三星海力士存储芯片产能售罄 AI推理需求引爆40年最严重缺货

三星海力士存储芯片产能售罄 AI推理需求引爆40年最严重缺货 AI长上下文与智能体推理对内存的指数级饥渴正将存储行业由传统周期股重塑为结构性成长股，其产能排挤效应正在严重窒息传统手机与汽车供应链 随着AI大模型迈向推理阶段，多模态与超长上下文对数据的需求呈指数级爆发，引发了全球存储芯片四十年来最严重的供需失衡。高带宽内存（HBM）的疯狂扩产不仅未能缓解短缺，反而因极低的产出效率对传统DRAM产生恐怖的“产能排挤效应”，导致从低端到高端的存储产品价格全线告急、产能售罄。尽管三大原厂因斩获暴利而迎来盛宴，下游的手机、PC及汽车硬件OEM厂商却正承受着存储成本转嫁的巨大痛苦与减配压力。在洁净室紧缺、设备商保守、制程摩擦等供给端三座大山的压制下，这场短缺预计将一路硬挺到2027年，促使行业在经典“周期股”与“AI成长股”的历史分岔口上面临范式转换。 日本高端卫浴企业TOTO凭借制造晶圆固定用的高纯度陶瓷静电吸盘，订单已排至2027年并贡献了超四成营业利润，折射出全球存储芯片正面临四十年一遇的供需失衡与狂热扩张。 (0:00) “比黄金还贵”的HBM芯片推动三星与SK海力士单季营业利润逼近40万亿韩元，伴随DDR4暴涨1800%及全线存储告急，闪迪等原厂破天荒推行具法律约束力且需付预付款的长期供货协议。 (1:46) 随着AI由训练走向推理与智能体阶段，超长上下文处理引发“内存帕金森定律”；摩根士丹利测算显示，仅运行三个ChatGPT规模的纯文本模型，就将吃掉2026年全球17%的HBM、35%的DRAM和92%的NAND总供给。 (14:48) HBM生产极度消耗晶圆，每生产1GB HBM便需牺牲3至4GB普通DRAM产能，加之洁净室紧缺、上游设备商态度保守与先进制程迁移摩擦，供给端短期内难以释放有效产能，陷入“越扩产越短缺”的悖论。 (20:36) 存储失控暴涨导致利润剧烈分化，云巨头不计成本扫货，而消费电子与车企面临毛利骤降与砍单减配；与此同时，谷歌压缩算法论文引发的板块震荡，也暴露出市场在极端估值下的脆弱心理。 (27:02)

受生成式AI从训练转向推理的驱动，全球存储芯片行业迎来被调研机构SemiAnalysis称为“四十年一遇”的极度供需失衡，不仅重塑了整条硬件产业链的利润格局，也引发了该行业是否能从“周期股”跃迁为“成长股”的博弈与分歧。 异军突起的高纯陶瓷与全面涨价潮 (0:00) 日本卫浴企业TOTO因掌握芯片制造中用于固定晶圆的高纯度陶瓷静电吸盘业务，订单排至2027年，该业务已贡献其超过四成的营业利润，侧面反映了上游晶圆制造耗材的紧缺。与此同时，存储芯片核心环节出现全线暴涨：2024年底至2025年12月，16GB DDR5均价从4.6美元飙升至28美元（涨幅500%），DDR4均价从3.2美元狂飙至62美元以上（涨幅1800%）；64GB服务器内存模组半年内由255美元涨至700美元；三星亦在2026年第一季度将NAND闪存报价上调100%。 创纪录的高价推高了原厂利润，三星电子与SK海力士在2025年第四季度的合计营业利润达约40万亿韩元（约278亿美元）。指甲盖大小的高带宽内存（HBM）单块售价达400至500美元，SK海力士独占约6成份额，三星与美光各占约2成。下游客户以往在下行期缺乏约束力的长期供货协议（LTA），现已被要求签署具绝对法律效力且附带不可退预付款的新规则，显示原厂议价权处于历史高位。 AI推理架构扩张与产能排挤效应 (14:48) AI推理任务对长上下文和低幻觉的需求，正将硬件压力从纯算力转移至存储体系。摩根士丹利测算显示，运行三个类似ChatGPT规模（8亿周活、峰值每秒30万请求、单次输入2000 token）的纯文本模型，将吃掉2026年全球HBM供给的17%、DRAM的35%以及NAND的92%；若上下文扩展至5000 token，单模型对DRAM的需求将再增2EB。 面对算力端的狂热预定，原厂虽大幅调高HBM产能（三大厂HBM晶圆产能从2023年底的每月12.3万片扩至2025年底的33.1万片），却引发了强烈的“产能排挤效应”。由于HBM3E工艺复杂、良率损耗大，其晶圆位元产出仅为普通DRAM的三分之一，到HBM4甚至可能降至四分之一。这意味着原厂每增产1GB HBM就要少产3至4GB普通DRAM，导致传统DRAM供给增速被压在20%以下，最终出现普通DRAM在2025年第四季度利润率一度反超被长期合约锁价的HBM的现象。 三大物理瓶颈制约短期产能释放 (23:33) 即便价格暴涨，供给端也难以在短期内扩大产出，主要受制于三方面阻碍：一是洁净室与电力短缺，因2022至2023年行业低谷期的削减投资，2026年新增晶圆产能几乎仅局限于三星P4、SK海力士M15X和美光A3三座工厂，大规模新厂需至2027年甚至更晚投产；二是设备商态度极其保守，日本东京电子等设备巨头因担忧重演过去扩产后周期破裂的惨剧，拒绝盲目扩建产线；三是先进节点迁移摩擦，三大厂在向1b和1c尖端制程切换时需停机调试数周至数月，短期内造成良率波动与产能折损。 下游产业链利润重构与成本分化 (27:02) 存储器件失控的涨价潮对电子产业链各环节造成了严重分化。微软、谷歌、亚马逊等云计算巨头因软件边际成本趋零且叙事挂钩估值，对高价内存表现出极低敏感度；原厂甚至指出AI数据中心的利润空间足以抵消传统消费电子萎缩的冲击。 硬件OEM与汽车厂商则承受巨大毛利侵蚀。行业测算表明存储芯片每涨10%，OEM毛利率便下降45至150个基点。TrendForce据此将2026年全球智能手机生产量预测下调至同比下滑10%，魅族取消了魅族22Air的上市，联想部分PC机型提价500至1500元；汽车领域亦面临车规存储满足率不足50%的风险，蔚来与理想均公开表示内存成本承压，部分车型甚至被迫减配后排娱乐系统。 估值体系争议与算法迭代潜在风险 (30:32) 华尔街投资人Rob Li等观点认为，若AI推动存储从3至4年大涨大跌的周期股转变为具备稳定高增长的成长股，其市盈率有望摆脱以往约10倍的估值中枢。野村证券预测2026财年通用DRAM原厂利润率将回升至70%，J.P.Morgan更预计2027年营业利润率将突破80%。 然而极高的估值也让市场信心变得极度敏感。2026年3月底，谷歌发布TurboQuant内存压缩算法声称可压缩KV Cache，尽管技术界迅速指出该论文仅在小模型验证且属旧成果，仍直接诱发了存储板块全线暴跌。市场对算法优化的恐慌暴露了估值的高脆弱性；投资人警示，当前存储行业的所有增量几乎押注在AI上，若下游实际商业价值无法兑现或AI应用遇阻，资本开支激进扩张与高估值将面临严重的踩踏风险。 当前三大存储巨头产能已售罄至2026年以后，产业虽在合同与议价权上占据绝对优势，但整个行业的繁荣度高度绑定于AI基础设施的持续投入；算法优化与实际应用价值的兑现进度，将决定这轮繁荣是历史周期的又一次顶峰，还是真正完成向成长型行业的范式重塑。

