颠覆认知!AI时代内存不再是商品?三星/美光们的周期游戏已彻底变天

本文所转载内容，均来自于网络，并不代表本人观点、立场，本人也不为其真实性负责，只为传播网络信息为目的，如有异议请及时联系，本人将予以删除。所有信息仅供在新媒体背景下的研究观点交流，普通个人投资者有可能由于获得的信息不完整，缺乏对研究观点或报告的解读能力，可能会得出有差异的结论。

本文仅为行业分析与研究探讨，不构成任何投资建议。投资有风险，决策需谨慎，不轻信不具备专业资质的投资分析，避免对个人财产造成损失。

在半导体投资圈，有一个被奉为圭臬的真理：内存是一种商品，且带着强烈的周期性——涨价、扩产、过剩、跌价，循环往复，从未改变。

从90年代个人电脑普及，到互联网崛起、智能手机爆发，再到云时代来临，内存行业始终跳不出“供应滞后→需求激增→价格暴涨→过度扩产→供应过剩→价格崩盘”的魔咒。但当AI浪潮席卷而来，这一延续数十年的游戏规则，正在被彻底改写。

有人问：“这次不一样吗？”答案是：AI时代的内存，在形态上已发生根本性改变，但周期的本质并未消失——它只是换了一种更残酷、更隐蔽的玩法。

先回顾：内存行业的五幕循环大戏

自计算诞生以来，内存就一直是行业瓶颈——这就是冯·诺伊曼瓶颈，80年前由冯·诺依曼提出，至今仍未被解决：CPU速度极快，内存访问却相对缓慢，处理器常常陷入闲置等待数据的困境。

而内存制造的高难度（工厂成本数百亿美元）、产能决策的滞后性（18-24个月才能匹配实际需求），注定了它的周期性宿命。过去几十年，这场循环上演了五幕大戏：

1. 90年代个人电脑时代：台式机普及让DRAM需求激增，供应滞后推高价格，行业大规模扩产，最终以90年代末供应过剩、价格暴跌收尾；

2. 互联网时代（90年代末-2000年代初）：服务器需求崛起，定价走强，但互联网泡沫破裂带走需求，2000-2001年DRAM现货价格暴跌80%；

3. 智能手机时代（2007-2010年代中期）：iPhone引爆移动计算热潮，需求转向低功耗DRAM和NAND闪存，NAND反复经历“繁荣-萧条”循环；

4. 云/超大规模时代（2010年代中期-2020年）：AWS、Azure等推动服务器需求，2016-2018年定价强劲，2019年资本支出过剩引发内存崩盘，DRAM均价近乎减半；

5. AI/加速器时代（2020年代至今）：GPU和大模型驱动高带宽内存（HBM）需求爆发，2023年起价格大幅上涨，行业奋力扩产——但这一次，循环的剧本变了。

不同于石油、铜等纯商品的“产能驱动型循环”，内存循环的核心是“容量+工作负载变化”。每一次计算范式升级，不仅需要更多内存，更会改变内存的形态——DRAM让位于NAND，如今NAND又与HBM并肩作战，而AI，正是自虚拟化和云迁移以来，最大的工作负载变革者。

三大改变+一个不变：AI重构内存的底层逻辑

AI的到来，让内存行业的“游戏规则”发生了结构性变化，这三点改变，决定了它与过去的周期截然不同：

1. 内存壁凸显：每单位计算的内存需求爆炸式增长

过去的周期，靠“单位增长”驱动——更多电脑、更多手机、更多服务器，每个设备的内存需求相对稳定。但AI时代，“每单位计算的内存强度”正在结构性上升。

二十年来，硬件峰值算力每两年约提升3倍，而DRAM带宽仅提升1.6倍，互连带宽提升1.4倍，如今两者的差距已达700倍。尤其是Transformer模型的推理过程，严格受内存限制：H100的内存带宽高达3.35TB/s，但在FP16精度下，运行70B参数模型每秒仅能处理约24个令牌——哪怕算力翻倍，这个瓶颈也无法突破，唯一的解法就是更多HBM、更宽总线。

行业的应对的是：从2020年A100的80GB内存，到2027年鲁宾Ultra的1024GB，七年间增长12.8倍——而在90年代和2000年代，DRAM花了15年才为普通PC实现类似增长。每一代新GPU，不仅出货量增加，单台设备的内存容量也在翻倍增长。

2. GPU经济性逆转：内存从“组件”变成“核心产品”

过去，内存只是GPU的一个组件，内存厂商竞争压价，GPU厂商抢占利润。但现在，内存已经成为GPU的核心——在B200上，HBM占制造成本的45%，加上先进封装更是占到三分之二；据鲁宾相关假设，仅HBM就超过材料成本的一半。

