Các foundry tham gia vào chuỗi lưu trữ AI như thế nào? Nút công nghệ trưởng thành, bộ nhớ nhúng, và phân công lao động trong ngành

Các foundry tham gia vào chuỗi lưu trữ AI không phải bằng cách trực tiếp sản xuất DRAM, NAND hay HBM, mà bằng cách cung cấp nền tảng sản xuất cho các bộ tăng tốc AI, bộ điều khiển lưu trữ, chip giao tiếp, IC quản lý nguồn, bộ nhớ nhúng và đóng gói nâng cao. Nếu bạn đang theo dõi ngành công nghiệp lưu trữ AI, bạn không nên chỉ nhìn vào các nhà sản xuất bộ nhớ. Bạn cũng cần hiểu ai sản xuất GPU, ASIC và SoC, và ai cung cấp CoWoS, silicon interposer, eNVM, BCD, PMIC và MCU. Giá trị của các foundry nằm nhiều hơn ở việc cho phép các chip tính toán AI và hệ thống lưu trữ hoạt động cùng nhau một cách hiệu quả.

Những điểm chính

• Các nhà foundry không phải là nhà sản xuất HBM, nhưng họ tham gia sâu vào quy trình sản xuất chip AI.
• Chuỗi lưu trữ AI bao gồm bộ nhớ, logic, đóng gói, chip giao tiếp và quản lý nguồn điện.
• Các công nghệ sản xuất tiên tiến và CoWoS quyết định mức độ tích hợp hiệu quả giữa bộ tăng tốc AI và HBM.
• Các công nghệ sản xuất trưởng thành vẫn hỗ trợ nhu cầu về PMIC, MCU, chip giao tiếp và eNVM.
• Để đánh giá mức độ liên quan của nhà foundry, hãy xem xét cơ cấu doanh thu, nền tảng công nghệ và chất lượng khách hàng.

Vai Trò Thực Sự Của Các Nhà Foundry Trong Chuỗi Lưu Trữ AI Là Gì?

Vai trò của các nhà foundry trong chuỗi lưu trữ AI trước hết là một nền tảng sản xuất, chứ không phải một thương hiệu bộ nhớ. Bạn có thể hình dung họ như tầng sản xuất đằng sau các chip AI, chip điều khiển, chip giao tiếp và một số chip bộ nhớ nhúng. Máy chủ AI cần HBM, DRAM và NAND, nhưng cũng cần GPU, AI ASIC, chip mạng, PMIC và chip giao tiếp tốc độ cao hoạt động phối hợp với nhau. Các nhà sản xuất bộ nhớ cung cấp bộ nhớ băng thông cao và dung lượng lưu trữ lớn, trong khi các nhà foundry sản xuất nhiều chip logic và chip hỗ trợ hệ thống, đồng thời kết nối tính toán và lưu trữ thông qua công nghệ đóng gói tiên tiến.

Trong ngành bán dẫn, các công ty thường được chia thành bốn loại: nhà sản xuất bộ nhớ, công ty thiết kế chip fabless, nhà máy đúc chip (foundry) và nhà cung cấp đóng gói và kiểm thử. TSMC định vị mình theo mô hình foundry lấy khách hàng làm trọng tâm, khác với các nhà sản xuất bộ nhớ như Samsung, SK hynix và Micron. Loại trước chủ yếu sản xuất chip dựa trên thiết kế của khách hàng, trong khi loại sau chủ yếu thiết kế và sản xuất các sản phẩm bộ nhớ tiêu chuẩn hóa như DRAM, NAND và HBM.

Sự hiểu lầm phổ biến nhất khi nhìn vào chuỗi lưu trữ AI là chỉ tập trung vào HBM. HBM thực sự là một sản phẩm bộ nhớ quan trọng trong huấn luyện và suy luận AI, nhưng nó chỉ có thể phát huy giá trị băng thông của mình khi được đóng gói cùng với bộ tăng tốc AI. Xung quanh một GPU AI hoặc ASIC AI, còn có các chip quản lý nguồn điện, kết nối mạng, điều khiển lưu trữ, điều biến tín hiệu và quản lý hệ thống. Nhiều mắt xích trong số này không do các nhà sản xuất bộ nhớ thực hiện, mà do các nhà foundry và nhà sản xuất quy trình chuyên biệt thực hiện.

