久谦咨询：智能体爆发重塑算力架构 HBM缺口料持续至2030年

芯片存储，能否长期持有？ — 涌现EmergenceHK

涌现EmergenceHK

大模型转向智能体推理调度引爆通用主存与定制化HBM需求，不仅将重塑存储厂商的估值逻辑，更因产能虹吸导致下游中低端手机陷入成本倒挂与全线亏损。

AI-assisted summary of 芯片存储，能否长期持有？ — original source. Check the original for full context.

Source published:

Key ideas

  • 国产先进制程通过多重曝光（SAQP）实现了晶体管密度跨越，但面临功耗成倍激增与良率跌破 25% 的极端成本倒挂，商业化仍有赖于未来 2 至 3 年国产光刻机在特定场景的阶段性突破。 (0:00)
  • 大模型推理与 Agentic AI 兴起重构底层算力架构，海量任务调度推动 CPU 与 DRAM 爆发，预计到 2030 年智能体专用 DRAM 与 HBM 将合计占据存储芯片过半的全球需求。 (5:00)
  • AI 算力对先进产能的虹吸引发内存价格暴涨，中低端手机中 DRAM 成本占比从 20% 激增至 60% 以上，厂商陷入卖一台亏一台却因产业链生态与就业绑定无法停产的困局。 (10:00)
  • HBM 具备高度定制化设计与先进封装壁垒，无法像普通 DRAM 产线那样快速切换爬坡，其业务应享受类似台积电的高估值，而非传统大宗存储的周期折价。 (12:35)

Detailed notes

## Background 该视频由 YouTube 频道“涌现EmergenceHK”于 2026 年 8 月 12 日发布。内容记录了科技投资人 Bill 对话久谦咨询合伙人 Henry，从全球投资者一线尽职调查的视角出发，深度探讨中美 AI 竞争、芯片制造的真实差距、光刻机突破路径、HBM 与 DRAM 存储革命，以及 AI Agent 对知识工作与算力架构的全面重塑。

## TL;DR 对话深入拆解了国产先进制程在多重曝光（SAQP）下虽然实现了晶体管密度，却在“PPAC”（功耗、良率与成本）维度面临巨大代价格局，并指出系统级工程正重新定义“卡脖子”的概念。随着大模型向推理与 Agentic AI 演进，沙盒运行与任务调度引爆了海量 CPU 与 DRAM 需求，使存储芯片从周期大宗商品走向结构性分化，高定制属性的 HBM 更是面临持续供给缺口与二级市场的剧烈抢跑博弈。内存通胀也直接导致中低端手机陷入“卖一台亏一台”的产业困境，与此同时，确定性极高的光通信成为集群作战的关键神经系统。最后，对谈分享了咨询团队通过并行调度多 Agent 线程实现人机共存与产能跃迁的一线实战经验。

## Atmosphere & style 整场对话呈现出极具穿透力的一级市场硬科技尽调风格，摒弃了非黑即白的宏观宏大叙事，通篇贯穿着冷静、理性的工业逻辑与商业博弈。主持人 Bill 提问直击痛点且善用历史与产业隐喻，而身处一线的咨询合伙人 Henry 则以高颗粒度的制造细节与资本算计抽丝剥茧，对话节奏紧凑扎实。听众既能深切感受到国产芯片在良率成本倒挂、消费电子厂商流血坚持下的沉重现实，又能被对智能体浪潮重塑算力底座与人机协同的宏阔远见所感染，带来一种清醒、硬核且极具思辨深度的沉浸感。

## Bulletin - [00:00](https://www.youtube.com/watch?v=F5A__5d8PBY&t=0s) 国产先进制程通过多重曝光（SAQP）实现了晶体管密度跨越，但面临功耗成倍激增与良率跌破 25% 的极端成本倒挂，商业化仍有赖于未来 2 至 3 年国产光刻机在特定场景的阶段性突破。 - [05:00](https://www.youtube.com/watch?v=F5A__5d8PBY&t=300s) 大模型推理与 Agentic AI 兴起重构底层算力架构，海量任务调度推动 CPU 与 DRAM 爆发，预计到 2030 年智能体专用 DRAM 与 HBM 将合计占据存储芯片过半的全球需求。 - [10:00](https://www.youtube.com/watch?v=F5A__5d8PBY&t=600s) AI 算力对先进产能的虹吸引发内存价格暴涨，中低端手机中 DRAM 成本占比从 20% 激增至 60% 以上，厂商陷入卖一台亏一台却因产业链生态与就业绑定无法停产的困局。 - [12:35](https://www.youtube.com/watch?v=F5A__5d8PBY&t=755s) HBM 具备高度定制化设计与先进封装壁垒，无法像普通 DRAM 产线那样快速切换爬坡，其业务应享受类似台积电的高估值，而非传统大宗存储的周期折价。

