# Artikel Terkait Memori

Pusat Berita HTX menyediakan artikel terbaru dan analisis mendalam mengenai "Memori", mencakup tren pasar, pembaruan proyek, perkembangan teknologi, dan kebijakan regulasi di industri kripto.

Fitur 'Bermimpi' ChatGPT Ini, Saya Harap Semua AI Menirunya

ChatGPT kini memiliki sistem memori baru berbasis teknologi "Dreaming" yang memungkinkannya secara otomatis mengumpulkan dan mengatur preferensi, proyek, rencana perjalanan, serta detail kehidupan pengguna dari percakapan jangka panjang. Sistem ini dapat menilai informasi mana yang masih relevan dan mana yang sudah kedaluwarsa, memberikan respons yang lebih personal dan kontekstual. Dibandingkan dengan sistem memori sebelumnya yang hanya menyimpan informasi secara statis, Dreaming V3 menunjukkan peningkatan signifikan: tingkat keberhasilan mengingat fakta mencapai 82,8%, mengikuti preferensi 71,3%, dan mempertahankan keakuratan seiring waktu 75,1%. Pengguna dapat melihat dan mengedit "Ringkasan Memori" yang dihasilkan otomatis, serta mengontrol prioritas atau menghapus memori. Sistem ini juga menampilkan sumber memori yang digunakan dalam respons. OpenAI telah mengurangi sumber daya komputasi Dreaming hingga 5 kali lipat, sehingga mulai tersedia untuk pengguna Free dengan kualitas terbatas, selain untuk pengguna berlangganan. Fitur ini menandai langkah ChatGPT dari sekadar model percakapan menjadi asisten pribadi yang memahami kontek dan evolusi kebutuhan pengguna, sekaligus menimbulkan pertanyaan tentang hubungan antara pengguna dan AI yang semakin mendalam.

marsbit06/08 00:23

Fitur 'Bermimpi' ChatGPT Ini, Saya Harap Semua AI Menirunya

marsbit06/08 00:23

Melampaui 'Tembok Memori', Revolusi Tingkat Wafer dan Rute Kekuatan Komputasi di Era Inferensi AI

Pada tahun 2026, titik balik global AI muncul: belanja modal *inference* penyedia awan melebihi *training*, menandai pergeseran dari "membuat" ke "menggunakan" model besar. Hambatan utama bergeser dari daya komputasi ke "dinding memori"—bottleneck dalam memindahkan data (seperti berat model dan KV Cache) antara DRAM dan GPU, yang menyebabkan konsumsi energi tinggi dan penundaan. Arsitektur alternatif seperti Cerebras menawarkan solusi radikal melalui Wafer-Scale Engine (WSE). Daripada memotong wafer, Cerebras menggunakannya utuh sebagai satu chip raksasa (WSE-3), menampung 44GB SRAM *on-chip* dengan bandwidth 21 PB/detik—ribuan kali lebih cepat dari HBM tradisional. Ini memungkinkan aliran berat model dari memori eksternal (MemoryX) ke chip dengan latency sangat rendah, meningkatkan kecepatan *token* inferensi hingga 1,5–5x dibandingkan GPU seperti NVIDIA B200. Selain itu, daya interkoneksinya jauh lebih efisien (0,15 pJ/bit vs 10 pJ/bit GPU). Namun, pendekatan ini menghadapi tantangan: skala SRAM terhambat batas fisik, memerlukan sistem pendingin khusus, bandwidth I/O eksternal terbatas, dan ekosistem perangkat lunaknya yang kurang umum. Sementara itu, raksasa teknologi merespons dengan tiga jalur: chip ASIC khusus inferensi (seperti Microsoft Maia), kemasan *wafer-scale* yang semakin umum (misal, TSMC SoW), serta eksplorasi interkoneksi optik. Tekanan komersial juga besar bagi Cerebras, yang kini harus membangun pusat data skala besar untuk memenuhi pesanan. Intinya, tidak ada solusi sempurna. Cerebras mengoptimalkan latency ekstrem untuk beban kerja tertentu, sementara NVIDIA mempertahankan fleksibilitas untuk beban beragam. Pertarungan arsitektur ini masih terbuka dalam lanskap komputasi AI yang terus berubah.

marsbit06/05 11:11

Melampaui 'Tembok Memori', Revolusi Tingkat Wafer dan Rute Kekuatan Komputasi di Era Inferensi AI

marsbit06/05 11:11

Laporan Pengurangan Memori Picu Anjlok, Apakah Ini Salah Pilih?