Vì vậy, mức độ liên quan đến lưu trữ AI của một nhà đúc (foundry) thường là “gián tiếp nhưng quan trọng.” Họ có thể không bán bất kỳ con chip HBM nào, nhưng họ có thể sản xuất các chip logic, chip điều khiển và các chip hỗ trợ xung quanh HBM. Đặc biệt trong các máy chủ AI, tính toán, lưu trữ, mạng, nguồn điện và làm mát đều gắn liền với hiệu suất tổng thể của hệ thống. Nếu bất kỳ khâu sản xuất nào trở nên căng thẳng, việc giao hàng máy chủ có thể bị ảnh hưởng.

Tóm tắt: Các nhà chế tạo bán dẫn (foundry) không phải là nhà sản xuất bộ nhớ theo nghĩa truyền thống, nhưng chúng là nền tảng chế tạo quan trọng trong chuỗi lưu trữ AI. Khi đánh giá whether một nhà chế tạo bán dẫn có được hưởng lợi từ bộ nhớ AI hay không, bạn không nên đơn giản hỏi liệu nó có sản xuất DRAM, NAND hay HBM. Thay vào đó, bạn nên xem xét liệu nó có tham gia vào các bộ tăng tốc AI, đóng gói tiên tiến, bộ điều khiển bộ nhớ, PMIC, MCU, chip giao tiếp và các nền tảng bộ nhớ nhúng hay không. Bộ nhớ AI không phải là cuộc cạnh tranh của một con chip đơn lẻ; đó là cuộc cạnh tranh phối hợp giữa các chip tính toán, chip bộ nhớ và đóng gói cấp hệ thống. Giá trị của các nhà chế tạo bán dẫn nằm chính ở khả năng chế tạo phối hợp này.

Các Tiến Trình Nâng Cao và Đóng Gói Tiên Tiến Kết Nối HBM với Bộ Tăng Tốc AI Như Thế Nào?

Node công nghệ tiên tiến và đóng gói tiên tiến là những điểm thâm nhập quan trọng nhất để các nhà tìm kiếm hợp đồng (foundry) tham gia vào chuỗi lưu trữ AI. Các bộ tăng tốc AI cần chip logic tiên tiến để tính toán, trong khi HBM cung cấp bộ nhớ có băng thông cao. Hai thành phần này phải được kết hợp thông qua đóng gói 2.5D/3D, chất nền silicon (silicon interposer) và các kết nối mật độ cao. Bạn có thể hình dung HBM như một "hồ bơm nhớ tốc độ cao", chip node tiên tiến như "lõi tính toán", và các nền tảng đóng gói kiểu CoWoS như cây cầu kết nối hai thành phần này một cách hiệu quả.

Trong báo cáo thường niên 2025, TSMC tiết lộ rằng các tiến trình tiên tiến từ 7nm trở xuống chiếm tỷ trọng cao trong doanh thu tấm wafer, cho thấy nhu cầu về AI và điện toán hiệu năng cao đang đẩy nhiều giá trị hơn đến các tiến trình tiên tiến. Đồng thời, CoWoS-S của TSMC được định vị rõ ràng cho các ứng dụng hiệu năng cao như AI và siêu máy tính, cho phép kết nối các chip logic và cụm HBM trên một lớp đệm silicon (interposer).

Tại sao đóng gói tiên tiến lại trở thành một trong những điểm nghẽn trong chuỗi cung ứng AI? Lý do là cuộc cạnh tranh về chip AI không còn chỉ xoay quanh các node công nghệ nhỏ hơn. Huấn luyện các mô hình lớn đòi hỏi băng thông bộ nhớ cao hơn, độ trễ thấp hơn và hiệu suất năng lượng tốt hơn, và một chip đơn lẻ khó có thể tự mình hoàn thành mọi nhiệm vụ. TrendForce đã chỉ ra rằng kể từ năm 2023, nhu cầu AI đã gây ra điểm nghẽn ở các tấm wafer 3nm–2nm và đóng gói tiên tiến 2.5D/3D, với tình trạng thiếu hụt lan rộng từ CoWoS đến thiết bị, substrate và vật liệu đóng gói.

Điều này cũng giải thích tại sao bạn cần xem xét cả dung lượng HBM và khả năng đóng gói khi phân tích chuỗi lưu trữ AI. Ngay cả khi các nhà sản xuất bộ nhớ có thể cung cấp HBM, các bộ tăng tốc AI vẫn không thể hoàn tất tích hợp hệ thống một cách suôn sẻ nếu năng lực đóng gói tiên tiến không đủ. TrendForce sau đó ước tính rằng dung lượng CoWoS của TSMC vẫn đang mở rộng nhanh chóng, phản ánh nhu cầu mạnh mẽ từ phía khách hàng chip AI đối với công nghệ đóng gói cao cấp.