## Key takeaways - [00:00](https://www.youtube.com/watch?v=F5A__5d8PBY&t=0s) 受合规限制影响，海外顶尖资本难以涉足中国前沿硬科技尽调，相关业务转向地方国资产投，外资 PE 则全面退守至 AI Infra 及下游应用层。 - [00:00](https://www.youtube.com/watch?v=F5A__5d8PBY&t=0s) 芯片制造商业化依赖于功耗、性能、面积、成本（PPAC）的平衡；四重曝光虽攻克了晶体管密度，但刻蚀公差导致的功耗失控与良率极低成了移动端商业化的致命短板。 - [05:00](https://www.youtube.com/watch?v=F5A__5d8PBY&t=300s) 只要下游终端需求允许被重新定义，通过架构设计、集群协同与系统级工程弥补单芯片差距，原理层面就不存在绝对非黑即白的“卡脖子”。 - [05:00](https://www.youtube.com/watch?v=F5A__5d8PBY&t=300s) GPU 专精于 Token 吐出但缺乏统筹能力，复杂 Agent 调度和沙盒运行要求数据中心大幅增配通用 CPU，进而直接引爆数百亿美元的通用 DRAM 新增市场。 - [05:00](https://www.youtube.com/watch?v=F5A__5d8PBY&t=300s) 预计到 2030 年全球存储需求结构将被颠覆：Agentic DRAM 占约 1/3，HBM 占 25% 至 30%，传统服务器基础 DRAM 占约 1/4，而传统消费电子份额被大幅挤压。 - [05:00](https://www.youtube.com/watch?v=F5A__5d8PBY&t=300s) 存储厂商估值模型面临分部拆分（Sum-of-the-parts）：HBM 底层 Base Die 需针对主芯片深度定制，属于高壁垒先进制造，理应脱离周期同质化的折价估值体系。 - [10:00](https://www.youtube.com/watch?v=F5A__5d8PBY&t=600s) 单人重度使用数十个独立沙盒 Agent 背后可能需要 2 至 3 台专属服务器支持，智能体常态化部署将推动内存占全球计算总支出的用量持续攀升。 - [10:00](https://www.youtube.com/watch?v=F5A__5d8PBY&t=600s) 在中低端手机内存成本占比飙升至 60% 导致净利全面亏损的现状下，厂商因顾及供应链网络、地方产值与社会就业责任，难以按纯经济学逻辑决然停产。 - [12:35](https://www.youtube.com/watch?v=F5A__5d8PBY&t=755s) 长江存储凭借自研 Xtacking 技术在 3D NAND 高层堆叠上具备全球顶尖竞争力；而长鑫存储作为后发者，在主流 DRAM 和 HBM 领域仍处于追赶期。 - [12:35](https://www.youtube.com/watch?v=F5A__5d8PBY&t=755s) HBM 具有 8 至 16 层的垂直微凸块堆叠工艺与长达 16 到 18 个月的良率认证周期，其高定制护城河有效阻隔了产能过剩带来的光伏式恶性价格战。 - [12:35](https://www.youtube.com/watch?v=F5A__5d8PBY&t=755s) 二级市场投资存储标的严重依赖对增速二阶导的博弈抢跑，即便供需缺口可能持续到 2030 年，资本也往往会提前数年抢先定价供需拐点。 - [16:30](https://www.youtube.com/watch?v=F5A__5d8PBY&t=990s) 光通信作为数据中心集群协同的“神经系统”具备极强的技术范式确定性与现金流兑现力，但当下产能主要受制于量产爬坡与供应链交付瓶颈。 - [16:30](https://www.youtube.com/watch?v=F5A__5d8PBY&t=990s) Agentic 多线程协作架构大幅提升了行业研究与咨询团队的产能边界，知识工作者的核心竞争力正由琐碎的信息归纳彻底转向高质量提问与深度归因。

## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=F5A__5d8PBY&t=0s) 全球投资人分化与先进制程的真实差距

在世界人工智能大会的直播间里，科技投资人 Bill 对话久谦咨询合伙人 Henry。久谦咨询是全球顶尖投资机构进入中国进行硬科技投资尽职调查时的核心合作伙伴。三年前大模型浪潮刚起时，曾有专家断言中国在芯片和大模型上“三代人都赶不上”，但如今这种论调已被现实打破。面对中美 AI 差距是在缩小还是仅仅亦步亦趋的提问，Henry 指出，最直观的变化体现在他们服务的客户结构上：以往清一色是全球投资人，如今涉及前沿硬科技的尽调，外资因监管限制难以涉足，很大一部分业务转向了服务国内的地方政府产投和引导基金；而留在中国的海外顶级私募股权基金（不论是 Buyout 还是 Growth 方向）并非不想碰半导体，而是受限于合规，不得不转向半导体衍生的 AI Infra 或 Agentic AI 等下游应用。

