya ng advanced packaging equipment.

Bakit kaugnay ng HBM advanced packaging ang ASMPT?

Ang ASMPT ay may kaugnayan sa HBM advanced packaging dahil nagbibigay ito ng mga advanced packaging equipment tulad ng TCB, C2S, C2W, at hybrid bonding. Ang HBM ay nangangailangan ng maramihang layers ng DRAM na ikinokonekta sa AI GPUs o AI ASICs sa pamamagitan ng high-density packaging. Ang kawastuhan ng kagamitan, yield, at kapasidad ay lahat nakakaapekto sa bilis ng pagpapalawak. Samakatuwid, ang ASMPT ay hindi kumpanya ng memory chip, ngunit maaari itong makinabang mula sa demand para sa HBM4 at AI accelerator packaging.

Directly bang nakikinabang ang SMIC mula sa AI memory demand?

Nakikinabang ang SMIC nang mas hindi tuwiran mula sa demand ng AI memory. Ang pangunahing posisyon nito ay bilang isang wafer foundry platform na naghahatid ng mga aplikasyon tulad ng mga chip para sa smartphone, consumer electronics, computer, IoT, industriya, at automotive. Ang kakulangan ng AI memory ay maaaring makaapekto sa mga iskedyul ng produksyon ng mga customer at sa mga inaasahan sa semiconductor cycle, ngunit ang SMIC ay hindi isang tagagawa ng HBM, DRAM, o NAND. Hindi ito dapat simpeng ituring na isang direktang AI memory stock.

Ang eNVM ba ng Hua Hong Semiconductor ay isang memory business?

Ang eNVM ng Hua Hong Semiconductor ay isang memory-related process platform, ngunit hindi ito purong memory chip business. Karaniwang ginagamit ang eNVM sa mga MCU, smart card, embedded control, at low-power devices, samantalang ang standalone NVM ay may kaugnayan sa mga Flash product. Ito ay iba sa HBM mainline sa mga AI data center. Mas mainam suriin ang Hua Hong sa ilalim ng mature nodes, specialty processes, MCU, PMIC, at domestic substitution.

Paano matutukoy ng mga karaniwang mamumuhunan ang mga AI memory concept stock?

Dapat munang matukoy ng mga karaniwang mamumuhunan kung ang isang kompanya ay nasa layer ng produkto, kagamitan, foundry, o application. Ang mga kompanyang direktang gumagawa ng HBM, DRAM, o NAND ay kabilang sa memory product layer. Ang mga kompanyang nagbibigay ng kagamitang TCB, CoWoS, o hybrid bonding ay kabilang sa advanced packaging equipment layer. Ang mga kompanya tulad ng SMIC at Hua Hong ay mas malapit na nauugnay sa wafer foundry o mga specialty process platform. Dapat suriin ang revenue structure, mga order, gross margin, at mga disclosure ng panganib.

Magkapareho ba ang AI memory concept sa DRAM at NAND?

Ang konsepto ng AI memory ay hindi eksaktong kapareho ng DRAM at NAND. Ang AI training at inference ay nangangailangan ng HBM, DRAM, NAND, SSDs, CXL memory, NOR Flash, eNVM, advanced packaging, at mga high-speed interconnect. Ang HBM ang kasalukuyang pinakamalapit na minomonitor na high-bandwidth memory para sa mga AI accelerator, ngunit hindi nito kinakatawan ang buong memory supply chain. Ang iba't ibang kumpanya ay nakikinabang sa pamamagitan ng iba't ibang ruta, kaya hindi dapat hatulan ang lahat sa ilalim ng iisang konsepto lamang.