Xét từ góc độ phân công lao động trong ngành, HBM do các nhà sản xuất bộ nhớ dẫn dắt, logic tiên tiến được sản xuất bởi các nhà đúc khuôn (foundry), và tích hợp hệ thống được hỗ trợ bởi các nền tảng đóng gói tiên tiến. Bạn không nên đơn giản định nghĩa TSMC là một “công ty bộ nhớ”, mà thông qua các node tiên tiến và CoWoS, TSMC kết nối các bộ tăng tốc AI với HBM và trở thành mắt xích sản xuất quan trọng trong hệ thống lưu trữ AI.

Tóm tắt: Các nút công nghệ tiên tiến giải quyết vấn đề mật độ tính toán cho bộ tăng tốc AI, trong khi công nghệ đóng gói tiên tiến giải quyết vấn đề kết nối giữa bộ tăng tốc AI và HBM. Các nhà foundry có liên quan mật thiết đến chuỗi lưu trữ AI không phải vì họ trực tiếp sản xuất HBM, mà vì họ chế tạo các lõi tính toán và cung cấp các nền tảng đóng gói kết nối chúng với HBM. Khi phân tích ngành lưu trữ AI, bạn không nên chỉ nhìn vào sản lượng xuất xưởng HBM. Bạn cũng cần xem xét CoWoS, interposer silicon, substrate, tỷ lệ đạt chuẩn trong kiểm thử, và công suất nút công nghệ tiên tiến. Điều giới hạn việc giao hàng chip AI thường là ràng buộc kết hợp giữa tính toán, bộ nhớ và đóng gói.

Tại Sao Các Nút Công Nghệ Trưởng Thành Vẫn Bị Ảnh Hưởng bởi Nhu Cầu Lưu Trữ AI?

Các nút tiến trình trưởng thành không trực tiếp sản xuất HBM tiên tiến nhất và thường không phải là quy trình chính của GPU AI, nhưng chúng vẫn chịu ảnh hưởng từ nhu cầu lưu trữ AI. Lý do rất đơn giản: ngoài các chip tính toán cao cấp, máy chủ AI và thiết bị AI biên còn cần một lượng lớn PMIC, chip quản lý nguồn, chip giao tiếp, MCU, cảm biến, chip tương tự và chip điều khiển. Các sản phẩm này quan tâm nhiều hơn đến độ tin cậy, chi phí, dung sai điện áp, mức tiêu thụ điện năng thấp và khả năng cung ứng dài hạn. Chúng không nhất thiết yêu cầu công nghệ 3nm hay 5nm, và thường nằm trên các nút tiến trình trưởng thành như 28nm, 40nm, 55nm, 90nm hoặc 0.18µm.

Các node trưởng thành không phải là “năng lực lỗi thời.” Chúng là những nền tảng quan trọng cho các quy trình chuyên biệt. Ví dụ, quy trình BCD phù hợp cho quản lý nguồn điện và điều khiển điện áp cao; eFlash hoặc eNVM phù hợp cho MCU, thẻ thông minh và điều khiển công nghiệp; quy trình RF và analog phù hợp cho truyền thông và cảm biến. UMC từng hợp tác với các đối tác phát triển giải pháp flash nhúng bảo mật trên nền tảng 55nm embedded flash, và sau đó công bố hợp tác với SST để cải thiện hiệu suất ESF4 eNVM. Các công nghệ này liên quan nhiều hơn đến điều khiển hệ thống và lưu trữ bảo mật hơn là bộ nhớ dung lượng lớn.

Nhu cầu AI thường được truyền đến các node công nghệ trưởng thành theo cách gián tiếp. Lớp thứ nhất là sự mở rộng của trung tâm dữ liệu AI, thúc đẩy nâng cấp về công suất máy chủ, mạng, làm mát và hệ thống lưu trữ. Lớp thứ hai là sự trỗi dậy của suy luận biên (edge inference) trong AI PC, ô tô thông minh, robot và thiết bị công nghiệp. Lớp thứ ba là nhu cầu ngày càng tăng về bộ nhớ nhúng trong bộ điều khiển, cảm biến và MCU tiêu thụ điện năng thấp. Hua Hong qua Hua Hong Grace tập trung vào các quy trình chuyên biệt bao gồm NVM nhứng/độc lập, thiết bị công suất, analog và quản lý nguồn — đây là cách điển hình để các node công nghệ trưởng thành tham gia vào chuỗi ngoại vi AI.