关于芯片制造上的核心差距，Henry 强调必须分清“成熟与先进制程”以及“实验室做出来与商业竞争力”之间的本质区别。一般行业内将小于 14 纳米定义为先进制程，在接近成熟的先进制程段，中国很快会有大量芯片设计与制造落地，但在 2 纳米、3 纳米等极先进制程上依然面临严峻挑战。针对此前业内对国产先进制程芯片的拆解（如 SemiAnalysis 的分析），尽管在光刻机受限的情况下，国内通过多重曝光（四重曝光，SAQP）配合设计与工艺的紧密协同，实现了甚至高于台积电 6 纳米的晶体管密度，解决了从 0 到 1 的“密度”问题，但商业化考量的是“PPAC”（Power 功耗、Performance 性能、Area 面积、Cost 成本）四个维度的综合平衡：

```mermaid flowchart TD accTitle: 芯片制造 PPAC 权衡评估 accDescr: 展示四重曝光技术在实现晶体管密度的同时，对性能、功耗、面积与成本造成的现实代价。

subgraph Solved["已突破维度"] A["多重曝光 / 四重曝光 SAQP"] --> B["Area 面积与 Density 密度"] B --> C["Performance 性能底线达标"] end

subgraph Tradeoff["付出的工艺代价"] A --> D["Gate Pitch 刻蚀公差变大"] D --> E["Power 功耗成倍激增"] A --> F["曝光良率连乘暴跌"] F --> G["Cost 生产成本极度高昂"] end ```

- **功耗（Power）代价高昂**：多重曝光会导致栅极间距（Gate Pitch）和沟槽刻蚀存在偏差（Variance），造成功耗控制极不稳定。同等性能下，芯片功耗可能比竞品高出一倍以上；虽然 GPU 在数据中心里尚可通过多付电费缓解，但放在便携设备（如智能手机）上，发热和降频是致命伤。 - **良率与成本（Cost）极限倒挂**：若单次曝光良率为 70%，连续进行四重曝光后，综合良率可能跌至 25% 不到，导致单位芯片成本极其夸张，必须依赖国家层面的补贴或终端消费者的溢价支持。 - **光刻机突围路径**：对于光刻机国产化进程，中国往往采取“多条腿走路”——既有自主研发的国产光刻机攻关项目在推进，也有国际渠道的灰色解决方案。Henry 预计未来两到三年内，国产光刻机有望在特定应用场景中取得阶段性突破并落地。

---

[05:00](https://www.youtube.com/watch?v=F5A__5d8PBY&t=300s) 卡脖子的重新定义与存储在 AI 计算中的真实定位

对于外界热议的“卡脖子”，Bill 引用 1941 年太平洋战争爆发后日本石油被切断导致大和号战舰开不动的历史类比，质疑贸易战究竟有没有真正扼杀中国产业链。Henry 提出了一个独特的产业视角：只有在需求高度同向或同质化时，卡脖子才能用一个非黑即白的“Yes or No”来界定。如果评判 GPU 的唯一标准是必须达到英伟达（NVIDIA）的指标，那就连 AMD 在某种程度上都是被卡的。在全球化分工体系与下游应用重构下，只要终端需求可以被重新定义，用架构、系统级工程或算力集群来弥补单芯片性能缺陷，“原理层面就没有绝对的卡脖子”，小米加步枪依然支撑起了中国庞大的应用层与消费电子生态。

转向存储芯片赛道，业界曾普遍将其视为周期性的大宗商品，估值长期停留在 10 倍甚至 5 到 6 倍 PE（市盈率）的低位。但随着大模型向推理端快速演进，存储对于计算的意义正在被彻底重塑。随着未来 Agentic AI（智能体）的发展，大模型不仅仅是在训练端“吐 Token”，更涉及海量任务调度、评判与逻辑执行，这直接引爆了对通用计算和主存（DRAM）的依赖。

- **推理对硬件架构的重构**：GPU 专精于吐 Token，但缺乏统筹任务调度与沙盒运行的能力。为了运行复杂的 Agent 调度，系统必须大幅增配 CPU，而只要增加 CPU，就必须同步配备海量的通用 DRAM。这一增量未来保守估计将带来“数百亿美元的新增市场”。 - **2030 年存储需求结构预测**：Henry 预判到 2030 年，Agentic AI 带来的 DRAM 增量需求将占到整体的三分之一，另有约 25% 到 30% 来自高带宽内存（HBM），而云服务商（CSP，如谷歌、亚马逊等）在传统服务器上部署的基础 DRAM 约占三分之一到四分之一，剩下的传统消费电子份额将被压缩到 25% 至 30% 左右。 - **存储厂商估值分化（Sum-of-the-parts）**：市场长期给予存储极低估值，是因为将其视为周期同质化的“水泥”；然而 HBM 实际上是高度定制化的半导体制造，其底部的 Base Die / Buffer Die 必须针对英伟达等客户的 ASIC/GPU 进行专门定制（类似以往 Marvell 提供的 Design Service）。未来存储厂商将出现估值分化，HBM 业务应当享受类似台积电的高估值，而非传统 DRAM 的大宗商品折价。

---

[10:00](https://www.youtube.com/watch?v=F5A__5d8PBY&t=600s) 智能体服务器膨胀与中低端手机的“内存代价”

Henry 进一步推演了推理与智能体时代对算力架构的冲击。过去数据中心对 CPU 的认知通常是“一台双路服务器配两颗 CPU”，但在 Agent 普及后，如果一个知识工作者日常需要调度 20 个独立 Agent，且每个 Agent 都在独立的 Sandbox（沙盒）环境中运行，单个 Agent 就可能耗费 1/8 到 1/4 颗 CPU。这意味着单人重度使用的智能体任务，背后可能需要两到三台独立的专属服务器提供底层算力支持。因此，无论现货价格如何周期性波动，内存占全球计算总支出的绝对用量只会持续攀升。

但在高价值 AI 芯片争夺先进晶圆与封装产能的背景下，消费电子成了这场内存争夺战中最惨烈的牺牲品。内存颗粒价格的持续通胀，直接挤压了下游整机厂商的利润空间：

- **中低端百元机/千元机的困境**：以往在中低端千元机中，DRAM 成本占比约为 20%；但在当前内存通胀周期中，这一比例已暴涨至 60% 以上。 - **卖一台亏一台**：由于中低端 Android 手机厂商原本的综合净利率（Net Margin）通常只有几个点，面对 DRAM 翻倍式的暴涨，中低端机型目前在“毛利层面都在亏损，净利层面绝对是亏的”。 - **理性经济学与现实面子的冲突**：从纯经济学角度，当可变成本（Variable Cost）与现金成本已经无法打正，最理性的选择是直接停产。然而作为上市公司，“利润是个里子问题，但停产还有个面子问题”。更重要的是产业生态绑定与社会责任——停产将直接波及上游物料、下游组装厂及庞大的渠道网络，可能影响成千上万人的就业与地方 GDP 产值，导致厂商明知亏损也只能咬牙坚持。

---

[12:35](https://www.youtube.com/watch?v=F5A__5d8PBY&t=755s) 长江长鑫崛起、HBM 护城河与资本市场的抢跑心理

谈及中国存储双雄的追赶，Henry 明确指出长存（长江存储，YMTC）与长鑫（长鑫存储，CXMT）处于完全不同的竞争生态。长江存储凭借自研创新的 Xtacking 技术，在 3D NAND 闪存领域实现了 300 层以上的超高堆叠，其产品在固态硬盘（SSD）和服务器市场一度跻身全球顶尖梯队，正是因为实质性威胁到了美光（Micron）的全球市场份额才招致严厉制裁；而长鑫存储作为后发入局者（Later Entrance），无论是在主流 DRAM 还是前沿 HBM 研发上，目前仍处于全力追赶的阶段。

针对中国产能一旦赶上，是否会像光伏或电动车产业一样把整个存储牌桌“干成血海不赚钱”的担忧，对话深入拆解了 DRAM 与 HBM 的本质壁垒差异：

| 维度 | 普通 DRAM | 高带宽内存（HBM） | |:--- |:--- |:--- | | **产品属性** | 类似钢筋水泥的大宗商品，同质化程度极高 | 高度定制化的先进制造，依赖与算力芯片的深度绑定 | | **产能爬坡** | 周期性扩产相对标准化，容易因供需错配陷入恶性价格战 | 扩产门槛极高，良率爬坡极其缓慢，缺乏 LTA 不敢贸然投产 | | **技术壁垒** | 单颗芯片制程演进与微缩 | 8 层、12 层甚至 16 层的垂直堆叠、微凸块（Microbump）与先进封装 | | **产线切换** | 厂商可根据周期调整晶圆配比 | 哪怕普通 DRAM 产线意图转型 HBM，仍需经历 16 至 18 个月的良率认证与爬坡周期 |

对于二级市场能否“长期持有”存储标的（尤其是 SK 海力士等 HBM 纯度极高的厂商），Bill 和 Henry 进行了精彩的博弈推演。虽然 HBM 在内存市场的容量占比可能仅为三分之一左右，但由于其高定制属性，加上全球三大原厂（SK 海力士、三星、美光）的增量资本开支几乎被 HBM 全面抽干，到 2030 年全球高端需求可能依然存在 25% 的缺口。然而，资本市场看的是“增速的二阶导”，投资逻辑往往严重脱离基本面并提前透支：

> “增速的斜率有可能就是 2031 年供需平衡，2029 年闻到一些迹象，可能 2028 年就得跑，2027 年就有人提前抢跑，2026 年年中就开始有人闻味道。”

尽管预期博弈剧烈导致二级市场剧烈拉扯，但从基本面来看，以 SK 海力士为代表的核心存储龙头的长期竞争力并未动摇。

---

[16:30](https://www.youtube.com/watch?v=F5A__5d8PBY&t=990s) 光通信的刚需属性与 AI 时代的知识工作革命

对于近期资本市场极其火热的光通信板块（光模块、CPO 等），Henry 解释了其火爆的原因在于“名牌效应”：在繁杂的技术范式中，既能确定不会被推翻、又有极强商业化支撑、且能实实在在兑现大额现金流的赛道凤毛麟角。光通信本质上是 AI 数据中心内部的“神经系统”，专门解决算力中心内部服务器之间、芯片之间以千百块为单元的超大规模协同计算，甚至跨两到三个数据中心之间的长距互联，“它解决的是集团军作战的问题”。然而光通信与存储的区别在于，它虽范式确定、订单预期极为强劲，但目前仍面临大规模量产爬坡和供应链交付瓶颈，供给侧的成熟度略早于成熟的存储产品。

最后，作为负责数十人智囊团队的管理者，Henry 分享了 AI 对咨询与知识分析行业的颠覆。面对 AI 是否会导致团队裁员的提问，他的团队反而逆势扩张了四倍。Henry 自嘲为带领分析师团队的“工头”，而在引入 Agentic 架构后，工作模式发生了结构性质变：