[1:46] 这比同等重量的黄金还贵 [1:46] Rob Li: DRAM的现货价格已经是超过了2016到2018年云（Cloud）那个时候最高的现货价格了。 [1:46] 如果你提前预付了款，最后你要走人……你的预付款是拿不回来的 [14:48] AI的下一波进步，不是来自更强的推理能力，而是来自于更好的上下文处理。一个能够记住一切的AI助手，比一个更强大但是什么都记不住的模型有用得多。 [20:36] 厂商每多生产1个GB的HBM，市场就要失去生产3到4GB普通DRAM的机会 [23:33] 等我们自己扩产能出来，说不定那个时候AI这个周期就爆掉了 [27:02] 克拉克: 从来没有见过成本上涨得如此之快。

[0:00] 什么 AI救活了一家马桶公司 [0:03] TOTO这家日本高端智能马桶企业 [0:05] 因为AI在过去几个月股价飙升 [0:08] 这并不是因为马桶卖得更好了 [0:10] 而是因为TOTO有一个隐藏业务 [0:12] 就是高纯度陶瓷静电吸盘 [0:15] 那这是个啥呢 [0:17] 这个东西 [0:17] 是芯片制造时固定晶圆用的关键耗材 [0:21] TOTO把精度做到了头发丝的1/80 [0:24] 纯度业界第一 [0:25] 恰逢存储芯片需求爆发 [0:28] 上游厂商疯狂扩产 [0:30] 这一业务就成为了绝对的刚需 [0:32] 这使得高盛等投行 [0:34] 纷纷上调TOTO的股价评级 [0:36] 原因很简单 [0:37] 静电吸盘的订单已经排到了2027年 [0:40] 现在这块业务 [0:41] 占了TOTO超过四成的营业利润 [0:44] 就这样 一家马桶公司成为了AI概念股 [0:47] 你就知道目前的AI存储赛道有多火爆了 [0:50] 内存股年初全线大幅上涨 [0:53] 移动设备、个人电脑、数据中心和服务器 [0:55] 还有汽车 [0:56] 目前整个存储行业极度短缺 [1:00] 三星（Samsung）、SK海力士（SK Hynix） [1:02] 美光（Micron）、闪迪（SanDisk） [1:03] 这些存储行业的重要玩家股价疯涨的背后 [1:07] 是全球存储芯片正在经历的 [1:09] 四十年来最严重的供需失衡 [1:12] 哈喽 大家好 [1:13] 欢迎收看《硅谷101》 我是陈茜 [1:15] 我们这期视频就带大家来好好梳理一下 [1:19] 这轮存储的“超级周期” [1:21] 我们与三星业内人士和华尔街投资人 [1:23] 深度盘点一下 [1:25] 为什么这一次的周期和以前不一样 [1:27] 存储在AI产业又为什么如此重要 [1:30] 谷歌等AI巨头 [1:32] 正在如何破除对存储的依赖 [1:34] 以及这样的短缺周期还会持续多久 [1:37] 又如何影响你我呢 [1:48] 在我们马上说到 [1:49] AI相关的存储行业是什么 [1:51] 都有什么重要的玩家之前 [1:53] 我想很快地给大家描绘一下 [1:55] 现在的市场有多紧俏、多夸张 [1:58] 2026年1月底 [1:59] 韩国存储双雄三星电子和SK海力士 [2:02] 同时公布了上一年第四季度的财报 [2:05] 数字有多夸张 [2:07] 这两家公司合计营业利润 [2:09] 接近了40万亿韩元 [2:11] 折合大约278亿美元 [2:13] 相当于每天净赚3亿美元 [2:15] 在这样创下历史的利润下 [2:17] SK海力士的年终奖 [2:19] 人均达到了64万元人民币 [2:21] 刷新公司历史记录 [2:23] 而把这一切推上巅峰的核心产品 [2:26] 就是HBM 也就是高带宽内存芯片 [2:30] 一块指甲盖大小的HBM [2:32] 售价400-500美元 [2:34] 这比同等重量的黄金还贵 [2:36] 而全球能做这个产品的就三家 [2:39] SK海力士占大约6成 [2:41] 剩下的是三星和美光 各2成 [2:44] 但是HBM只是冰山一角 [2:46] 真正让整个行业慌了的 [2:48] 是从高端到低端 [2:49] 从DRAM到NAND 全线告急 [2:52] 从2024年年底到2025年12月 [2:55] 16GB的DDR5的现货均价 [2:58] 从4.6美元涨到了28美元 [3:01] 涨了500%之多 [3:02] 更老的DDR4 [3:03] 从3.2美元飙升到了62美元以上 [3:07] 累计涨幅高达1800% [3:09] 数据中心用的64GB服务器内存模组 [3:12] 去年半年之内从255美元涨到了700美元 [3:16] 涨了将近175% [3:18] 而SK海力士 [3:19] 2026年的产能已经全部卖光了 [3:22] 三星2026年第一季度 [3:24] 直接把NAND闪存的供应价格 [3:26] 上调了100% 直接翻倍 [3:28] 我们现在看到 [3:29] DRAM的spot price（现货价格） [3:31] 已经是超过了2016-2018年 [3:34] cloud（云）那个时候最高的 [3:36] spot price（现货价格）了 [3:37] 然后我们现在的 [3:38] shortage（短缺）的情况是 [3:39] 2026年已经全部sold out（卖光） [3:41] 2027年大概率 [3:42] 也差不多sold out（卖光） [3:43] 像SSD（固态硬盘）那边 [3:45] 给一个非常核心的 [3:47] GPU provider（GPU厂商） [3:48] 它的价格就是一周内乘以2 [3:51] 是这么夸张的一个报价 [3:53] 与此同时 出现了一个更有标志性的信号 [3:56] 闪迪（SanDisk）在2026年初的CES上 [3:59] 告诉华尔街 [4:00] 它正在跟客户签一种全新的长期供应协议 [4:04] LTA（Long Term Agreement，长期供货协议） [4:07] 而且这次客户要打预付款 毁约不退钱 [4:10] 这在存储行业几十年的历史上从未发生过 [4:14] Long-Term Agreement（长期供应协议） [4:15] 在历史上没有有过 [4:17] 但那个时候历史上过去这么几十年的 [4:20] LTA（长期供应协议）是从来没有任何执行效力的 [4:24] 如果市场进入一个下行周期的时候 [4:26] 客户就说这东西我们就不认了 [4:28] 如果客户不认的话 [4:30] 你拿他完全没有办法 [4:31] 而这一次 画风变了 [4:33] 强势的存储供应方制定了新规则 [4:36] SanDisk（闪迪）告诉华尔街或告诉市场说 [4:38] 我们现在跟客户签署的LTA（长期供应协议） [4:40] 和过去有很大不同 [4:41] 这东西有法律效力 [4:43] 而且客户要给我们提前预付款 [4:45] 如果你提前预付了款 最后你要走人 [4:49] 你说不按这个价格付 [4:50] 你的预付款是拿不回来的 [4:52] Rob的判断是 [4:53] 如果连闪迪都能够做到这一点 [4:55] 那么另外三大巨头 [4:57] SK海力士、三星和美光没有理由做不到 [5:00] 在这样的情况下 整个超级周期 [5:03] 就很有可能会持续到2027年 [5:05] 好 现在我们知道了 [5:07] 存储行业处在一个多么紧俏的时刻 [5:10] 接下来我们从技术角度稍微来讲讲 [5:13] HBM、DRAM、NAND这些基本概念 [5:16] 如果你已经对这些技术很了解了 [5:18] 可以直接跳转到这个时间点 [5:20] 去听听我们分析这个超级周期 [5:28] 对于存储行业来说 [5:30] 我们可以用热和冷来做划分 [5:32] 当它离计算的关系越近 就越热 [5:35] 越偏向纯粹的储存属性 就越冷 [5:38] 所以最“热”的就是DRAM [5:40] 也就是动态随机存取存储器 [5:43] 是离计算最近的存储 [5:45] 你可以把它理解为 [5:46] 电脑和手机的“运行内存” [5:48] 芯片在工作的时候 [5:49] 数据必须先加载到DRAM里面才能被处理 [5:53] 它的特点是速度极快 [5:55] 但是断电就会丢数据 [5:57] 属于“短期记忆” [5:58] 其中HBM（高带宽内存） [6:00] 是DRAM的一种特殊进化形态 [6:02] 它把多层DRAM芯片 [6:04] 通过硅通孔（TSV）技术垂直堆叠在一起 [6:07] 再用先进封装和GPU贴在同一块基板上 [6:10] 这样做的好处是极大增加了带宽 [6:13] 这就是为什么 [6:14] 所有用于AI训练的顶级芯片 [6:16] 无论是英伟达的GPU还是Google的TPU [6:19] 都离不开HBM [6:21] 它是这轮超级周期里面 [6:23] 最耀眼、最紧缺的产品 [6:25] 当然DRAM家族内部其实品类很丰富 [6:28] 包括GDDR（显卡用） [6:30] Low-Power DDR 也被称为LPDDR等等 [6:32] 不同的应用场景应对着不同的产品 [6:35] 不是说一颗DRAM芯片 [6:37] 就能够通吃所有的设备 [6:39] 给英伟达GPU用的HBM [6:41] 和你手机里面的LPDDR虽然都是DRAM [6:44] 但是制造工艺、封装方式、性能指标 [6:47] 完全不同 [6:48] 而在“冷”的这一端就是NAND [6:50] 如果DRAM是短期记忆 [6:52] 那么NAND Flash就是长期记忆 [6:54] 它断电不丢数据 [6:56] 是我们日常用的 [6:57] 固态硬盘（SSD）、手机存储、U盘的核心 [6:59] 你在手机里面存的照片 [7:01] 电脑里面装的游戏 [7:03] 都躺在NAND上 [7:04] NAND在AI时代的角色也在快速地升级 [7:07] 以前它就是单纯的“仓库” [7:10] 负责把数据长期存好 [7:12] 现在NAND正在从后台的仓库 [7:15] 变成前线的弹药库 [7:17] 再往“更冷”走就是传统的机械硬盘HDD [7:20] 靠磁盘旋转来读写数据 [7:23] 速度慢但是便宜 容量大 [7:25] 现在主要是用在数据中心的 [7:27] 冷存储和归档场景 [7:29] 随着AI推理 [7:30] 对存储层级的需求越来越精细 [7:32] 现在越来越像一个分层仓储系统 [7:35] 最急着用的数据放在HBM 像摆在手边 [7:38] 常用但没那么急的数据放在DRAM [7:41] 像放在办公室抽屉 [7:43] 更冷一些 [7:44] 只是备用的数据放在NAND或者SSD [7:47] 就像放在办公室的储物柜 [7:49] 而真正长期积累 [7:50] 需要多人共享调用的大量资料 [7:53] 则放在后端的大型共享存储里 [7:56] 像公司的总档案馆 [7:57] AI起来对谁最有利 [7:59] 那肯定是对热的东西更有利 [8:01] 对于储存是不是需要 也需要 [8:04] 我用AI做了很多图片 制作了很多视频 [8:07] 根据各国各地的法规 [8:09] 这东西不能删 要留着 [8:12] 对储存的需求增量肯定是很大的作用 [8:16] 但它的第一步最直接的体现 [8:19] 一定是在跟计算相关的方面 [8:21] 谁跟计算的关系越近 [8:23] 谁在短期来说的话 [8:25] 收益肯定是最明显 [8:27] 那么在整个存储Memory产业上都有谁 [8:30] 我们用以下的这段动画 [8:32] 直观地给大家梳理一下 [8:34] 最上游是材料和硅片 [8:36] 比如日本的SUMCO [8:37] 它是全球最重要的半导体硅片供应商之一 [8:41] 制造环节当中 [8:42] 关键设备厂商就包括了 [8:44] ASML这样的光刻机龙头 [8:46] 以及Tokyo Electron [8:47] 这类覆盖涂胶显影、沉积、刻蚀和清洗等 [8:51] 多个环节的设备公司 [8:53] 与此同时 在制造之前的芯片设计层 [8:56] Cadence和Synopsys这类EDA [8:58] 验证和设计IP公司同样不可或缺 [9:01] 而像Rambus这样的接口IP厂商 [9:04] 则是在HBM等高速内存架构里面 [9:07] 扮演着关键的角色 [9:08] 它们看起来不如GPU那样显眼 [9:10] 但是在这轮AI驱动的超级周期里面 [9:13] 都是超级刚需 [9:15] 中游就是存储芯片的设计和制造了 [9:18] 在DRAM领域 [9:19] 三星、SK海力士、美光 [9:21] 这三家公司加在一起 [9:22] 就占据了全球95%的市场份额 [9:25] 而在NAND领域 除了这三家之外 [9:27] 还有铠侠（Kioxia）、西部数据、闪迪 [9:30] 然后就是在这轮周期里面 [9:32] 变得格外关键的环节 [9:34] 先进封装 [9:35] 因为HBM不是单纯地 [9:36] 把DRAM造出来就结束了 [9:38] 它要先把多层的DRAM裸片堆叠 [9:41] 然后通过2.5D封装 [9:43] 与GPU或者其他AI加速器集成在一起 [9:46] 也正因为如此 [9:47] CoWoS这种半导体封装技术 [9:49] 一度成为AI芯片供应链 [9:51] 最关键的瓶颈之一 [9:53] 直接限制了HBM的实际出货 [9:55] 而CoWoS产能主要由台积电提供 [9:58] 下游就是各种终端应用了 [10:00] 包括数据中心和云厂商 [10:02] 微软、谷歌、亚马逊、字节跳动等等 [10:05] 都是现在最大的金主 [10:06] 之后就是手机厂 [10:08] 苹果、三星、小米、OPPO [10:10] 还有PC厂（联想、戴尔、惠普） [10:13] 汽车厂（特斯拉、理想、蔚来） [10:15] 以及游戏主机、工业设备等等 [10:17] 所以你能看到 虽然整条链非常长 [10:21] 但是真正的定价权 [10:22] 高度集中在中游的那三家 [10:25] 三星、SK海力士和美光 [10:27] 它们决定了做什么产品、给谁供货 [10:30] 以及什么价格卖 [10:31] 而在当下这个供给远小于需求的市场里 [10:34] 它们拥有的议价权是前所未有的 [10:38] 好 我们说完了存储的产业链 [10:40] 其实这是一个非常有趣的行业 [10:43] 