Tuy nhiên, bạn cũng nên tránh phóng đại mối quan hệ giữa các node mature (công nghệ trưởng thành) và AI. Không phải toàn bộ công suất node mature đều hưởng lợi trực tiếp từ AI, và cũng không phải mọi đơn hàng eNVM hay PMIC đều đến từ các máy chủ AI. Để đánh giá tác động thực sự, bạn cần xem xét khách hàng cuối, nền tảng sản phẩm, mức độ sử dụng công suất, giá bán trung bình và các công bố tài chính—chứ không chỉ dựa vào việc công ty có nhắc đến AI hay không.

Tóm tắt: Các node công nghệ trưởng thành tham gia vào chuỗi lưu trữ AI chủ yếu thông qua các chip hỗ trợ hệ thống, chứ không phải sản xuất trực tiếp HBM. Máy chủ AI cần các chip tính toán cao cấp, nhưng đồng thời cũng đòi hỏi số lượng lớn các sản phẩm quy trình trưởng thành như chip quản lý nguồn, điều khiển, giao tiếp, tương tự và lưu trữ bảo mật. Khi phân tích các nhà tìm kiếm thay thế (foundry) node trưởng thành, bạn nên tập trung vào việc xem các sản phẩm PMIC, MCU, eNVM, BCD, tương tự và thiết bị nguồn có xâm nhập vào chuỗi cung ứng máy chủ AI, AI biên (edge AI), ô tô thông minh hay điều khiển công nghiệp hay không. Giá trị của node trưởng thành nằm ở độ tin cậy, chi phí thấp, cung ứng lâu dài và quy trình chuyên biệt, thay vì đơn thuần theo đuổi node quy trình nhỏ nhất.

Bộ nhớ nhúng eNVM Khác với DRAM và NAND Truyền thống Như Thế Nào?

Bộ nhớ nhúng, hay eNVM, là bộ nhớ tích hợp trên chip được tích hợp bên trong các chip logic. Nó không giống với DRAM, NAND hay HBM dạng rời. Bạn có thể hình dung HBM là bộ nhớ băng thông cao đặt bên cạnh bộ tăng tốc AI, NAND là bộ lưu trữ dữ liệu dung lượng lớn, DRAM là bộ nhớ làm việc của hệ thống, còn eNVM là bộ nhớ được sử dụng bên trong các MCU, SoC, bộ điều khiển và chip AI biên để lưu trữ mã lệnh, cấu hình, khóa bảo mật, firmware và một lượng nhỏ tham số mô hình. Trọng tâm của nó không phải là dung lượng tối đa, mà là khả năng tích hợp với logic, mức tiêu thụ điện năng thấp, khả năng lưu trữ đáng tin cậy và tính tương thích với quy trình sản xuất.

Các dạng phổ biến của eNVM bao gồm eFlash, RRAM, MRAM, OTP và EEPROM. Khi các tiến trình công nghệ ngày càng tinh vi, bộ nhớ flash nhúng truyền thống phải đối mặt với những thách thức về chi phí và khả năng mở rộng ở các node tiên tiến hơn, đó là lý do các công nghệ bộ nhớ không dễ bay hơi nhúng mới như RRAM và MRAM đang nhận được nhiều sự quan tâm. Trong tài liệu giới thiệu về eFlash và RRAM, TSMC lưu ý rằng RRAM nhúng có thể được sử dụng để thay thế flash nhúng và hỗ trợ các ứng dụng thông minh.

Vai trò của eNVM trong edge AI đặc biệt quan trọng. Các thiết bị biên thường yêu cầu mức tiêu thụ điện năng thấp, khởi động nhanh, suy luận cục bộ và hoạt động ổn định lâu dài. Chúng không thể lúc nào cũng phụ thuộc vào đám mây hay bộ nhớ ngoài. eNVM bên trong MCU hoặc SoC có thể lưu trữ firmware, cấu hình thiết bị, tham số hiệu chuẩn, khóa bảo mật và một số dữ liệu mô hình nhẹ. Đối với ô tô thông minh, điều khiển công nghiệp, thiết bị đeo và các nút IoT, khả năng lưu giữ trên chip này có giá trị cực cao.