```mermaid flowchart LR accTitle: Agentic 工作流在行业咨询中的架构 accDescr: 展示咨询合伙人通过编排不同职能的 Agent 线程与一线调研反馈，完成高强度商业尽调与方案呈现。

HumanLeader["合伙人 / 核心大脑<br/>（负责定义高质量问题）"]

subgraph MultiAgentSystem["并行 Agent 线程架构"] T1["Thread A: 供给侧信息整理<br/>（整合 Primary Research 反馈）"] T2["Thread B: 公开数据抓取与穷尽<br/>（网络、财报、行研信息归纳）"] T3["Thread C: 交叉校验与挑错<br/>（识别 Inconsistency 逻辑矛盾）"] end

Deliverable["客户方案 Presentation<br/>与高质量投调报告"]

HumanLeader -->|"输入调研反馈与逻辑引导"| MultiAgentSystem T1 --> Deliverable T2 --> Deliverable T3 --> Deliverable ```

- **一人指挥多 Agent 线程**：过去完成一次针对核心投资人的 Client Pitch，需要带两名分析师耗费数天搭建材料；现在合伙人一人即可并行开启多个 Thread（线程），将穷尽网络信息和基础逻辑推理完全下放给 Agent。 - **专业化 Agent 分工**：合伙人负责跑一线（Primary Research）获取独家供给侧一手信息，将其作为 Prompt/Feedback 喂给系统；一个线程负责总结供给侧的一手反馈，一个线程专门负责搜集公开信息，第三个线程专门负责交叉比对两者的不一致性（Inconsistency）并挑错。 - **人机共存的价值跃迁**：团队规模扩张 4 倍，整体服务产能增长却远超 4 倍。Henry 总结道，对于刚进入大学或职场的年轻人，AI 最大的时代红利是帮人剔除了所有杂乱的琐碎体力劳动（Miscellaneous parts），人类的核心竞争力变成了“有智慧问出更好的问题”并进行深度的系统性思考与归因。多利用这一技术赐予的礼物，才是驾驭未来时代的关键。

## Notable quotes > [00:00](https://www.youtube.com/watch?v=F5A__5d8PBY&t=0s) 三代人都赶不上 — 专家

> [05:00](https://www.youtube.com/watch?v=F5A__5d8PBY&t=300s) 原理层面就没有绝对的卡脖子 — Henry

> [05:00](https://www.youtube.com/watch?v=F5A__5d8PBY&t=300s) 数百亿美元的新增市场 — Henry

> [10:00](https://www.youtube.com/watch?v=F5A__5d8PBY&t=600s) 毛利层面都在亏损，净利层面绝对是亏的 — Henry

> [10:00](https://www.youtube.com/watch?v=F5A__5d8PBY&t=600s) 利润是个里子问题，但停产还有个面子问题 — Henry

> [12:35](https://www.youtube.com/watch?v=F5A__5d8PBY&t=755s) 干成血海不赚钱

> [12:35](https://www.youtube.com/watch?v=F5A__5d8PBY&t=755s) 增速的斜率有可能就是 2031 年供需平衡，2029 年闻到一些迹象，可能 2028 年就得跑，2027 年就有人提前抢跑，2026 年年中就开始有人闻味道。 — Henry

> [16:30](https://www.youtube.com/watch?v=F5A__5d8PBY&t=990s) 它解决的是集团军作战的问题 — Henry

> [16:30](https://www.youtube.com/watch?v=F5A__5d8PBY&t=990s) 有智慧问出更好的问题 — Henry

## Mentioned Bill, Henry, 久谦咨询, 华为, 英伟达 (NVIDIA), AMD, 台积电 (TSMC), 长江存储 (YMTC), 长鑫存储 (CXMT), SK 海力士 (SK Hynix), 三星 (Samsung), 美光 (Micron), Marvell, 谷歌 (Google), 亚马逊 (Amazon), SemiAnalysis, Xtacking, HBM, DRAM, 3D NAND, CPO, 世界人工智能大会