这个行业还有一个非常大的特点 [10:45] 就是周期性 [10:52] 从历史来看 [10:53] 它总是在“大涨”和“大崩”之间 [10:55] 反复地横跳 [10:57] 这背后有两层原因 [10:59] 第一层是物理学 [11:00] 第二层是经济学 [11:02] 我们先来说一下物理学 [11:04] DRAM就是你手机电脑里面的 [11:06] 那个运行内存 [11:08] 靠存储电荷来保存数据 [11:10] 几十年来 [11:11] 工程师一直把存储单位做小、做多 [11:13] 来提高密度 [11:14] 巅峰时期 DRAM密度每十年能够翻100倍 [11:18] 但是如今不行了 [11:19] SemiAnalysis的报告指出 [11:21] 过去十年 [11:22] DRAM的密度总共才翻了大约2倍 [11:25] 而以前是每十年100倍 [11:27] 缩放已经严重的放缓了 [11:30] 这意味着存储芯片的成本下降 [11:32] 不再像以前那样 [11:33] 靠技术进步就能“自动”实现 [11:35] 而是更多取决于产能的增减和供需的博弈 [11:39] 再来说说经济学 [11:41] 存储芯片制造 [11:42] 是全球资本密度最高的产业之一 [11:45] 建一座先进的晶圆厂 [11:46] 动辄几十亿上百亿美元 [11:49] 建设周期两三年 [11:50] 这些钱投进去就是沉没成本 [11:52] 所以即便需求不好 [11:54] 厂商也倾向于继续生产 [11:56] 因为不开工反而更亏 [11:58] 而更要命的是 [11:59] 存储行业的模式是“先建后卖” [12:02] 这跟台积电先接单后扩产的逻辑 [12:06] 是完全不同的 [12:07] 存储厂商得自己猜未来需求有多大 [12:10] 然后提前两三年布产能 [12:12] 猜对了就皆大欢喜 [12:14] 而猜错了就是灾难了 [12:16] 这种结构性矛盾就造就了 [12:18] 存储行业反复上演的经典循环 [12:21] 需求爆发导致供不应求 [12:23] 导致价格飙涨 导致利润暴增 [12:26] 导致激进扩张 导致供过于求 [12:29] 再导致价格崩盘 最后行业大洗牌 [12:33] 过去三十年 [12:34] 这个循环平均每3-4年就会上演一次 [12:37] 从未例外 [12:39] 结果就是全球DRAM供应商 [12:41] 从1990年代的20多家淘汰 [12:43] 到今天只剩下三家巨头 [12:45] 和中国长鑫这样的追赶者 [12:47] 每一轮都有人被淘汰出局 [12:49] 比如说德国奇梦达破产 [12:51] 日本尔必达退出 [12:53] 这些血淋淋的教训 [12:54] 让整个行业对“周期”二字是充满了敬畏 [12:58] 在存储行业过去几十年的历史上 [13:01] 曾经出现过四次的大周期 [13:03] 第一次是1993年 Windows PC黎明期 [13:07] 图形界面普及让内存需求暴增 [13:09] 供给端产能严重不足 价格飙涨 [13:12] 结果全球一口气新建了大约50座新厂 [13:16] 产能过剩之后价格暴跌 大批玩家出局 [13:19] 第二次是2010年 智能手机加云计算时代 [13:23] iPhone和Android带来爆发式增长 [13:25] 服务器DRAM从个位数GB跳到数十GB [13:29] 但是标准化加速了商品化 [13:31] 供应商很难做出差异 [13:33] 结果这轮周期比预期更短 [13:36] 第三次是2017年到2018年 [13:38] 云厂商升级数据中心 [13:40] 单台服务器塞进了更多的DRAM [13:42] 而服务器内存又比消费级更贵更赚钱 [13:46] 三大厂商毛利率冲到历史高位 [13:48] 但高利润刺激扩产 需求一过峰值 [13:52] 2018年末行业又重新滑入下行 [13:55] 第四次是2020年到2021年 [13:57] 疫情驱动的意外繁荣 [13:59] 居家办公、云用量暴增 [14:01] 但是恐慌性双重下单制造了虚假需求 [14:04] 退潮之后库存严重积压 [14:06] 接着就是2022年到2023年的痛苦大跌 [14:10] 从那时起 产能就被大幅削减 [14:12] 但正是这段保守期 [14:14] 为现在的短缺埋下了伏笔 [14:17] 进入2025年全行业产能再次地严重不足 [14:20] 所以历史给我们的核心教训是什么 [14:23] 是过去的所谓超级周期 [14:25] 从来都没有持续超过两年 [14:28] 都是高利润到疯狂扩产 [14:30] 到过剩 再到崩盘 [14:32] 这是过去四十年的铁律 [14:34] 经历了这么多轮的循环 [14:36] 投资者和从业者 [14:37] 都有一种根深蒂固的条件反射 [14:39] 就是涨得越猛 崩得越快 [14:41] 但是这一次越来越多的证据在暗示 [14:44] 历史模式可能要被打破了 [14:52] 在讲复杂的供需模型之前 [14:54] 我们先建立一个最简单的逻辑 [14:57] 你每天打开ChatGPT或者Gemini [14:59] 上传文件、存对话、让AI记住你的偏好 [15:03] 你可能自己没有意识到 [15:05] 每一次交互都在消耗存储资源 [15:07] 不仅仅是服务器端的计算 [15:10] 更是海量的内存和闪存 [15:12] 现在大部分AI用户是没有忠诚度的 [15:15] 谁的模型好用、谁便宜就用谁 [15:18] 但是想象一下 [15:19] 如果有一天你的AI助手真的“懂你”了 [15:22] 记得你的工作习惯、表达偏好 [15:24] 三个月前讨论过的项目细节 [15:26] 你还会轻易地换平台吗 [15:28] 这种“记忆粘性” [15:30] 是大模型公司构建护城河的核心武器 [15:33] 而支撑这种粘性的硬件基础设施就是存储 [15:37] 海量的、多层级的存储 [15:39] 还有另一个同样直觉的逻辑 [15:42] 视频模型越来越强了 [15:44] AI生成视频正在逼近实用化 [15:46] 而视频数据量是文本的几十倍甚至上百倍 [15:50] 这对存储的需求会是指数级的跃升 [15:53] 内存就像一块小黑板 [15:55] 以前我说我们的计算是1+1=2 [15:57] 你不需要一块巨大的黑板 [15:58] 就一块正常的黑板就够了 [16:01] 只是说来到了AI时代 [16:02] 现在计算的强度会很高 [16:04] 你现在计算也很复杂 有很多很多步 [16:07] 如果我是一块小黑板 [16:08] 你每写一次 擦掉一次 [16:10] 好 你又写 又再擦掉一次 [16:12] 就有100步的计算的话 你需要擦100次 [16:15] 就会耗费你的时间 [16:16] 所以我们现在需要上一块巨大无比的黑板 [16:18] 我可以一口气 [16:19] 把这个算数的100个步数全部写完 [16:21] 一口气写完再擦掉 [16:23] 这样可以省我的时间 [16:24] 