Đây cũng là nơi các nhà máy foundry với quy trình chuyên biệt có cơ hội. eNVM không chỉ liên quan đến ô nhớ (memory cell) itself. Nó còn bao gồm khả năng tương thích với quy trình logic, xác thực độ tin cậy, hỗ trợ IP, chứng nhận ô tô hoặc công nghiệp, và chu kỳ thiết kế của khách hàng. Danh mục bộ nhớ nhúng của GlobalFoundries bao gồm MRAM và nhấn mạnh việc sử dụng nó trong lưu trữ dữ liệu và mã lệnh. Công ty cũng đã ra mắt AutoPro 150 eMRAM cho các ứng dụng ô tô, nhấn mạnh các tình huống nhiệt độ cao, độ bền và SoC ô tô.Samsung cũng bắt đầu xuất xưởng thương mại 28nm eMRAM tương đối sớm, cho thấy MRAM nhúng đã chính thức bước vào các ứng dụng sản xuất hàng loạt.

Khi đánh giá các công ty liên quan đến eNVM, bạn không nên chỉ tập trung vào từ “bộ nhớ”. Chip bộ nhớ độc lập giống như các sản phẩm tiêu chuẩn hóa hơn và chịu ảnh hưởng nặng nề bởi chu kỳ giá, công suất và động lực cung-cầu bit. eNVM giống như một năng lực nền tảng quy trình hơn, thường gắn liền với MCU, SoC, thẻ thông minh, điều khiển công nghiệp, chip ô tô và các thiết kế AI biên. Cả hai đều thuộc công nghệ bộ nhớ, nhưng mô hình kinh doanh, độ co giãn của nhu cầu và logic đầu tư của chúng là khác nhau.

Tóm tắt: Điểm khác biệt lớn nhất giữa eNVM và HBM, DRAM hay NAND là eNVM được nhúng bên trong chip logic và phục vụ mã lệnh, cấu hình, bảo mật và lưu trữ tiết kiệm điện, thay vì theo đuổi dung lượng tối đa hoặc băng thông ngoài cao nhất. Các nhà foundry tham gia vào chuỗi bộ nhớ nhúng thông qua các nền tảng công nghệ như eFlash, RRAM và MRAM, đặc biệt trong các chip MCU, SoC, AI biên, điều khiển công nghiệp và ô tô. Khi phân tích eNVM, bạn nên xem nó như một năng lực công nghệ chuyên biệt, chứ không đơn thuần là một phần của chu kỳ DRAM/NAND truyền thống của các nhà sản xuất bộ nhớ.

TSMC, GlobalFoundries, UMC, Hua Hong và các nhà foundry khác khác nhau như thế nào trong chuỗi lưu trữ AI?

Các foundry khác nhau tham gia vào chuỗi lưu trữ AI theo những cách khác nhau. TSMC gần với chuỗi chính của các node tiên tiến, bộ tăng tốc AI và đóng gói tiên tiến. GlobalFoundries, UMC, Hua Hong và các công ty tương tự tập trung nhiều hơn vào các node trưởng thành, quy trình chuyên biệt, eNVM, PMIC, MCU, chip tương tự và thiết bị công suất. Bạn không nên đánh giá tất cả các foundry bằng cùng một khung lưu trữ AI. Đối với các foundry tiên tiến, hãy xem xét khách hàng, node và đóng gói. Đối với các foundry quy trình chuyên biệt, hãy xem xét nền tảng, ứng dụng cuối và mức độ utilizing công suất.

Sức mạnh của TSMC nằm ở logic tiên tiến và đóng gói tiên tiến. GPU AI, ASIC AI, chip mạng và một số chip điện toán hiệu năng cao thường dựa vào sản xuất node tiên tiến, sau đó kết nối với HBM thông qua các nền tảng như CoWoS. Mức độ tiếp xúc của TSMC với bộ nhớ AI gần hơn với "tích hợp đóng gói chip điện toán + HBM."

GlobalFoundries đi theo một logic khác. Công ty nhấn mạnh vào các quy trình khác biệt hóa, FDX, RF, tiêu thụ điện năng thấp và bộ nhớ nhúng. eMRAM của GF phù hợp hơn với ô tô, IoT, công nghiệp và các thiết bị trí tuệ biên. GF không cạnh tranh trực tiếp trong lĩnh vực HBM, nhưng tham gia vào quá trình nâng cấp của AI biên và các hệ thống nhúng.