这彻底改变了价格信号的传递逻辑：在云周期，内存仅占服务器物料清单的10%-15%，2019年DRAM价格减半，超大规模企业的总成本几乎不受影响；但在AI周期，若HBM价格减半，加速器利润率会显著提升，需求反应会更缓和——因为买家面临的是产能约束，而非价格约束。

3. 需求分层：AI激活全内存层级，不止HBM

很多人只关注HBM的短缺，但AI的内存需求，早已渗透到DDR5、NAND等全层级。聊天机器人的循环相对简单，但生产型代理的工作负载更为复杂——执行任务、调用模型、处理结果、组装上下文，大多数编排工作在CPU上运行，而CPU使用的是DDR5。

更关键的是，长上下文窗口和KV缓存的存在，常常让HBM容量不足，缓存会溢出到DDR5中。如今典型的AI服务器，体系级DRAM数量是HBM的3-4倍——2018年的服务器只有数百GB DRAM，而现在的AI服务器已达数TB。

过去的周期崩溃，是因为单一工作负载的内存需求见顶；而AI则是扩大需求，而非替代需求——HBM存模型、DDR5做调度、NAND存生成物，总需求远超一年前的预期。

不变的脆弱性：需求仍可能“突然蒸发”

尽管有三大结构性改变，但内存周期的核心脆弱性并未消失：需求依然建立在“未来收入预测”之上，而目前的预测，可能难以支撑当前的资本支出

（以下数据均来自机构分析，仅为行业研究参考，不构成投资预判）。

数据显示，2026年美国AI超大规模企业的资本支出将达GDP的2.2%，是2000年电信泡沫峰值的两倍；贝恩分析认为，要支撑当前的资本支出，AI行业到本十年末需实现2万亿美元年收入，而最乐观的预测仅1.2万亿美元，与OpenAI当前约130亿美元的年收入相比，差距达8000亿美元——这需要AI收入从当前水平扩大150倍。

更值得警惕的是，资本支出越来越依赖债务：2025年超大规模企业债务发行达1210亿美元，是历史平均水平的4倍，预计2026年还将发行1000亿美元，摩根士丹利和摩根大通预测未来几年科技行业AI债务发行将达1.5万亿美元。

过去的周期崩溃，是供应泛滥；而AI时代的崩溃，可能是需求崩塌——一旦AI收入不及预期，超大规模企业会削减资本支出、取消内存订单，这比供应过剩更具突发性。

市场结构剧变：寡头垄断+长期合约，周期形态已变

除了AI带来的需求端改变，内存行业的市场结构也发生了根本性变化，这进一步重塑了周期形态——不再是过去的“无序竞争”，而是“寡头主导+契约绑定”的新格局。

1. 供应端：三足鼎立，寡头垄断更趋严格

如今的内存行业，三星、SK海力士、美光三家主导了DRAM市场，HBM市场更是被这三家100%垄断（SK海力士57%、三星22%、美光21%），其它份额不足1%，且产量落后（本文提及的企业及市场份额仅为行业公开信息整理，不构成对企业的评价或背书）。

与90年代“50多个晶圆厂计划”“八家以上厂商竞争”不同，当前AI周期中，三家仅启动了约7个新DRAM晶圆厂项目。2010年代行业比特年均增长22%，2024年降至14%，2025年13%，即使包含HBM，也低于历史水平——三家都选择“保利润率而非扩产量”。

更重要的是，物理限制加剧了供应约束：DRAM密度增幅从过去每2-3年翻倍，降至2015年后的10%-15%，扩产只能靠新建晶圆厂（单厂耗资150-200亿美元，耗时5年），资本密集度倒逼行业自律。此外，台积电已深度融入价值链——SK海力士的HBM4基模由台积电制造，HBM成为“内存晶圆厂+逻辑芯片厂+CoWoS封装”的三重约束，任何一个环节都无法单独突破。

2. 需求端：长期合约取代现货，投机性消失

过去的内存周期，依赖现货定价和短期合约，供应商靠预测扩产，风险极高；而AI时代，需求被“长期合约”锁定——约90%的高级DRAM和HBM容量，在制造前就通过多年期、“要么接受要么付款”的合约确定。

比如OpenAI在2024年底与三星、SK海力士签约，每月覆盖多达90万块DRAM芯片（占全球35%-40%）；英伟达到2026年的HBM长期承诺，已让SK海力士的DRAM、NAND、HBM产能售罄；谷歌、AWS、微软的定制硅长期协议，进一步锁定了产能。