所以一块越来越大的黑板 [16:27] 这就是AI时代对存储的需求 [16:34] 但在生成式AI的早期阶段 [16:36] 算力和钱都砸在了模型训练上 [16:38] 训练阶段存储系统干的活儿 [16:40] 主要就是向上千个GPU高效地喂数据 [16:44] 以及定期做模型检查点 [16:46] 防止训练中断功亏一篑 [16:48] 而如今 推理正在迅速地成为主战场 [16:51] 而推理对存储的需求模式 [16:53] 就比训练要复杂得多了 [16:56] 它需要把模型从存储层加载到内存层 [16:59] 活跃权重主要驻留在HBM [17:02] 部分状态和缓存则留在DRAM [17:05] 当KV cache在高层内存中装不下的时候 [17:08] 一部分会被卸载到SSD或者NAND上 [17:11] 需要的时候再取回 [17:13] 而RAG查询依赖的外部知识 [17:15] 通常存放在更加后端的共享存储 [17:17] 或者数据湖中 [17:19] 由检索系统实施调取 [17:21] 而更大的变量是AI Agent的崛起 [17:24] 摩根士丹利在最新的研报中就指出 [17:26] 2026年将会是AI从实验 [17:28] 走向核心基础设施的一年 [17:31] 这些智能体 [17:32] 更可靠、更有记忆力、幻觉更少 [17:34] 还能够持续学习 [17:36] 这份研报中就写到说 [17:37] 推理正在成为一种内存挑战 [17:40] 而不仅仅是计算挑战 [17:42] 但智能体要运转起来 [17:43] 就需要维护多层记忆 [17:45] 当前对话的短期工作记忆 [17:47] 跨会话用户历史的长期记忆 [17:50] 预训练知识库和工具调用记录等等 [17:53] 而每一层都需要不同层级的存储去支撑 [17:56] 从HBM里的“热数据” [17:58] 到DRAM里的“温数据” [18:00] 再到NAND SSD里面的“冷数据” [18:03] 所以我们看到趋势很明显 [18:04] AI的下一波进步 [18:06] 不是来自更强的推理能力 [18:08] 而是来自于更好的上下文处理 [18:11] 一个能够记住一切的AI助手 [18:13] 比一个更强大 [18:14] 但是什么都记不住的模型有用得多 [18:17] 这对于存储来说意味着什么 [18:23] 摩根士丹利做了一个非常详细的分层测算 [18:27] 他们以一个 [18:27] 类似ChatGPT规模的模型为基准 [18:30] 假设大约8亿周活跃用户 [18:32] 峰值每秒30万请求 [18:34] 每次请求2000个输入token [18:37] 并且按假设只算文本 [18:38] 图片和视频不计入 [18:40] 按这个要求详细拆分结果 [18:43] 这样的系统大致对应 [18:44] HBM 226PB、DRAM 4.6EB [18:48] NAND/SSD大约47EB [18:51] 数据湖大约294EB的需求 [18:54] 这组数字意味着 [18:56] 如果全球有三个这种规模的模型 [18:58] 比如说ChatGPT+Gemini+Claude [19:01] 仅仅是纯文本推理的需求 [19:03] 就会占到2026年全球HBM供给的17% [19:07] DRAM的35%、NAND的92% [19:10] 而这还没有把图片、视频等 [19:12] 多模态的需求给算进去 [19:14] 更重要的是 [19:15] 这套测算对上下文长度非常敏感 [19:18] 摩根士丹利的敏感性分析就显示 [19:20] 如果把输入从每次2000 token [19:22] 提高到5000 token [19:24] 在其他条件不变的时候 [19:25] 每个模型的DRAM需求会再增加大约2EB [19:29] Rack SSD/NAND会再增加大约3EB [19:33] 也就是说 [19:34] 随着更长上下文和更长思考链成为常态 [19:37] 这对存储的压力会迅速放大 [19:40] SemiAnalysis管这个叫做“内存帕金森定律” [19:44] HBM容量每提升一次 [19:46] 开发者就会立刻构建更大的模型 [19:49] 来把它填满 [19:50] 以前用来压缩模型的各种技巧 [19:53] 一有新空间就会再次被放松 [19:55] 直到再次撞墙 [19:57] 那么这就意味着存储永远是下一个瓶颈 [20:00] 这也是为什么业内有声音会认为 [20:03] 存储芯片厂商可能集体低估了 [20:05] 大语言模型token激增所带来的需求 [20:08] 以前的周期可能也就一年半到两年时间 [20:11] 这次周期有可能会持续很长的一个时间 [20:14] 或者说他把一个周期性的行业 [20:16] 变成一个结构性增长的行业 [20:19] 它就不再是一个周期了 [20:20] 而这个周期的另外一个决定性因素 [20:22] 就是产能上的供应扩张 [20:25] 问题是为什么扩产会这么有挑战 [20:29] 这里就要先说到关于HBM的一个悖论了 [20:38] 理解这一轮超级周期还有一个核心的密码 [20:41] 就是在于搞懂一个看上去很矛盾的现象 [20:45] HBM的大规模扩产 [20:47] 不但没缓解DRAM的短缺 [20:50] 反而让它更加严重了 [20:52] SemiAnalysis的追踪数据就显示 [20:54] 2023年年底 [20:56] 三大存储厂商分配给HBM的晶圆产能 [20:59] 大约为每个月12.3万片 [21:02] 到2025年年底涨到了每个月33.1万片 [21:06] 两年扩了将近3倍 [21:08] 预计到2027年年底 [21:09] 还会进一步扩到每个月66.8万片 [21:13] 四年翻5倍 [21:14] 扩得这么猛 为什么DRAM还是紧缺 [21:18] 关键在于 [21:19] 做HBM要消耗大量普通DRAM的产能 [21:23] 而且效率极低 [21:25] HBM是一种极其消耗晶圆的架构 [21:28] 一片用于HBM3E 12层堆叠的晶圆 [21:31] 被产出只有普通DRAM晶圆的大约1/3 [21:35] 到了HBM4 [21:36] 这个比例可能进一步恶化到1/4 [21:39] 给一个例子 [21:41] 我们同一片wafer（晶圆） [21:43] 它可能只能产1/3的量 [21:45] 相比较于conventional（传统的）DRAM和HBM [21:49] 你一片晶圆上它的产量是要除以3的 [21:51] 这意味着厂商每多生产1个GB的HBM [21:56] 市场就要失去生产3-4GB普通DRAM的机会 [22:00] 为什么效率这么低 [22:02] 因为HBM的制造复杂度 [22:04] 远超于普通的DRAM [22:06] 比如说TSV硅通孔、晶圆减薄、背部加工 [22:09] 这些步骤都会引入额外的良率损耗 [22:12] 在做8层或者12层堆叠的时候 [22:15] 只要有一颗裸片是坏的 [22:16] 整个堆可能就报废了 [22:19] 所有的这些问题加起来 [22:21] 使得HBM成为了一种反向缩放的产品 [22:25] 越做它 对产能的消耗就越大 [22:28] 这也就带来了“HBM-DRAM困境” [22:30] 在业内被称之为“产能排挤效应” [22:33] 因为HBM的利润更高 且被AI巨头预定 [22:37] 厂商就会优先把有限的晶圆 [22:40] 给塞进HBM产线 [22:41] 这导致普通手机和电脑用的传统DRAM产能 [22:45] 被严重压缩 [22:46] 从而引发了价格的报复性飙涨 [22:49] 来自J.P.Morgan研报中的供需模型 [22:51] 也得出了类似结论 [22:53] DRAM的供给增长 [22:54] 在未来两年将会被压制在20%以下 [22:58] 跟不上需求增长 [23:00] 于是又出现了一个令人匪夷所思的现象 [23:04] 虽然普通DRAM工艺比HBM简单 [23:07] 但由于产能受限、价格飞涨 [23:09] 它的利润率到了2025年第四季度 [23:12] 竟然已经追平甚至超过了HBM [23:15] 因为HBM大多是长期合同锁了价 [23:18] 而普通DRAM的现货价格 [23:20] 能够迅速反映供需紧张 [23:22] 这就给厂商出了个难题 [23:24] 到底是继续扩产HBM [23:27] 还是把一部分产能 [23:28] 留给同样暴利的普通DRAM [23:36] 我们看到 需求端已经足够疯狂了 [23:38] 而供给端的约束更加让人窒息 [23:42] 第一个瓶颈就是洁净室的生产资源不够 [23:46] 生产芯片需要洁净室 [23:48] 但是在疫情之后由于进入周期低谷 [23:50] 存储厂商集体保守、投资缩水 [23:53] 这使得2025和2026年洁净室严重不足 [23:57] 芯片对环境的要求实在太高了 [23:59] 反而clean room（洁净室）够不够倒是我们比较担心的 [24:01] 还有就是电力够不够 [24:03] 因为我们可能会芯片做得够多 [24:06] 可是没有足够的power（电力）去让他们工作 [24:08] SemiAnalysis的追踪显示 [24:10] 2026年全行业几乎所有新增的晶圆产能 [24:14] 就集中在三座工厂 [24:16] 三星的P4、SK海力士的M15X [24:19] 还有美光的A3 [24:20] 而且M15X和A3主要是给HBM用的 [24:24] 对普通DRAM的贡献很有限 [24:27] 而真正有意义的新产能 [24:29] SK海力士的龙仁（Yongin）工厂 [24:31] 最早要到2027年的2月份才能够上线 [24:34] 美光的爱达荷（Idaho）工厂 [24:36] 瞄准2027年年中 [24:38] 也就是说在未来的一年多 [24:40] 供给端基本上没有增量 [24:42] 第二个瓶颈是上游设备商不肯扩产 [24:46] 很多设备商 比如说日本的很多供应商 [24:49] 有一家很大的叫Tokyo Electron [24:50] 它自己不愿意扩产的 它自己很保守 [24:53] 为什么 因为他们自己要多供货 [24:55] 他们自己需要扩产 但他们不愿意 [24:58] 因为他说你看过去这么几十年 [25:00] 我们走过了很多个周期 [25:01] 我们要扩产能也需要几年 [25:04] 等到我们自己扩产能出来 [25:05] 说不定那个时候AI这个周期就爆掉了 [25:08] 所以我宁可不改 我就很保守 [25:10] 我就不求挣500块钱了 [25:12] 我就挣100块钱 [25:13] 也挺好 小日子也很好 [25:15] 你看 这就是一个典型的“木桶效应” [25:18] 就算存储厂商有钱、有决心去扩产 [25:21] 上游设备的供货瓶颈 [25:23] 也会大幅度拖慢产能上限的速度 [25:26] 第三个瓶颈就是先进节点迁移自身的摩擦 [25:30] 为了在晶圆产能有限的情况下 [25:32] 尽量多产出内存位 [25:34] 三大厂商都在加速向1b [25:36] 也就是目前最尖端的量产节点 [25:39] 和1c 也就是即将进入大规模量产的 [25:41] 下一代节点 [25:43] 这样的先进节点迁移 [25:45] 因为制程越先进 意味着电路刻蚀得越细 [25:49] 在同样大小的一片晶圆上 [25:50] 1c的节点能够切出来的存储颗粒数量 [25:54] 就要比1b更多 [25:55] 但是这个产线的迁移过程 [25:57] 就必须把机器停下来进行长达数周 [26:00] 甚至数月的重新调试和安装 [26:03] 本身也会导致几个季度的 [26:05] 良率波动和产能损失 [26:07] 在2026年这个AI需求爆发的节骨眼上 [26:11] 这就有点远水解不了近渴了 [26:13] 从开始决定增加产能 [26:16] 到build（建立）起来一个fab（半导体制造厂） [26:18] 然后再到back-end（后端）能够做出来DRAM芯片 [26:21] 或者是NAND芯片 [26:22] 时间是需要3年的时间 [26:24] 然后你在这个时候 [26:26] 又出现了HBM这种难做的芯片 [26:29] 就像我刚刚提到的 [26:30] HBM跟conventional（传统的）DRAM相比的话 [26:32] 它是1/3的产能 [26:35] 我本来产能就只增加了 [26:37] 要等两到三年 [26:38] 然后又只能砍掉1/3的output（输出） [26:40] 其实它的供需在这个cycle（周期）之下 [26:43] 是还比较紧张的 [26:45] 所以洁净室的生产资源不够 [26:48] 设备商不扩、先进节点迁移自身的摩擦 [26:52] 这三个瓶颈叠在一起就是为什么 [26:55] 即使所有人都知道存储芯片在疯涨 [26:57] 供给端依然束手无策 [27:05] 存储芯片价格的疯涨 [27:06] 当然不是没有代价的 [27:08] 它正在重新分配整个电子产业链的利润 [27:12] 先说一下这条利润链上的大赢家 [27:15] 除了韩国双雄的天文数字利润 [27:17] 中国国内的存储厂商也在跟着起飞 [27:20] 佰维存储预计2025年利润同比增长427%到520% [27:25] 而德明利预计增长85%到128% [27:29] 至于行业利润率 野村的口径是 [27:32] 2026财年通用DRAM原厂利润率 [27:35] 有望回升到上一轮周期的峰值70% [27:39] 而J.P.Morgan 更加激进 [27:40] 它的说法是到2027年 [27:42] 营业利润率有可能会超过80% [27:45] 甚至要高于上一轮的峰值 [27:47] 而这条产业链上的输家就是硬件厂商了 [27:51] 摩根士丹利就测算过 [27:53] 存储芯片价格每涨10% [27:55] 硬件OEM的毛利率就要下降45-150个基点 [28:00] 手机市场最先遭殃 [28:02] 