Laporan dari SemiAnalysis tentang konfigurasi memori di rak server AI Nvidia Rubin NVL72 memicu penurunan tajam saham pemasok memori seperti Micron dan SK Hynix. Laporan tersebut menyebutkan kemungkinan pengurangan kapasitas memori sistem (SOCAMM/LPDDR) di sisi CPU dari sekitar 55TB menjadi 28TB per rak, yang mengurangi nilai per unit. Namun, penyesuaian ini tampaknya tidak langsung mempengaruhi permintaan untuk HBM4 di sisi GPU, yang tetap menjadi komponen memori penting dan berharga tinggi untuk akselerator AI. Reaksi pasar yang besar mencerminkan sentimen yang sudah jenuh (crowded trade) di sektor memori AI. Investor menjual saham secara luas karena kekhawatiran awal terhadap judul "pengurangan kapasitas memori", tanpa langsung membedakan jenis memori mana yang terdampak. Meskipun laporan asli dan klarifikasi penulisnya lebih bernuansa, kerusakan telah terjadi. Analisis menunjukkan bahwa tekanan utama ada pada pemasok memori sistem (seperti SOCAMM), di mana nilai per rak mungkin turun. Untuk HBM4, logika investasi masih bergantung pada volume penjualan rak Rubin secara keseluruhan dan pesanan yang berkelanjutan. Potensi sisi positifnya adalah pengurangan biaya BOM sekitar $80.000 per rak bisa mempercepat pengiriman dan berpotensi meningkatkan volume pesanan, yang dapat mengimbangi penurunan nilai per unit. Kunci selanjutnya adalah data pengiriman dan konfirmasi resmi dari Nvidia mengenai BOM akhir. Investor perlu memisahkan eksposur perusahaan terhadap HBM (lebih menguntungkan, didominasi SK Hynix) dan memori sistem (mungkin lebih terdampak, relevan bagi Micron) untuk menilai dengan tepat. Volatilitas ini menandakan pasar bergerak dari narasi luas menuju pemeriksaan mendetail terhadap setiap kolam profit dalam rantai pasokan AI.

marsbit06/05 06:33

Laporan Pengurangan Memori Picu Anjlok, Apakah Ini Salah Pilih?

marsbit06/05 06:33

55TB Menjadi 28TB? Rumor dan Panik di Balik Pemotongan Memori Rubin Setengahnya

Pada 4 Juni, laporan dari SemiAnalysis menyatakan bahwa konfigurasi memori SOCAMM default untuk platform AI NVIDIA Vera Rubin NVL72 kemungkinan akan turun dari perkiraan sebelumnya sekitar 55TB menjadi sekitar 28TB per rak. Ini memicu kekhawatiran pasar atas penurunan permintaan memori, menyebabkan saham Micron (MU) turun lebih dari 10%. Namun, analisis mendetail mengungkap bahwa kepanikan tersebut mungkin keliru. Pertama, modul SOCAMM di platform Rubin bersifat moduler dan dapat ditingkatkan, sehingga pengurangan konfigurasi awal bukanlah pengurangan permintaan permanen. Kedua, alasan utama pengurangan ini adalah keterbatasan pasokan global LPDDR5X yang parah pada 2026, bukan kurangnya permintaan. NVIDIA diduga memilih konfigurasi yang lebih rendah untuk memastikan pengiriman rak komputasi yang lebih cepat. Ketiga, dengan konfigurasi yang lebih rendah per rak, NVIDIA justru dapat memproduksi lebih banyak rak dengan pasokan memori yang sama, sehingga total volume pemesanan memori tidak serta-merta turun. Penurunan saham Micron lebih terkait dengan faktor pasar luas, termasuk penurunan sektor semikonduktor setelah laporan pendapatan Broadcom, serta aksi ambil untung setelah kenaikan harga saham yang signifikan. Risiko utama Micron sebenarnya terletak pada pangsa pasar yang kecil dalam pasokan HBM4 untuk Rubin, bukan pada konfigurasi SOCAMM di mana posisinya kuat. Kesimpulannya, laporan SemiAnalysis akurat dalam detail teknis, tetapi interpretasi pasar tentang "permintaan memori turun drastis" terlalu disederhanakan dan mengabaikan konteks arsitektur modular serta realitas ketatnya pasokan rantai industri.

marsbit06/05 01:17

55TB Menjadi 28TB? Rumor dan Panik di Balik Pemotongan Memori Rubin Setengahnya

marsbit06/05 01:17

Mampukah DeepSeek Menghemat 1 Triliun Dolar untuk China?