UMC chủ yếu tập trung vào các node công nghệ trưởng thành và các nền tảng chuyên biệt. Sự hợp tác đang diễn ra của UMC với các đối tác như eMemory và SST trong bộ nhớ nhúng, lưu trữ bảo mật dựa trên PUF, và eNVM cho thấy mức độ tiếp cận của UMC với lưu trữ AI liên quan nhiều hơn đến bộ điều khiển, bảo mật, MCU, và các hệ thống tiêu thụ điện năng thấp.

Định vị của Hua Hong Semiconductor cũng gần hơn với các dịch vụ kinh doanh đúc chip quy trình chuyên biệt. DBS mô tả Hua Hong Semiconductor là có thế mạnh trong các ứng dụng chuyên biệt và năng lực sản xuất thiết bị công suất của Trung Quốc. Các năng lực này có mối liên hệ gián tiếp với chuỗi nguồn điện của trung tâm dữ liệu AI, chip điều khiển AI biên, các nền tảng eNVM, và quản lý nguồn analog, nhưng không nên đồng nhất chúng với trục chính HBM hay DRAM.

Nếu bạn xem xét các công ty này dưới góc độ đầu tư, bạn cần phân biệt giữa "chuỗi chính" và "chuỗi hỗ trợ". Các nhà máy đúc tiến trình tiên tiến chịu ảnh hưởng nhiều hơn từ các bộ tăng tốc AI, ASIC và năng lực đóng gói tiên tiến. Các nhà máy đúc tiến trình trưởng thành chịu ảnh hưởng nhiều hơn từ các thiết bị công suất, MCU, PMIC, eNVM, thiết bị điện tử ô tô và nhu cầu công nghiệp. Cả hai đều có thể liên quan đến bộ nhớ AI, nhưng nguồn gốc tính đàn hồi và logic định giá của chúng là khác nhau.

Tóm tắt: Các nhà tìm kiếm hợp đồng (foundry) chiếm những vị trí rất khác nhau trong chuỗi lưu trữ AI. TSMC giống như một nền tảng sản xuất tiên tiến kết nối điện toán AI với HBM, trong khi GlobalFoundries, UMC, Hua Hong và các công ty khác giống như các nền tảng node trưởng thành và quy trình chuyên biệt. Bạn không nên nhìn thấy "foundry + AI + lưu trữ" là lập tức rút ra cùng một kết luận cho mọi công ty. Thay vào đó, hãy phân tích chi tiết theo node, đóng gói, khách hàng, eNVM, PMIC, MCU, thiết bị công suất và ứng dụng cuối. Câu hỏi có giá trị không phải là một công ty có phải là "cổ phiếu khái niệm lưu trữ AI" hay không, mà là nơi công ty đó có lợi thế doanh thu và công suất có thể kiểm chứng trong chuỗi sản xuất.

Nhà đầu tư cá nhân có thể đánh giá mức độ tiếp xúc của một nhà tìm kiếm hợp đồng với lưu trữ AI như thế nào?

Nhà đầu tư cá nhân nên đánh giá mức độ tiếp xúc lưu trữ AI của một nhà máy foundry bằng cách tập trung vào các chỉ số có thể kiểm chứng thay vì lời kể của công ty. Các khía cạnh cốt lõi bao gồm tỷ trọng doanh thu từ node tiên tiến, năng lực đóng gói tiên tiến, các nền tảng eNVM, cơ cấu sản phẩm node trưởng thành, chất lượng khách hàng AI, mức độ sử dụng công suất, chi phí vốn và xu hướng biên lợi nhuận gộp. Bạn cần phân biệt lợi ích thực từ chuỗi cung ứng với mức độ tiếp xúc theo kiểu khái niệm. Loại trước sẽ thể hiện qua đơn hàng, công suất, cơ cấu doanh thu và biên lợi nhuận; loại sau thường chỉ dừng lại ở mức thông cáo báo chí hoặc nhãn hiệu ngành.