## Video description AI时代的竞争，本质是一场关于算力、芯片、能源和产业链的全球竞争。 本期视频，科技投资人Bill@billitup 对话久谦咨询合伙人 Henry，聊聊他在服务全球投资者研究中国科技产业过程中，对中美 AI 竞争的观察。 从华为芯片突破，到光刻机限制；从 GPU 算力战争，到 HBM、DRAM 存储革命；从中国半导体追赶路径，到 AI Agent 如何重塑知识工作。

[Source](https://www.youtube.com/watch?v=F5A__5d8PBY)

中文简报

久谦咨询：智能体爆发重塑算力架构，HBM缺口料持续至2030年 大模型转向智能体推理调度引爆通用主存与定制化HBM需求，不仅将重塑存储厂商的估值逻辑，更因产能虹吸导致下游中低端手机陷入成本倒挂与全线亏损。 对话深入拆解了国产先进制程在多重曝光（SAQP）下虽然实现了晶体管密度，却在“PPAC”（功耗、良率与成本）维度面临巨大代价格局，并指出系统级工程正重新定义“卡脖子”的概念。随着大模型向推理与 Agentic AI 演进，沙盒运行与任务调度引爆了海量 CPU 与 DRAM 需求，使存储芯片从周期大宗商品走向结构性分化，高定制属性的 HBM 更是面临持续供给缺口与二级市场的剧烈抢跑博弈。内存通胀也直接导致中低端手机陷入“卖一台亏一台”的产业困境，与此同时，确定性极高的光通信成为集群作战的关键神经系统。最后，对谈分享了咨询团队通过并行调度多 Agent 线程实现人机共存与产能跃迁的一线实战经验。 国产先进制程通过多重曝光（SAQP）实现了晶体管密度跨越，但面临功耗成倍激增与良率跌破 25% 的极端成本倒挂，商业化仍有赖于未来 2 至 3 年国产光刻机在特定场景的阶段性突破。 (0:00) 大模型推理与 Agentic AI 兴起重构底层算力架构，海量任务调度推动 CPU 与 DRAM 爆发，预计到 2030 年智能体专用 DRAM 与 HBM 将合计占据存储芯片过半的全球需求。 (5:00) AI 算力对先进产能的虹吸引发内存价格暴涨，中低端手机中 DRAM 成本占比从 20% 激增至 60% 以上，厂商陷入卖一台亏一台却因产业链生态与就业绑定无法停产的困局。 (10:00) HBM 具备高度定制化设计与先进封装壁垒，无法像普通 DRAM 产线那样快速切换爬坡，其业务应享受类似台积电的高估值，而非传统大宗存储的周期折价。 (12:35)

Reading summary

久谦咨询合伙人 Henry 认为，中国在先进制程上虽通过多重曝光实现了晶体管密度，但面临功耗与良率成本的严峻商业化权衡；同时，大模型向推理与智能体演进正重构计算架构，推动 HBM 与 DRAM 迎来数百亿美元增量，但也加剧了二级市场的抢跑博弈与下游消费电子的利润挤压。 先进制程突破与商业化PPAC权衡 (0:00) Henry 指出，在小于 14 纳米的先进制程探索中，国内通过四重曝光（SAQP）实现了超越台积电 6 纳米的晶体管密度，解决了基础密度问题，但在“PPAC”（功耗、性能、面积、成本）平衡上面临挑战。四重曝光带来的栅极间距偏差导致功耗成倍激增，且连续曝光令综合良率降至 25% 以下，生产成本高昂，高度依赖补贴支持。对于设备瓶颈，国内正通过自主攻关与多渠道方案并进，预计未来两到三年国产光刻机将在特定场景实现阶段性突破。此外，只要能通过集群与系统工程重构需求并弥补单芯片性能缺陷，原理上并不存在绝对的“卡脖子”。 智能体推理重塑存储与算力架构 (5:00) 随着大模型演进至智能体（Agentic AI）阶段，计算核心不仅是训练端生成 Token，更转向海量任务调度与沙盒运行，带动通用 CPU 与主存（DRAM）需求激增。Henry 推演，单个重度知识工作者调度数十个独立沙盒 Agent 时，背后可能需要两到三台专属服务器支撑。据其预测，到 2030 年，Agentic AI 带来的 DRAM 增量将占总需求的约三分之一，HBM 占 25% 至 30%，云厂商基础 DRAM 占四分之一到三分之一，而传统消费电子份额将被压缩至 25% 至 30% 左右。存储由此从周期性大宗商品，分化出享受类似晶圆代工高估值的定制化模式。 内存通胀压力与国产存储竞争分化 (10:00) AI 芯片争夺先进晶圆与封装产能导致内存价格通胀，对下游消费电子构成严重冲击。在中低端千元机中，DRAM 成本占比已从原先的 20% 激增至 60% 以上，整机厂商在毛利与净利层面均面临亏损，但因产业链绑定、渠道就业和品牌形象考量而难以直接停产。在本土供给端，长江存储与长鑫存储呈现差异化竞争：长江存储凭借自研 Xtacking 技术在 300 层以上 3D NAND 闪存跻身全球第一梯队并引发制裁；长鑫存储作为后发者，在主流 DRAM 与前沿 HBM 领域仍处于追赶阶段。 HBM高壁垒与资本市场二阶导抢跑 (12:35) 与易陷入同质化恶性价格战的普通 DRAM 不同，HBM 是高度定制化的先进制造，依赖与算力芯片的垂直堆叠与先进封装绑定，产线转换需经历 16 至 18 个月的良率认证。原厂资本开支被 HBM 抽取，预计到 2030 年全球高端需求仍有约 25% 缺口。然而，资本市场往往基于“增速二阶导”提前透支预期：即使基本面到 2031 年才达供需平衡，投资机构可能在 2026 至 2028 年便提前抢跑减仓。此外，作为数据中心互联“神经系统”的光通信赛道虽范式确定且现金流确定，但短期交付仍受量产爬坡节奏约束。 对话表明，AI 算力重心正由单纯追求前沿先进制程芯片转向存储与系统级协同工程。尽管 HBM 等核心标的长期产业壁垒稳固，但二级市场对周期拐点的极端提前折价，以及内存涨价对传统消费终端的利润反噬，构成了当前产业链的关键现实矛盾。