**Ringkasan Artikel: Apakah DeepSeek Dapat Menghemat 1 Triliun Dolar AS untuk China?** Artikel ini membahas bagaimana DeepSeek, melalui serangkaian inovasi teknologinya, berpotensi secara drastis menekan biaya infrastruktur AI China dan berpotensi menghemat investasi hingga triliunan dolar AS. **Tantangan: Biaya AI yang Melonjak** Biaya perangkat keras AI, terutama memori berbandwidth tinggi (HBM), sedang meroket. Misalnya, pada sistem AI canggih NVIDIA Vera Rubin, biaya komponen memori saja mencapai sekitar $2 juta dan telah naik 435% dalam setahun. **Solusi DeepSeek: Tiga Inovasi Utama** DeepSeek mendekati masalah ini dengan tiga terobosan teknis utama untuk meningkatkan efisiensi token perangkat keras hingga 4 kali lipat: 1. **Kompresi Memori (KV Cache):** Melalui **Multi-head Latent Attention (MLA)**, DeepSeek mengompres "memori" konteks panjang model secara signifikan (hingga 90%+ pengurangan) tanpa mengorbankan kualitas, mengurangi ketergantungan pada HBM yang mahal. 2. **Aktivasi "Tubuh" Model Sesuai Kebutuhan:** Menggunakan arsitektur **Mixture of Experts (MoE)**, model hanya mengaktifkan sebagian kecil dari total parameternya untuk setiap tugas. Ini seperti hanya memanggil dokter spesialis yang relevan, bukan seluruh rumah sakit. 3. **Cache dan Penggunaan Ulang:** Hasil komputasi yang sudah dihitung disimpan dan digunakan kembali (cache hit), menghindari perhitungan berulang yang mahal. DeepSeek menerapkan ini bahkan dalam struktur harga layanannya. **Dampak dan Potensi Penghematan** Efisiensi ini mengubah ekonomi infrastruktur AI: * **Pengurangan Biaya Operasional:** Untuk tugas tertentu (misalnya, membaca ulang kode panjang), biaya menggunakan DeepSeek V4-Pro bisa **100 kali lebih murah** dibandingkan model seperti GPT-5.5 atau Claude Opus. * **Penghematan Infrastruktur Berskala Besar:** Artikel memperkirakan, dengan peningkatan efisiensi 4x, untuk memenuhi permintaan token harian masa depan China yang mencapai ribuan triliun, pendekatan DeepSeek berpotensi menghemat investasi setara dengan **puluhan ribu pusat komputasi cerdas**, yang nilainya bisa mendekati **$1 triliun**. * **Pergeseran Strategis:** Alih-alih hanya bergantung pada chip komputasi canggih (di mana China tertinggal), DeepSeek mengalihkan beban ke manajemen memori, cache, dan rekayasa sistem — area di mana industri China seperti produsen memori DRAM (contoh: CXMT) semakin kompetitif. Ini meningkatkan keamanan rantai pasokan. **Kesimpulan** DeepSeek tidak menghilangkan kebutuhan akan perangkat keras canggih, tetapi secara radikal mengurangi ketergantungan marjinal padanya. Dengan membuat AI lebih terjangkau melalui efisiensi teknis mendalam, DeepSeek berpotensi membentuk ulang buku besar infrastruktur AI China, menghemat investasi besar, dan yang terpenting, membuat daya AI dapat diakses oleh industri luas di China. *(Catatan: Artikel ini didasarkan pada analisis industri dan proyeksi, bukan fakta yang sudah pasti.)*

marsbit06/03 00:52

Mampukah DeepSeek Menghemat 1 Triliun Dolar untuk China?

marsbit06/03 00:52

Medan Persaingan Baru AI: Ingatan Jangka Panjang Menjadi Titik Sakit, Bagaimana Pengguna Mempertahankan Kepemilikan Konteks Mereka