Bạn có thể sử dụng danh sách kiểm tra sau đây để sàng lọc ban đầu:

Các tín hiệu mạnh thường bao gồm việc mở rộng bao bì nâng cao, nhiều khách hàng AI ASIC hơn, mức độ tận dụng CoWoS cao, các nền tảng eNVM bước vào sản xuất hàng loạt, các đơn hàng PMIC hoặc MCU ô tô cải thiện, và các nguồn cầu rõ ràng được ban lãnh đạo công bố trong báo cáo tài chính. Các tín hiệu yếu bao gồm việc các công ty chỉ đề cập đến AI một cách chung chung, doanh thu vẫn chủ yếu phụ thuộc vào điện tử tiêu dùng, không có sự cải thiện về mức độ tận dụng công nghệ node trưởng thành, hoặc không có nền tảng quy trình rõ ràng và xác thực từ khách hàng.

Chi phí giao dịch cũng rất quan trọng. Nếu bạn theo dõi các công ty bán dẫn như TSMC, GlobalFoundries, UMC, Hua Hong, SMIC, Samsung Electronics, Micron, hay SK hynix, bạn cần chú ý không chỉ đến logic ngành, mà còn đến phí giao dịch thực tế, tính thanh khoản và rủi ro thị trường. Chi phí giao dịch cổ phiếu Mỹ, cổ phiếu Hồng Kông, hoặc ADR thường bao gồm nhiều hơn là hoa hồng. Nó còn có thể bao gồm phí nền tảng, phí tổ chức bên ngoài, phí hoạt động giao dịch và các khoản phí khác. Biya miễn phí hoa hồng 0 USD cho giao dịch cổ phiếu Mỹ, còn phí nền tảng, phí tổ chức bên ngoài và các khoản phí khác sẽ áp dụng theo phí giao dịch cổ phiếu Mỹ và hiển thị trên đơn hàng.Khả năng cung cấp dịch vụ phụ thuộc vào vị trí của người dùng, kết quả xác minh danh tính, quy tắc của nền tảng, cùng với các luật và quy định hiện hành.

Nếu bạn cần theo dõi các công ty bán dẫn, bạn cũng có thể sử dụng tra cứu thông tin cổ phiếu Mỹ để kiểm tra thông tin cơ bản của các cổ phiếu niêm yết tại Mỹ, sau đó kết hợp với báo cáo tài chính của công ty, công bố giao dịch, báo cáo ngành và cơ cấu phí để có cái nhìn đánh giá toàn diện hơn. Phân tích chuỗi ngành không thể thay thế việc ra quyết định đầu tư, đặc biệt là vì AI lưu trữ, nhà máy đúc và đóng gói nâng cao đều liên quan đến tính chu kỳ, áp lực chi tiêu vốn và rủi ro về lộ trình công nghệ.

Tóm tắt: Để đánh giá mức độ liên quan đến lưu trữ AI của một nhà máy đúc chip (foundry), hãy quay lại với các chỉ số có thể kiểm chứng. Bạn nên tập trung vào công nghệ node tiên tiến, đóng gói tiên tiến, eNVM, PMIC, MCU, cơ cấu khách hàng, mức độ utilizing công suất và hiệu suất tài chính, thay vì chỉ dựa vào nhãn khái niệm. Lợi thế tăng trưởng của các nhà máy đúc node tiên tiến đến nhiều hơn từ bộ tăng tốc AI và CoWoS, trong khi các nhà máy đúc node trưởng thành được lợi nhiều hơn từ các chip hỗ trợ hệ thống, AI biên (edge AI), điện tử ô tô và quy trình chuyên biệt. Về mặt giao dịch, bạn cũng cần chú ý đến phí, thanh khoản và rủi ro biến động. Thông tin công khai có thể giúp xây dựng khung phân tích, nhưng không cấu thành lời khuyên đầu tư.

Sau khi hiểu rõ mối quan hệ giữa các nhà máy đúc (foundry) và chuỗi lưu trữ AI, bước tiếp theo là liên tục theo dõi lợi nhuận của các công ty, tiến độ nền tảng công nghệ, năng lực đóng gói tiên tiến, biến động cung cầu HBM và mức độ utilizes hóa của các node trưởng thành. Bạn có thể chia chuỗi thành một số mảng: logic tiên tiến, HBM, đóng gói, eNVM, PMIC, MCU và vật liệu thiết bị, sau đó quan sát xem các công ty liên quan có thực sự ghi nhận sự cải thiện về doanh thu và lợi nhuận hay không. Nếu các dịch vụ liên quan khả dụng tại khu vực của bạn, bạn có thể sử dụng Biya để theo dõi cổ phiếu Mỹ, cổ phiếu Hồng Kông, tài sản tiền mã hóa và các thị trường đa tài sản khác, hoặc tải ứng dụng để quản lý danh mục theo dõi, tìm hiểu phí giao dịch và đánh giá rủi ro giao dịch.Thông tin thị trường công khai, quy tắc giao dịch và cấu trúc phí cần được đánh giá cùng với các thông tin công bố của nền tảng và yêu cầu quy định tại địa phương. Mọi phân tích về chuỗi ngành bán dẫn không nên được hiểu là cam kết về lợi nhuận.

