AITOPAI热报
Industry

苹果测试长鑫内存芯片，用于 iPhone 和 MacBook

消息称苹果正测试长鑫内存芯片，用于 iPhone 和 MacBook

IT之家
Blog/Media
Read the original
Why we picked it

苹果正在测长鑫的 DRAM 芯片，想用在 iPhone 和 MacBook 上，主要为了中国市场和降成本，但价格还没谈拢。

据华尔街日报报道，苹果已在 iPhone 和 MacBook 产品线中测试长鑫存储的 DRAM 芯片。双方就零部件供应进行了初步洽谈，目标用于部分在中国销售的设备。

Body

长鑫存储坚持内存采购价高于或与三星电子、SK 海力士报价相近。长鑫存储是全球第四大 DRAM 制造商，2026 年一季度营收 508 亿元，同比增长 719.

13%。

Original · IT之家

消息称苹果正测试长鑫内存芯片，用于 iPhone 和 MacBook

IT之家 8 月 10 日消息，据华尔街日报 8 月 9 日报道，知情人士透露， 苹果公司一直在其包括 iPhone 和 MacBook 在内的产品线中测试来自长鑫存储的内存芯片 ，以应对人工智能蓬勃发展期间的内存短缺问题。 知情人士透露，苹果公司已与长鑫存储就零部件供应事宜进行了 初步洽谈 ，目标是将这些零部件用于部分在中国销售的设备中。 据韩媒《Digital Daily》上周报道 ，苹果公司近期考虑将长鑫作为新的供应链以降低成本，但目前在进一步降价谈判中遭遇困难。 长鑫坚持要求内存采购价格高于或与三星电子或 SK 海力士的报价相近 。 英国《金融时报》今年 7 月则报道称 ，两位消息人士表示苹果已开始为面向中国市场销售的设备测试来自长鑫存储的 DRAM 内存芯片。 行业分析机构 SemiAnalysis 于 6 月 23 日发布长篇报告 ，表示长鑫存储将挑战目前的 DRAM 企业。从总体来看， 长鑫存储在几乎所有指标上都是全球第四大 DRAM 制造商 ，同时在传统内存供应市场中不断扩大领先优势。 据IT之家此前报道，2026 年 1-3 月， 长鑫存储营业收入 508 亿元，同比增长 719.13% ；净利润 330.11 亿元；归属于母公司所有者的净利润 247.62 亿元；扣除非经常损益后归属于母公司所有者的净利润 263.41 亿元。 长鑫存储预计 2026 年上半年实现营业收入 1,100 亿元至 1,200 亿元，同比增长 612.53% 至 677.31%；实现归母净利润 500 亿元至 570 亿元，同比增长 2,244.03% 至 2,544.19%。

Industry Coordinates & Source Verification

This report is categorized under AITOP's "Industry" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Key entities and technical topics under continuous tracking include Apple, ChangXin Memory, DRAM, memory chips.

Source attribution: curated from IT之家.

#Apple#ChangXin Memory#DRAM#memory chips#supply chain

Keep reading

Recent stories with the same tag or section
ProductsBuildersOfficial22:34
Chinese contentApple HomeView 正式发售

Apple 把娱乐、通讯和家居管理塞进了一个新硬件 HomeView，今天就能买。它对标的是 Google Nest Hub 和 Echo Show，HomeKit 生态用户会关心能不能当家庭中控用。不过目前新闻稿没给价格和配置，下单前建议先等规格明细。

#Apple#HomeView#smart home
Event
Primary sourceApple: Newsroom@Apple NewsroomSource
PapersBuildersOfficialSelected01:52
Apple Derives Theoretical Limits of KL-Regularized Language Model Alignment

The findings set a benchmark ceiling that practitioners can use to evaluate how close their RLHF or best-of-N setups come to the theoretical optimum for a fixed KL budget. Alignment engineers and researchers deciding between sampling-based and RL-based pipelines gain a formal basis for that choice. Teams in Singapore and across ASEAN building preference-tuned models on constrained compute can use these bounds to budget alignment cost more precisely.

#RLHF#best-of-N#Apple#alignment
Primary sourceApple ML ResearchSource