AI kini beralih dari alat obrolan menjadi asisten digital pribadi yang memahami pola kerja dan preferensi pengguna. Namun, memori jangka panjang yang dikumpulkan AI—seperti kebiasaan, konteks proyek, dan riwayat percakapan—saat ini terisolasi di dalam masing-masing platform (seperti ChatGPT, Claude, Gemini). Hal ini membuat pengguna kehilangan konteks saat berpindah model atau platform. Isu kepemilikan memori dan portabilitas konteks AI kini menjadi tantangan baru. ZetaChain, melalui produk Anuma, mengusung solusi "Lapisan Memori Privat" (Private Memory Layer) yang memungkinkan pengguna memiliki dan mengontrol memori AI mereka secara terenkripsi. Memori ini dapat dibawa ke berbagai model AI dan agen, dengan sistem izin terprogram yang dapat diaudit dan dicabut. ZetaChain, yang sebelumnya fokus pada infrastruktur interoperabilitas antar-blockchain, bertransisi ke AI karena melihat paralel antara masalah fragmentasi aset di blockchain dengan isolasi memori di dunia AI. Visi mereka adalah membangun "Lapisan Konsumen AI" (AI Consumer Layer) di mana berbagai agen AI dapat berkolaborasi dengan berbagi konteks, identitas, dan sistem izin yang seragam—dengan kepemilikan dan kendali tetap di tangan pengguna. Token ZETA diubah fungsinya menjadi "token infrastruktur AI" untuk akses model, pembayaran antar-agen, pencatatan izin di blockchain, dan ekonomi kreator tempat keahlian dapat dikemas sebagai agen berbayar. Inti upaya ini adalah mengembalikan kepemilikan memori, identitas, dan konteks AI dari platform kepada pengguna.

marsbit06/02 04:34

Medan Persaingan Baru AI: Ingatan Jangka Panjang Menjadi Titik Sakit, Bagaimana Pengguna Mempertahankan Kepemilikan Konteks Mereka

marsbit06/02 04:34

Wang Chuan: Bagaimana Tetap Tidak Cemas Setelah Tetangga Lao Wang Mendapatkan 30 Kali Lipat Keuntungan dari Investasi Saham Penyimpanan (6) - Jebakan Barang Dagangan Homogen

Artikel ini, bagian keenam dari seri "Bagaimana Tetap Tenang Ketika Tetangga Lao Wang Mendapatkan 30x Return dari Saham Penyimpanan", membahas perangkap produk komoditas homogen di industri penyimpanan data. Penulis memulai dengan contoh Iomega (dengan produk Zip Drive) pada 1990-an, yang sahamnya meroket 160x dalam 1,5 tahun hanya untuk kemudian jatuh 97% dari puncaknya. Kisah ini menggambarkan bagaimana euforia spekulatif sering berakhir dengan keruntuhan di sektor ini. Inti masalahnya adalah sifat dasar industri penyimpanan: **permintaan yang elastis berhadapan dengan pasokan yang kaku, berat aset, dan berjangka panjang**. Produk seperti DRAM dan flash memory sangat homogen, tanpa premi merek, sehingga harganya sangat fluktuatif berdasarkan pasokan global. Sejarah mencatat banyak kali harga DRAM anjlok lebih dari 80%, dan saham perusahaan penyimpanan bisa jatuh 95% atau bahkan bangkrut. Artikel ini menganalisis kenaikan dramatis saham penyimpanan sekitar September 2025, yang dipicu lonjakan permintaan HBM untuk chip AI. Produsen, belajar dari siklus sebelumnya, menahan ekspansi kapasitas, menyebabkan harga dan margin melonjak (contoh: margin kotor Sandisk dari 22.5% ke 78.3%). Namun, **margin tinggi justru akan menghancurkan dirinya sendiri**. Harga tinggi mengurangi permintaan marjinal dan mendorong investasi besar-besaran dalam kapasitas baru (mulai 2026), yang diperkirakan online pada 2027. Saat pasokan baru membanjiri pasar, harga dan profitabilitas akan kembali normal—bisa menyebabkan situasi paradoks di mana penjualan volume naik tetapi pendapatan dan laba turun. Penulis juga menyoroti beberapa ilusi: 1. **Perjanjian jangka panjang (LTA)** antara produsen dan pembeli dianggap rapuh. Ketika kondisi pasar berubah, pihak yang lebih kuat akan mencari celah untuk menegosiasikan ulang harga, mirip dengan "perjanjian non-agresi" yang mudah dilanggar. 2. **Jebakan valuasi**: Pada puncak siklus, laba perusahaan tinggi tetapi PER sahamnya rendah (misal, satu digit), terlihat seperti investasi bernilai. Namun, ini justru periode risiko terbesar karena laba tersebut bisa menyusut atau hilang begitu harga komoditas jatuh. Kesimpulannya, risiko penurunan harga penyimpanan saat ini sangat asimetris dibandingkan potensi kenaikan lebih lanjut. Berbagai faktor seperti resesi, pemotongan pengeluaran AI, ekspansi kapasitas yang agresif (terutama dari produsen China), atau terobosan teknologi yang mengurangi kebutuhan memori, dapat dengan cepat mengubah keseimbangan pasar. Investor perlu sangat berhati-hati terhadap siklus boom-and-bust yang kejam di industri komoditas homogen ini.