小米、OPPO出货预测会下调超过20% [28:06] vivo下调将近15% [28:08] TrendForce直接把 [28:10] 2026年全球智能手机生产总数预测 [28:13] 砍到同比下降10% [28:15] 魅族宣布取消魅族22Air的上市计划 [28:19] 因为成本扛不住了 [28:20] Nothing的CEO裴宇在社交媒体上感叹说 [28:23] 小公司不得不寻找其他出路 [28:26] 而PC市场同样惨烈 [28:28] 联想的部分机型是上调了500-1500元 [28:32] 戴尔和惠普也已经明确预告提价 [28:34] 涨幅主要由存储成本转嫁而来 [28:37] 戴尔的COO克拉克直言 [28:39] 从来没有见过成本上涨得如此之快 [28:42] 而惠普的CEO甚至在考虑 [28:44] 减少产品中的内存使用量 [28:47] 而汽车行业也没有能够幸免 [28:49] 理想汽车的供应链副总裁就公开警告 [28:52] 2026年车规存储满足率可能不到50% [28:56] 而蔚来李斌说 [28:57] 今年最大的成本压力就是内存 [29:00] 雷军在直播中也坦言 [29:01] 光车用内存一项 成本就要增加几千块 [29:05] PC和手机这些厂商现在在我们这里 [29:09] 它哪怕名字再响 [29:10] 它都没有那么大的pricing influence（议价权） [29:13] 它们现在不是那么吃香 [29:14] 因为它们的margin（利润）就是比云厂商的低 [29:17] 对我们来说 [29:18] 比如说某一个国产车企 [29:21] 我们最近听说的就是说它内存不够 [29:24] 所以它就把后排的车载的infotainment（信息娱乐） [29:28] 就是车载的entertainment system（娱乐系统） [29:29] 给可能会阉割掉 [29:31] 手机和PC大家都知道 [29:33] 今年至少会要跌5个点 [29:35] 是没得说的 有可能会更多 [29:37] 但没人会在乎这个事情 [29:38] 因为你要知道他们三个人 [29:40] 尤其是美光 [29:41] 它说我现在不做这个事情了 [29:42] 就这个市场变成0我都无所谓 [29:43] 因为我不做了 [29:44] 而在需求的另一端 我们看到云厂商们 [29:47] 特别是微软、谷歌 [29:49] 还有亚马逊AWS等等 [29:51] 则是表现出惊人的价格不敏感 [29:54] 现在的话都是云厂商 [29:55] 他们这个marginal cost（边际成本） [29:58] 他们的这个software（软件）是0 可以这么讲 [30:00] 然后他们的钱、叙事 [30:03] 其实都跟股价有关系的 [30:05] 所以他们是极其的price insensitive（价格不敏感） [30:08] 就是他们不是很在乎 [30:09] 到底这个memory（内存）多少钱 [30:11] 对于这块云厂商的业务来说 [30:13] 即使手机和PC市场归零 [30:16] 存储厂商们可能都觉得无所谓 [30:19] 因为AI数据中心的前景实在是太诱人了 [30:22] 所以最后的问题是 [30:23] 这场超级周期到底还能够持续多久 [30:27] 这次是不是真的不一样 [30:34] 如今整个存储产业链的竞争格局依然稳固 [30:39] HBM目前大概是6：2：2的格局 [30:42] SK海力士占大头 [30:44] 三星和美光各占自己的地盘 [30:47] 当然也有投资人认为 [30:48] 在当下的这个供远小于求的卖方市场当中 [30:52] 争论谁的份额大其实没有什么意义 [30:55] 因为他们三个人产能都受限 [30:58] 谁的那个市场份额更多 [30:59] 无非在于谁能把产能扩出来 [31:01] 扩出来你就可以卖得动 [31:02] 因为我们三个人都卖完了嘛 [31:04] 谁有多的供应的话 谁就可以吃市场份额 [31:07] 但这个东西跟他们说 [31:09] 我的技术比你好 你的技术比我好 [31:11] 关系不大 [31:11] 因为目前是供给远远小过需求一个市场 [31:15] 所以在这个时候讨论我们的市场份额 [31:16] 你看我海力士 我的市场份额是一半 [31:18] 比你们两个都大 是没有任何意义的 [31:21] 因为他们三个人都扩不出来产 [31:22] 所以现实就是 存储三巨头都已经卖光了 [31:27] 谁能够多挤出一点产能 [31:29] 谁就能够多吃一口肉 [31:31] 不过有意思的是 [31:32] 存储大厂们却可能不追求“垄断” [31:35] 我觉得没有一个memory（存储）玩家想垄断 [31:38] 我们害怕垄断 [31:39] 我们的客户也不希望我们垄断 [31:41] 你一旦有短缺 像现在 [31:43] 客户给到任何一个memory supplier（存储供应商） [31:45] 100%的market share（市场份额） [31:47] 对于memory（存储）玩家来讲都是非常大的压力 [31:50] 所以其实打破垄断 [31:51] 反而是我们memory player（存储玩家） [31:53] 比较愿意看到的事情 [31:55] 大家是不是通常觉得垄断等于高溢价 [31:58] 但是在存储这种周期波动极大的行业中 [32:01] 100%的市场份额意味着100%的需求风险 [32:05] 客户一砍单你就非常的被动 [32:07] 所以存储厂商 [32:09] 反而希望保持三家竞争的平衡状态 [32:13] 这轮周期到底能够持续多久 [32:15] 2026年就是100% sold out（卖完） [32:17] supply（供给）和demand（需求）中间的差的话 [32:20] 应该是有到30%～50%甚至 [32:25] 2027年一样的是在shortage（短缺） [32:28] 可能会到2028年才会有真正的好转 [32:32] 所以这是接下来两到三年的shortage（短缺）情况 [32:36] 同时我们看到 [32:37] 需求端完全看不到放缓的迹象 [32:40] 接下来AI推理还有agent的爆发 [32:42] 以及之后的机器人和物理AI上的需求 [32:46] 也将进一步让存储的吞吐量和容量需求 [32:49] 出现指数级的跳跃 [32:51] SemiAnalysis认为 [32:53] 2026年总DRAM供给 [32:55] 仍然会比需求低大约7% [32:57] 在HBM这条线上 [32:59] 供需缺口到2027年还会继续扩大 [33:02] 至于新增供给 [33:04] 真正有意义的产能 [33:05] 更可能要到2027年下半年才会陆续出现 [33:09] 如果按野村证券的口径 [33:11] 真正体现在产量上的增量 [33:13] 甚至要等到2028年 [33:15] 但是更值得关注的是一个更大的问题 [33:18] 就是这个行业会不会从此告别周期 [33:22] 从华尔街视角 [33:23] Rob在采访中 [33:24] 