这意味着，过去“扩产赌需求”的模式，变成了“签合同再扩产”——SK海力士在2025年6月底就完成了2026年全年HBM订单，提前两年预售产量。供应过剩的门槛大幅提高：过去是“需求不及预测”，现在需要“取消长期合约”，这会带来巨大的声誉和法律成本。

3. 库存缓冲耗尽：波动被进一步放大

过去的内存崩溃，常常被库存放大——周期峰值时，行业库存达20-30周，崩溃时库存积压加剧过剩；但现在，库存已降至历史低位：2023年一季度DRAM库存峰值31周，2025年四季度降至8周，日本渠道库存仅2-4周。

库存不足，在上涨周期会让需求直接传导至价格，支撑牛市；但在下跌周期，会让波动急剧放大——一旦超大规模企业削减订单，价格信号会比过去更快、更猛烈，2025年OEM“恐慌性囤货”的行为，可能会在需求转向时残酷逆转。

4. 供需双集中：绑定关系取代价格竞争

需求端，英伟达占HBM采购量的70%，而SK海力士供应了英伟达90%的HBM，两者的双边关系几乎定义了AI内存市场；供应端，三家寡头垄断，新进入者难以突破。

这种集中度，让供需双方从“交易关系”变成“绑定关系”：英伟达无法轻易替换SK海力士（资格认证需12-18个月），SK海力士也依赖英伟达的长期订单，价格竞争让位于“提前设计纳入”的竞争——一旦赢得订单，就能锁定份额直至下一次架构重置。

最终，内存周期的形态被重塑：上升阶段更长、更剧烈（供应跟不上需求），下行阶段更尖锐、更快（库存无缓冲，需求崩塌直接冲击价格）——不是没有周期，而是周期变得更极端。

终极结论：内存不再是商品，而是战略性资产

这是最颠覆认知的一点：投资者长期认为“内存是商品”，但到2025年左右，这一认知已经过时——内存不再是可随意替代的商品，而是与台积电前沿晶圆、ASML EUV扫描仪并列的“股票战略性投资配置”。

核心原因，在于“协同设计取代标准化”：

过去的HBM是JEDEC标准产品，不同厂商的产品可互换；但HBM4打破了这一规则——其基模（协调DRAM芯片堆的逻辑芯片）改由逻辑工艺制造，SK海力士用台积电12nm/3nm工艺（针对英伟达、谷歌），三星用自身4nm/2nm工艺，美光的HBM4E基模也由台积电制造，且为英伟达、AMD定制。

基模的定制化，让HBM失去了可替代性：搭载英伟达GPU的HBM，是带有英伟达定制基模、台积电制造、逻辑功能由英伟达设计的专属产品；谷歌TPU、亚马逊Trainium的HBM，也都是专属定制款——即使JEDEC名称相同，规格和资格认证也无法互通。

更关键的是，资格认证周期长达18个月——三星作为老牌内存厂商，从完成HBM3E开发到通过英伟达认证，花了整整18个月。一旦超大规模企业选定供应商，更换供应商就相当于一项12-18个月的工程项目，且存在性能风险。

价格数据也印证了这一点：过去每一代内存推出后，12-18个月内溢价会降至与上一代相当（DDR3→DDR4、DDR4→DDR5均如此）；但HBM3e在2024年初推出时比HBM3贵30%，随后24个月溢价反而上升，2026年合同价格甚至被上调近20%——这与商品“新一代降价、老一代贬值”的规律完全相反。

即便未来供应赶上，这种“非商品属性”也不会改变：定制基模无法互换、CoWoS封装仍受台积电垄断、资格认证周期不变，供应过剩只会导致“特定厂商的产能闲置”，而非“产品可替代”。

投资者启示：别再把三星/美光当“大宗商品厂商”

对于投资者而言，最大的误区，就是仍将SK海力士、三星、美光当作“周期性大宗商品生产商”——它们现在更接近台积电，而非石油巨头（本文仅为行业企业属性对比分析，不构成任何投资建议或企业价值判断）。

它们的定价权是结构性的（来自定制化、绑定关系），而非周期性的；利润率反映的是“整合溢价”，而非“比特成本”；周期依然存在，但形态更极端，触发因素从“供应过剩”转向“需求失望”。

过去“DRAM涨、DRAM跌，均值回归”的估值框架，已经不再适用于当前的AI内存市场。未来，真正的核心竞争力，在于“与头部超大规模企业的绑定能力”“定制化基模设计能力”，以及“与台积电等价值链核心企业的合作深度”。

AI没有终结内存周期，但它彻底改变了周期的玩法。内存不再是“涨涨跌跌的商品”，而是AI时代的“战略命脉”——看懂这一点，才能读懂未来半导体行业的投资逻辑。

本文仅为行业研究探讨，不构成任何投资决策依据。

万水千山总是情，打赏一元行不行？