Câu hỏi thường gặp

Các nhà máy đúc (Foundries) có được coi là cổ phiếu bộ nhớ AI không?

Các nhà máy đúc không nên được phân loại đơn giản là cổ phiếu bộ nhớ AI. Thông thường, họ không trực tiếp sản xuất HBM, DRAM hay NAND, nhưng họ có thể tham gia vào chuỗi bộ nhớ AI thông qua việc sản xuất bộ tăng tốc AI, đóng gói tiên tiến CoWoS, eNVM, PMIC, MCU và chip giao tiếp. Điều quan trọng là phải xem xét nguồn doanh thu và nền tảng công nghệ, chứ không chỉ nhãn khái niệm.

Tại sao các node trưởng thành lại bị ảnh hưởng bởi nhu cầu máy chủ AI?

Các node trưởng thành chịu ảnh hưởng từ nhu cầu máy chủ AI chủ yếu vì máy chủ đòi hỏi số lượng lớn các chip quản lý nguồn, analog, giao tiếp, điều khiển và bảo mật. Các chip này thường quan tâm nhiều hơn đến độ tin cậy, chi phí và nguồn cung lâu dài hơn là các node tiên tiến. Mức độ ảnh hưởng thực tế phụ thuộc vào tỷ lệ sử dụng công suất, cơ cấu khách hàng và xu hướng giá sản phẩm.

Bộ nhớ nhúng eNVM có giống HBM không?

Bộ nhớ nhúng eNVM không giống HBM. eNVM là bộ nhớ không bị mất dữ liệu tích hợp trên chip bên trong các MCU, SoC hoặc bộ điều khiển, thường được dùng cho mã lệnh, cấu hình, dữ liệu bảo mật và duy trì dữ liệu ở chế độ tiêu thụ điện năng thấp. HBM là bộ nhớ băng thông cao dành cho các bộ tăng tốc AI, nhấn mạnh vào băng thông, dung lượng và tích hợp đóng gói.

Hua Hong Semiconductor liên quan như thế nào đến chuỗi lưu trữ AI?

Hua Hong Semiconductor có mối quan hệ gián tiếp hơn với chuỗi lưu trữ AI. Công ty không phải là nhà sản xuất DRAM, NAND hay HBM, mà là một foundry công nghệ chuyên biệt. Mức độ liên quan của công ty chủ yếu đến từ eNVM, thiết bị công suất, analog và quản lý nguồn, MCU, cũng như các chip hỗ trợ ở node công nghệ trưởng thành, cần được xác minh thông qua báo cáo tài chính và nhu cầu từ khách hàng.

TSMC Tham Gia Vào Chuỗi Lưu Trữ AI Như Thế Nào?

TSMC chủ yếu tham gia vào chuỗi lưu trữ AI thông qua sản xuất logic tiên tiến và đóng gói tiên tiến. GPU AI và ASIC AI đòi hỏi quy trình sản xuất ở node tiên tiến, sau đó kết nối với HBM thông qua CoWoS, silicon interposer và các công nghệ đóng gói liên quan. Bản thân HBM chủ yếu được cung cấp bởi các nhà sản xuất bộ nhớ, trong khi TSMC đóng vai trò chủ yếu là nhà sản xuất tích hợp hệ thống.

Các Chỉ số Lưu trữ AI Nào Quan Trọng Khi Đầu tư vào Cổ phiếu Nhà máy Đúc?

Khi đầu tư vào cổ phiếu nhà máy đúc, các chỉ số lưu trữ AI quan trọng bao gồm doanh thu từ công nghệ node tiên tiến, công năng đóng gói CoWoS hoặc 2.5D/3D, nền tảng eNVM, nhu cầu PMIC và MCU, mức độ sử dụng công suất, biên lợi nhuận gộp và chi phí vốn. Các đánh giá này nên dựa trên báo cáo nộp của công ty, công bố đơn hàng và quy tắc phí nền tảng, và không cấu thành lời khuyên đầu tư.