Source quotes

[0:00] 专家: 三代人都赶不上 [5:00] Henry: 原理层面就没有绝对的卡脖子 [5:00] Henry: 数百亿美元的新增市场 [10:00] Henry: 毛利层面都在亏损，净利层面绝对是亏的 [10:00] Henry: 利润是个里子问题，但停产还有个面子问题 [12:35] 干成血海不赚钱 [12:35] Henry: 增速的斜率有可能就是 2031 年供需平衡，2029 年闻到一些迹象，可能 2028 年就得跑，2027 年就有人提前抢跑，2026 年年中就开始有人闻味道。 [16:30] Henry: 它解决的是集团军作战的问题 [16:30] Henry: 有智慧问出更好的问题

Original transcript

[0:00] 未来内存会不会再往上涨对于中地段的时候客观来讲没有解决方案利润是个理质问题但你停转还有个面子问题31年是供需平衡的29年我们到一些自想28年就得跑AI给了我们一个很好的时代这让我们有智慧问更好的问题大家好 欢迎来到这个世界人工智能大会我们永现栏目的直播间今天呢有幸请到我的好朋友Henry然后他是九千咨询的合伙人九千咨询呢是全球所有的投资者然后来到中国去做投资竞调会去找的这个最重要的咨询合作伙伴因为你其实是帮全球投资人做很多中国核心资产硬科技的这个竞调嘛我之前听过一个说法三年前当时有一个AI的专家跟我语重心肠的时候看到GPT起来以后有中国的AI从芯片到这个大漠型代人都赶不上了但现在看来就这句话是被打脸了但是呢就是说现在差距是在缩小但好像都是在跟随啊你觉得就是说未来会不会出现就两边打平的这种情况就不管是硬件还是软件层面你现在看到的这种就是追赶是什么样的我们在服务的客户类型上来讲就出现了比较明显的这个分化所以它本身是说明一点问题的我们原来是所有的客户全是全球投资人但是我们现在有相当部分涉及到钱科技技术的第一是说本身就不接受钱投资人的所以有很大一部分经历我们在服务国内的这些地方政府产投或者这些引导基金所以从投资人的角度上来讲可以认为是说大家在布局的方向就出现了差异化就美国人直投美国 中国人直投中国谁让老外还在投中国呢我觉得你能想到的所有的Global Leading P不管是Buyout还是Growth方向的还是在看中国他们在看中国只是不能碰半导体而已其实我也很难说他们不想看半导体是他们不能看半导体但随着半导体衍生的就这些大的beta里面的包括一些AI的infra或者一些Agentic AI的应用肯定都是在他们的射程范围内的好 我分三个问题第一个问题就是说你觉得芯片的差距还有多大你怎么看这件事情它到底是属于卡脖子的一个长期问题还是说是一个有时间表可以解决的一个问题简单来讲差距是肯定在缩小至于半导体的历史始终是有一块领域它受制于光刻机或者受制于EUV机器我觉得在偏成熟的这一部分先进制程因为假设我们定义小于14纳米都是先进制程很快中国就会有很多应用或者很多芯片公司能够设计和生产然后但是可能比如说两纳米三纳米对我们来讲还是有挑战了这件事情就是说对于整个产业的限制大吗还是说我这个6纳米或者是多少我就是相当于将就着也能用呢这是一个很关键的问题就是做出来和具备商业层面的竞争力是两码事就是我们就拿最近的这个Semi-Anaissance拆709030的次件从结论上来讲它的density已经比台资电的6nm都还密了所以我们一定程度上解决了密度的问题就是我们用多重曝光用四重曝光然后再用一些设置和工艺的紧密结合然后实现了密度的感超相当我们解决了至少0到1的问题我们确实有一个在光刻机被限制的情况下有一个晶体玩很密的芯片但它背后的代价就是说因为芯片考虑的其实是4个PACPower Performance Area Cost刚才说解决的问题是哪一个我们解决了是一半的performanceDensity足够密相当于它的performance的底线就在那第二个P就是Power这个就是比较大的问题了因为你要做多重曝光的话Gate Pitch你的一些芯片的勾到的刻时它会有variance就是你要刻好几次这种情况下你就会造成你的功耗的一些不确定性所以在功耗上面来讲的话就是同比例的话可能功耗比别人高一倍都不止就这个对于可能GPU来讲你就多付点电费但其实对于Portable Device来讲是一个很致命的问题就是你会有发烫这些问题那area 基本上是density就是你越密的话area基本能解决最后就cost也有两率 我多重曝光 比如说磕一次70%的两率 磕四次 那就可能一个不到25%都不到两率 cost就看能不能有一些国家层面的subsidy或者消费者层面的subsidation光刻机的话未来是你觉得就是说通过贸易战的解决还是说国际上的这种灰度的解决方案还是说中国未来也会在光刻机的国产化上能够取得这个进展我觉得以中国人做事的方式肯定是一起解决一起解决第一我们肯定也有包括外媒也爆出来说中国有一些比较先进的在研的国产光刻机的program在run但同时美国商务部的人跟ASMI的人在对谈说怀疑中国已经拥有了通过某些晖度的方式拥有了比较先进的光刻机的型号光刻机这个事情你觉得国产就大概什么时候能够到现在的芯片和光刻机 [5:00] 全球主流之间的这个差距呢就这个差距是比芯片之间的差距更大吗最新的进展不掌握可能掌握了也不太能说但我觉得在两三年内应该可以有一些预期有一些国产化的这个应用然后呢这个就是光科技这件事情的话就荷兰人愿意卖给中国吗它是一个大概什么样的一个动态因为这相当于说美国人要管着荷兰人不许卖给中国吗对吧就我觉得阿斯麦的态度是比较难揣测的就是至少从最近的一些动作来看就荷兰整体对中国是没有那么友好的但实实在在的就是这个机子的capacity一年就那么些就是你卖谁都是卖那假设有人愿意出一些premium的话可能也可以买这个事就有点像一记不能证实又不能证伪我们说到卡脖子我在理解就是说到底一件事情什么叫卡脖子比如说1941年之后太平洋战争爆发之后的日本那真的是在能源上被卡了脖子对吧就那个卡脖子直接影响到他的这个战力了那个时候大核号呀什么这个航母开出去到最后油都不够你觉得就是说贸易战打到现在就这件事情有没有卡住中国的脖子还是说其实到最后就你不管是小米加步枪最后并没有影响中国AI下游或者手机呀就是这些事情的发展就相当于说他传不传吧最后也把这个事情给对付过去了对 