marsbit06/01 07:17

Wang Chuan: Bagaimana Tetap Tidak Cemas Setelah Tetangga Lao Wang Mendapatkan 30 Kali Lipat Keuntungan dari Investasi Saham Penyimpanan (6) - Jebakan Barang Dagangan Homogen

marsbit06/01 07:17

Analisis Laporan Goldman Sachs: Kekurangan Penyimpanan Sampai 2028, Beli Lagi

**Laporan Goldman Sachs: Kekurangan Chip Memori hingga 2028, Rekomendasikan Beli** Laporan "The 720" Goldman Sachs menegaskan bahwa siklus kenaikan memori saat ini akan **berlangsung lebih lama**, dengan kekurangan pasokan diperkirakan terus berlanjut hingga 2028. Goldman Sachs menilai pasar meremehkan durasi siklus ini, terbukti dari valuasi saham memori yang masih rendah. Tiga faktor kunci: permintaan server AI yang kuat, pertumbuhan pasokan terbatas, dan kontrak jangka panjang yang mengikat. **Rekomendasi Utama (Memori):** * **Samsung Electronics & SK Hynix:** Pertahankan rating **BELI**, target harga dinaikkan. * **Kioxia:** Ditingkatkan dari Tahan menjadi **BELI**. Goldman Sachs merevisi naik estimasi laba 2027-2029 secara signifikan, memperkirakan margin kotor tinggi dapat bertahan. **Rantai Pasokan AI Lainnya yang Direkomendasikan:** Laporan ini juga merekomendasikan saham di sepanjang rantai pasokan perangkat keras AI, didorong oleh peningkatan belanja modal hyperscaler global: * **MediaTek, Eoptolink, Biren, Huaqin:** Rating **BELI**. Mencakup peralihan ke chip AI/data center, modul optik kecepatan tinggi, dan ekspansi kapasitas. * **Lenovo:** Rating **BELI**, target harga dinaikkan. Fokus pada siklus upgrade AI PC yang diantisipasi. **Lini Bisnis Lainnya:** * **BYD:** **BELI**. Soroti strategi otonomi, menurunkan harga kendaraan dengan fitur NOA perkotaan, dan chip self-driving buatan sendiri. * **Saham Properti China (COLI, CR Land):** Analisis scenario optimis dengan asumsi pemulihan harga, menunjukkan potensi upside. Bukan prediksi dasar. * **Perusahaan Peralatan Semikonduktor Jepang:** Sebagian besar dipertahankan rating **BELI**. * **Panasonic & NTT:** Rating **BELI**, dengan berbagai katalis termasuk komponen terkait AI dan imbal hasil pemegang saham. **Konteks Makro:** Goldman Sachs menyoroti ketegangan di pasar negara berkembang antara **boom investasi AI** dan **krisis energi** akibat gangguan pasokan minyak. Ekonomi pengekspor teknologi seperti Korea & Taiwan diuntungkan, sementara negara pengimpor energi menghadapi tekanan. **Peringatan:** Informasi dalam ringkasan ini berasal dari interpretasi laporan penelitian pihak ketiga. Semua peringkat, target harga, dan perkiraan merupakan pandangan analis Goldman Sachs, bukan rekomendasi investasi. Riset sell-side cenderung optimis. Nilailah logika dan asumsi yang mendasari, bukan hanya target harga. Pasar mengandung risiko, keputusan investasi harus independen.

marsbit06/01 02:17

Analisis Laporan Goldman Sachs: Kekurangan Penyimpanan Sampai 2028, Beli Lagi

marsbit06/01 02:17

Supplier Menjadi Pemegang Saham: Tiga Raksasa Chip Memori Investasi di Anthropic, Struktur Kekuatan Rantai Pasokan AI Sedang Diorganisasi Ulang