给了我们一个非常有意思的思考角度 [33:27] 这次的周期有可能会持续一个很长的时间 [33:30] 或者说他把一个周期性的行业 [33:32] 变成一个结构性增长行业 [33:34] 它就不再是一个周期了 [33:36] 如果说现在行业出现很大的一个变化 [33:39] 它从一个周期性的行业 [33:40] 变成一个非周期性的行业 [33:42] 变成一个结构性很稳定增长行业的话 [33:45] 整个市场可能对这个行业的看法 [33:47] 就会有一个质的改变 [33:48] 周期行业我们就给你一个10倍市盈率 [33:50] 了不起了 [33:51] 如果这个行业从一个周期性行业 [33:53] 变成一个结构性增长行业 [33:55] 持续很多年的话 [33:56] 那他们的市盈率都可以再翻倍了 [33:58] 在现在的这场超级周期里 [34:01] 我们到底处在什么位置 [34:02] 摩根士丹利的这幅图就很有意思 [34:05] 横轴是以过去五个周期 [34:07] 每轮周期的谷底为零点的时间线 [34:10] 竖轴是市场交易的涨幅 [34:13] 你可以看到 [34:14] 每轮周期都会经历四个阶段 [34:17] 悲观、怀疑、乐观、狂热 [34:19] 然后再回到悲观 [34:21] 而当前这轮红线走势 [34:23] 我们已经到了乐观的这个区间 [34:25] 并且涨幅远大于以往的任何一个周期 [34:29] 这就对应了刚刚Rob说的 [34:31] 这种思考方式的转变 [34:34] 万一AI真的打破了这种周期 [34:37] 这也意味着 [34:37] 哪怕利润不增长 [34:39] 光是估值从周期股重新定价成为成长股 [34:44] 就能够让股价翻一倍 [34:46] 就像没有人会说 [34:47] 苹果卖手机在过去20年是个周期性行业 [34:50] 如果存储也能够走到这一步 [34:53] 这将是整个半导体投资框架的 [34:55] 一次范式转换 [34:56] 不过存储行业的需求也是会有不确定性的 [35:00] 需求侧的变量不只是来自于宏观的层面 [35:03] 技术本身也能够改写供需关系 [35:07] 比如说3月底谷歌发布了一个新算法 [35:10] 叫TurboQuant [35:11] 号称是一个高效AI内存压缩算法 [35:14] 发布之后直接轰动了硅谷科技圈 [35:17] 更是引发了内存板块的全线暴跌 [35:20] 但是很快业内就有声音出来反驳说 [35:23] 这次暴跌是一场乌龙 [35:25] 首先这篇论文发表于一年前 [35:27] 并且本身存在一些学术上的争议 [35:30] 并且这个算法 [35:31] 目前只在Gemma [35:32] 还有Mistral等小模型上验证过 [35:34] 70B以上的模型、MoE架构 [35:37] 百万级token上下文 [35:38] 这些AI内存需求真正爆炸的场景都没有 [35:43] 还有技术人员也出来说 [35:45] 在技术上我们看到TurboQuant压缩的 [35:48] 只是推理时候的GPU显存里面的KV Cache [35:52] 这是AI内存需求的三大来源之一 [35:55] 但是训练环节完全不受影响 [35:58] 反正这篇论文和算法就是各种被炮轰 [36:02] 但这就有意思了 [36:03] 这是一篇存在争议的旧论文成果 [36:07] 就能够引发资本市场如此剧烈的崩盘 [36:10] 是不是本身就能说明一些问题 [36:12] 是不是这就意味着 [36:13] 市场对于存储板块的信心 [36:15] 已经高到了极度脆弱的程度 [36:18] 要知道 这波暴跌之前 [36:20] 闪迪2026年以来已经暴涨了200% [36:24] 美光也已经涨超过了80% [36:27] 有空投机构就直接指出说 [36:29] 闪迪以920亿美元的市值 [36:31] 对应2026年仅60亿美元的预期净利润 [36:35] 估值很难站住脚 [36:37] 美光同样面临这样的质疑 [36:39] 尽管创下了历史最佳业绩 [36:41] 但2026财年200亿美元的资本开支 [36:44] 同比增长68% [36:46] 这就是在豪赌内存需求会持续增长 [36:49] 说到底 TurboQuant论文只是一根导火索 [36:52] 真正的火药桶是过去两年积累的极端估值 [36:56] 任何一个“需求可能没那么多”的信号 [36:59] 都足以触发踩踏 [37:00] 这类算法层面的进步 [37:02] 恰恰是“超级周期”叙事当中 [37:05] 最难被提前定价的风险了 [37:07] 而Rob也是很清醒地给出了终极风险提示 [37:11] 所有的担心会一直存在 [37:13] 直到最后发现 [37:14] 这东西变成一个“苹果”的业务 [37:15] 稳定上升的业务 [37:17] 第一个担心 AI爆掉 [37:18] AI爆掉他都会死 [37:19] 你现在的增量主要是来自于AI [37:21] 如果有一天AI不行了 [37:23] 大家发现AI没有什么用 [37:24] 你讲的一切未来都是空话 都会变成0 [37:28] 所以 当前对于“超级周期”的乐观预判 [37:31] 都建立在一个前提上 [37:33] 那就是AI的需求是真实的、可持续的 [37:36] 如果有一天AI出现泡沫破裂 [37:39] 内存行业也很难独善其身 [37:42] 这个达摩克利斯之剑会一直悬在那里 [37:44] 直到行业真正地证明自己成为 [37:47] 下一个“苹果式”的稳定增长业务 [37:50] SemiAnalysis将这轮周期 [37:52] 定义为“四十年一遇的短缺” [37:54] 但是更有价值的方向或许是 [37:56] 存储芯片行业正站在一个分岔路口 [37:59] 它要么像过去四十年一样 [38:01] 在价格峰值之后又滑入另一轮低谷 [38:05] 要么在AI的结构性需求驱动下 [38:07] 真正打破周期宿命 [38:09] 成为一个持续增长的产业 [38:11] 至少在2026年 答案似乎正在倾向于后者 [38:15] 三大存储厂商的产能全部售罄 [38:18] 上游设备商的订单排到了2027年 [38:20] 客户开始交预付款 [38:22] 签有法律约束力的长期合同 [38:24] 甚至连一家做马桶的日本公司 [38:27] 都因此改变了命运 [38:29] 但是历史从不缺少对“这次不一样”的嘲讽 [38:32] 唯一确定的是 [38:33] 无论这次能不能打破周期 [38:35] 它已经不可逆转地 [38:36] 重塑了全球科技产业的权力版图 [38:39] 在这场对存储芯片的饥饿游戏中 [38:42] 谁掌握了供给 [38:43] 谁就掌握了AI时代的话语权 [38:47] 好了 以上就是这期视频的全部内容了 [38:50] 我是《硅谷101》的陈茜 [38:52] 你们的留言、点赞和转发 [38:54] 是支持我们《硅谷101》 [38:55] 做好深度科技和商业内容的最佳动力 [38:58] 那我们就下期视频再见啦 拜