我觉得这是个很关键的问题就是只有在需求足够同向或者同质化的时候你才能去定义一个卡帛子它的终端结果是可以被一个yes or no 简单回答对 我现在就不知道从这个结果来讲有没有被卡住就是因为你需求不能被清晰的定义是说yes or no所以你就不能定义是到底有没有被卡脖子所以从结果上来讲就是原理层面就是不能卡脖子的是因为我的需求可以被重新给定义你说一个GPU好和坏如果是只能跟NVIDIA相比它才是yes那AMD也是被卡脖子有道理在全球化的供应量分工下面就是原理层面就没有一个卡脖子的事然后这个第二个问题我想问一下存储上中美之间的这个差距因为之前其实说大家投资主要就是投资这个韩国两家美国一家就你怎么看就是说未来存储这件事情对于计算的意义到底是什么?有些人说可能将来存储会变成计算非常重要的一个代仗,市场甚至会跟计算等量齐观。你怎么看存储本身行业的发展?其次就是说在中美或者说中国跟韩美之间的竞争未来会是什么样的?所以就paradigm完全没有被颠覆的可能性我自己觉得可能到30年依然会有25%到30%的overall DRAM需求是用来做HBM推理呢?推理我觉得就是一个更宏大名其了因为推理会导致有非常多的原来被瞧不上的芯片的需求包括CPU然后就因为有CPU就需要大DURAM因为GPU只能图token 但是GPU它没法帮你去做一些任务的调度 评判 你就需要配很多CPU 只要配CPU就需要DRAM 所以这个是一个可能往少说的都是一个大几百亿美金的incrementum 所以我自己感觉在30年Argentic带来的DRAM需求可能就能占到三分之一额外的可能还有1/3到1/4的HBM的需求然后再考虑到CSP什么是CSP? Cloud Service Provider在Server上配的一些基础的DRAM就像我说的Full Argentin DRAM需求和HBM的需求本身还是跳脱在CSP CAPEXGoogle Amazon CAPEX之外的一些新增的事这东西我觉得能占到三分之二然后北美的那些 CAPEX可能还能占到三分之一到四分之一然后剩下的只是比较难的Consumer Electronics短期可能我觉得存在起码40%以上的长期可能这个数字也在25%到30%就最近市场大低了但不管涨还是跌其实存储行业的话一直都是10倍以下的远期的市盈率因为像你刚才说的其实未来很多的量的大头都还是来自于DRAMDRAM更像是一个大宗商品其实因为这件事情所以大家不敢把它买成一个20倍的制造业成长股像台积电一样现在看上去你5到6倍的P或者一个很小的PP倍数你完全没有pricing HBM的customization对这个也是不fair所以你觉得不应该这样应该变成十几倍二十倍我觉得可能就是到时候应该就是some of the parts一部分像水泥一部分像中端产品像中端产品就是HBM就是一个高度定时化的就是它的底下的那个buffer带就是需要针对客户的芯片类型以往像Marvel这样的人去做design service那在这个逻辑里面的话你觉得就是未来全球内存厂商的这个收入和全球芯片厂商的收入今天大概是一个几比几其实我的问题还是想问说内存市场跟GPU CPU市场他们的体量的大小 因为GPU还是更delicated一点 [10:00] 解决一个图Token的问题嘛 但是你为了把Token要用起来 就CPU是个刚学 我很难说绝对量上面大家是怎么平衡 但从incremental的角度上来讲就CPU肯定是一个大家比较容易低估的一个事儿CPU是比较容易低估的 因为历史上大家对CPU的认知 只是说你一台主机里面要有两个CPU 但没有想过说我未来为了一个人调度比如说20个agent 然后每个agent可能需要一个自己的独立的sandbox他可能就得占掉1/8到1/4的cpu所以我一个人可能跑的agent任务就可能需要两到三台单独的agentic的服务器来支持我刚刚那个问题其实更感兴趣的就是说内存在全球的对于计算的支出里面的比例会不会增加然后未来内存会不会再往上涨这个是考虑到small price的inflation现货价格我觉得从绝对用量上来讲只会增加在这个过程中你又提到消费电子,消费电子就是说现在是不是整个内存大战的受害者然后尤其是比如说中国的这些手机上市公司呢我觉得单一最大的受害者就是中低端的手机从天元机的DRAM成本可能去年QE的时候大概占到20%就现在可能占到60%以上尤其考虑到这些中低端Android厂商Aggregate奈马尔镇可能就小此个点所以现在就是卖一台亏一台卖一台亏一台是毛利层面的亏我觉得净利层面绝对是亏的这几家手机厂商都挺惨的他们解决方案是什么的我觉得对中低端手机来讲客观来讲没有解决方案没有解决方案的意思是说我今天就应该从经济上来讲就应该停产我觉得从一个理性的角度上来讲假设你的cash cost或者你的variable cost都已经不太能够打正了或者毛利层面你已经开始卖一台亏一台了你可能是不是就应该停产我觉得对上市公司来讲可能会更难一些利润是个里子问题但你停产还有个面子问题对 以及还有一个设计名声的问题就是上下游这么多原材料厂商 组装厂商 销售渠道 我们自己觉得可能这个事直接影响个零点几个点的GDP都是有可能的是的 影响就业了 对吧 对中国内存就长新他们起来以后 你怎么看这里面的一个坠感问题依旧说中国的内存长新长江在高端的内存上未来什么时候能够赶上来因为我们知道他在DRAM上其实已经做得不错了 第二个问题是说赶上来固然是好事但最后对于全世界的这些投资者来讲会不会就直接把整个牌桌最后学习成电车市场呢这也是一个很有意思的问题长青和长青他们客观的状态是不一样的长存是历史上实实在在威胁到了美光的利益被美国打压了长相存储 对 它是做NAND的然后它的X-Stacking就是能做300多层的堆叠然后所以它的NAND就是一个某一个时间点就是全球最领先NAND是用在什么长期 固态硬盘 主要是用在服务器然后长新是一个相当于是Ladder