Micron, Samsung, dan SK Hynix—tiga produsen memori bandwith tinggi (HBM) global—untuk pertama kalinya bersama-sama masuk dalam daftar investor putaran pendanaan (Seri H) perusahaan AI Anthropic sebesar $65 miliar. Pendanaan ini menaikkan valuasi Anthropic menjadi $965 miliar, melampaui OpenAI. Ketiganya disebut sebagai “mitra infrastruktur strategis”, menunjukkan investasi ini lebih berfokus pada jaminan pasokan HBM yang sangat langka daripada sekadar keuntungan finansial. Di tengah kelangkaan HBM yang diproyeksikan hingga 2028, kepemilikan saham ini memberikan Anthropic akses prioritas ke komponen kunci untuk pelatihan dan inferensi model AI berskala besar. Bagi ketiga raksasa memori, langkah ini adalah cara untuk mengamankan permintaan jangka panjang, memengaruhi perkembangan spesifikasi HBM generasi berikutnya, dan membangun posisi strategis di ekosistem AI. Peristiwa ini mencerminkan pergeseran dalam industri AI: persaingan tidak lagi hanya tentang kemampuan model, tetapi juga tentang penguasaan rantai pasokan infrastruktur seperti daya komputasi dan memori. Integrasi vertikal antara pengembang model, penyedia cloud, dan produsen chip semakin menguat, menandai dimulainya fase baru di mana AI telah menjadi infrastruktur penting.

marsbit05/30 04:43

Supplier Menjadi Pemegang Saham: Tiga Raksasa Chip Memori Investasi di Anthropic, Struktur Kekuatan Rantai Pasokan AI Sedang Diorganisasi Ulang

marsbit05/30 04:43

Di Balik Changxin Technology, Berdiri Sekelompok Perusahaan A-Share

**Judul Ringkas: Longxin Technology Berhasil Melewati Persetujuan IPO di Papan STAR, dan Sejumlah Perusahaan A-Shares Berada di Baliknya** Pada 27 Mei, Longxin Technology Group Co., Ltd., pemimpin DRAM (Dynamic Random Access Memory) domestik Tiongkok, berhasil melewati tinjauan komite pasar oleh Bursa Efek Shanghai untuk listing di Papan STAR (Science and Technology Innovation Board). Perusahaan ini adalah proyek pertama yang menggunakan mekanisme "pratinjau awal" yang baru direformasi, mempersingkat siklus listing secara signifikan. Sebagai perusahaan desain, R&D, dan manufaktur DRAM terintegrasi (IDM) terbesar dan paling maju di Tiongkok, Longxin telah mencapai produksi massal DDR5/LPDDR5X, mengisi celah dalam DRAM generik domestik. Posisi pasar globalnya adalah keempat di dunia dan pertama di Tiongkok. Didorong oleh ledakan komputasi AI, kinerja keuangan Longxin membaik secara signifikan, meraih laba bersih pertama pada 2025. Daftar pemegang saham Longxin sangat mengesankan, mencakup dana negara seperti National Integrated Circuit Industry Investment Fund Phase II, kelompok investasi provinsi, serta raksasa modal ventura dan industri seperti GigaDevice, Xiaomi, Alibaba, dan Tencent. Beberapa perusahaan yang terdaftar di A-share, termasuk GigaDevice, Sinopromise, Shangfeng Cement, Hefei Urban Construction, Hefei Department Store Group, dan Zhongshan Public Utilities, telah mengungkapkan investasi tidak langsung mereka di Longxin melalui dana ekuitas swasta. Selain itu, lima perusahaan sekuritas juga berpartisipasi melalui anak perusahaan atau dana. Pendiri dan Chairman Longxin, Zhu Yiming, adalah tokoh kunci dalam terobosan DRAM domestik. Setelah mendirikan dan memimpin GigaDevice menjadi pemain utama NOR Flash, dia beralih untuk mendirikan Longxin pada 2016, bertekad memecah monopoli DRAM global. Zhu Yiming baru-baru ini mengumumkan rencana insentif ekuitas pribadi skala besar untuk karyawan dan komitmen penguncian saham jangka panjang yang sangat langka. Dengan Longxin beralih dari pengikut menjadi pesaing setara di industri DRAM global, listing-nya menandai langkah penting menuju otonomi dan pengendalian rantai pasok semikonduktor Tiongkok.

marsbit05/28 03:29

Di Balik Changxin Technology, Berdiri Sekelompok Perusahaan A-Share

marsbit05/28 03:29

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow

Bitcoinright-arrow