Entrance然后他做的东西现在还持续处在一个追赶的状态包括HBM 包括它的DRAM都是属于一个追赶的状态从当年造原子弹到现在有6纳米的支撑技术我感觉就是说只要是中国人想去拼的事情没有什么会被卡脖子所以我理解就是说大概率上来讲将来长江跟长新都能够变成主流上牌桌的下一个问题就是说他们会不会直接把牌桌从大家一起赚很多钱最后直接变成电车不赚钱或者光复行业呢对我怕的就是DRAM因为DRAM其实就是钢筋水泥因为它完全对待于DRAM如果大家一起去干HBM其实还好HBM就是一个highly customized第一个HBM的生产工艺就决定了它ramp up是很慢的今天我们讨论三大家的美光海力士三星的增量的产能绝大部分都是在HBM因为HBM就是一个良率缓慢爬坡需要long-term agreement来保证需求的情况下大家才愿意建产能去供你DRAM的厂大家的sense就说我今天建的anyway就不是5年以后关就是7年以后关可以吗还是说没有那么容易有这个可能性但是HBM就是把一个个DRAM堆上来堆8层12层对16层是就是这个堆的过程和堆的工艺的爬坡和两绿的改善是非常不容易不是说这个DRAM到头了咱们明天就DRAM直接对对对所以就是哪怕这个DRAM今天突然转型要左一圈这个工厂可能还有一个16个月到18个月的爬坡周期才能去生产Qualify的HBMDRAM占内存的份额大吗?如果大的话将来就是被干成血海的可能性因为这会影响这个估值逻辑吗?就以容量单位来计算就前面咱们说的可能三分之二是这个普通的DRM三分之一是HB哦那看来长期持有内存好像有点显呢就是你如果考虑DRAM的特性它肯定是一个不值得为长期持有的但是我是想说就是它跟历史上相比它以前也是个不值得为长期持有的对 然后但现在它有三分之一的HBM是 我是认为这三分之一HBM的产品和定制化的属性需要 [15:00] 而且这个事儿看起来就是global的玩家还是非常强的最后net会不会是零的 就相当于说HBM三分之一的市场是TaylorMate的制造业 对吧但三分之二最后是水泥行业然后到比如说某一年的话 你可能在2/3的这个生意上亏的钱 跟你在HBM上赚的钱是差不多的所以到最后大家会发现我没有办法长期持有一个股票关键我觉得这里面有两个 第一是说看谁HBM的占地更多对 这个很重要的对 很明显海力士是一个更pure的HBM配合 对吧然后第二个是说哪怕到30年可能还是有25%的需求得不到满足你如果定义长期持有是一个4到5年的维度的话 可能看到30年就是整个市场的供需关系还是稳定的只是说资本市场怎么看这种供需关系现在大家已经看的是增速的二阶岛了增速的写率有可能就是31年是供需平衡29年闻到一些迹象可能28年就得跑27年就有人提前抢跑26年年中就开始有人闻味道对对对 是的我觉得资本市场和基本面我觉得现在的detach有点太厉害了但我觉得对于内存的信心对于海力士这样M为主导的这样公司的信心我觉得基本面是完全没有被动摇的技巧这两天的市场或者最近这个市场其实波动性非常的大波动到大家都会觉得是不是熊市要来了你怎么看现在波动就这种风吹草动是怎么造成的怎么会每天都极限的拉扯呢核心是因为它太名牌了单一最确定不会改变的范式且有很强的商业化支撑而技术范式有很多种能不能商业化兑现有很多种能不能实实在在的贡献出cashflow又是一种所以同时能满足这三种的archetype是非常少的现在很多原来从来都不炒股的人都会说你一定要站在光里对吧光这件事情跟我们刚才讨论的芯片和内存之间它的体量有多大你怎么看整个光通性这个赶快我觉得它肯定是一个非常重要的infrastructure你怎么用一两句话去介绍就是什么叫做光通行它在整个域里到底干嘛的解决算力中心内部服务器之间芯片之间的互相通讯的问题就让1000块芯片100块芯片能够一起工作然后甚至能让两到三个数据中心之间能一起工作它其实解决集团军作战的问题它一定是个刚需但就像我说的它和存储不太一样的点就是说虽然它的范式很确定但是它在进入量产爬坡或者在放量的阶段还有很多制造和供应链的问题需要被克服它有非常强的订单预期但还没有实实在再转化成现金领所以它的交付它的供给侧其实还比内存稍微早一点最后就是回到使用AI这件事情因为其实你是属于一个很典型的白领工作者的团队的一个leader 在过去几年的话你裁员多吗然后呢就是AI就是给你的这个工作效能到底带来了什么我觉得我更偏向体力工作者我是一个工头然后但你现在的工头你指挥的是agent还是这个年轻的分析师呢因为我非常多client pitch的工作正常的client pitch我可能要去卖你的咨询服务对我需要engage两个分析师来帮我一起准备一些材料对然后现在我一个人同时可以准备好多个所有的很多就穷尽资源或者是基于穷尽资源上面进行一些特定logic reasoning的工作我都可以交给我的agent了然后以及我可能只需要做一些primary research然后我再把我的primary research作为某种feedback给我的一个thread然后那个thread的就是有个thread的专门帮我负责总结supply side的primary feedback有一个thread的专门负责帮我thread是什么就某一个县程了ok然后专门帮我来总结公开的这些信息然后有一个Thread的专门负责帮我挑错把两个地方并在一起看哪里有inconsistency这样的话我只是要负责问更好的问题所以从规模的角度上来讲从疫情之间我们在搭这个团队到现在为止只是一个四倍的这个团队规模增长对你扩张了团队大规模的扩张团队逆时大规模扩张原因是你的业务也越来越好了你的产能不止四倍对 我觉得AI让大家变得更强了然后在这个过程中就是你长了四倍的分析师团队但你的产能可能就更多了对吧对 明显在扩张OK 非常有意思对于就是说今天可能刚刚进入大学或者进入社会的年轻人你会对他们有什么建议呢我觉得AI给了我们一个很好的时代就是让我们有智慧问更好的问题它可以把所有的这个Masallaneous的部分都帮你干掉只会一直去做思考和reason这是一个gift最好多利用这些gift优优独播剧场——YoYo Television Series Exclusive