夜雨聆风当Agent应用带来Token暴雪，AI不只是创造新需求，更在虹吸HBM、先进制程与先进封装。下一阶段真正要看的，不是谁在喊AI，而是谁控制了被挤压后的稀缺产能，谁又在为这场繁荣默默买单。
015期和专题03，我们讲的是软件端和组织端的重构：当算力比人力更便宜，Agent应用开始接管真实业务流，企业利润表被重新计算。
但所有软件狂欢，最后都要落在物理世界里。
每一次Token调用，背后都不是魔法，而是GPU、HBM、DRAM、NAND、先进制程、先进封装、PCB、CCL、电源、散热和网络。
所以016期要回答一个更残酷的问题：
当Agent应用带来深不见底的Token消耗，支撑这套系统的物理产能，到底从哪里来？
市场常有一个危险的共识：AI是一场巨大增量革命，会像潮水一样带动整个半导体产业链全面复苏。
但在达子的观察框架里，这个判断太宽泛了。
AI当然创造增量需求，但它不是在一个资源无限的平行宇宙里扩张。它是在现有晶圆厂、现有封装产能、现有存储产线和现有材料体系里，重新抢夺最稀缺的资源。
所以，AI繁荣不是雨露均沾，而是一场结构性的虹吸。
这就是016期要讲的核心变量：
AI的挤出效应。
一、存储的暗战：HBM吃掉的，不只是订单，还有传统产能
理解AI挤出效应，最直观的切面是存储。
过去一年，市场都在看HBM有多缺。但更重要的不是“缺”，而是HBM的吞噬率。
HBM不是普通内存升级。它需要更复杂的DRAM裸片堆叠、更高难度的封装、更严苛的测试认证，也会占用大量高端DRAM晶圆和工艺资源。
当三星、SK海力士、美光把新增资本开支和最优质产能优先切给HBM、高容量服务器DRAM和企业级SSD时，传统DDR4、LPDDR、消费级NAND和部分非AI应用，就会出现结构性真空。
三星在最新财报后警告，AI带来的芯片供应短缺可能在2027年进一步恶化，原因是需求上升，但新增产能有限；三星芯片部门一季度利润大幅增长，AI相关半导体需求成为核心驱动。
Micron在FY2026 Q2也给出了同样信号：AI需求正在推动数据中心DRAM和NAND bit TAM首次超过整个行业TAM的50%；数据中心NAND收入环比翻倍并创纪录，公司还表示NAND需求在可预见未来显著超过可用供应。
这说明存储周期已经变了。
过去，存储主要看PC、手机和服务器库存周期。
现在，存储越来越像AI集群的战略资源。
HBM、高容量DDR5、企业级SSD不再只是元器件，而是算力扩张的硬门槛。
这就带来第一层利润重排：
AI客户优先级上升，非AI客户优先级下降。
高端存储获得定价权，传统终端开始承受成本压力。
华邦电26Q1业绩说明会里提到的判断很关键：AI驱动需求正在对非AI应用供给形成排挤效应。
这句话比“存储涨价”更重要。
它意味着，AI不是让所有存储一起平均受益，而是在存储内部重新分层。
真正卡住AI集群的是HBM、服务器DRAM和企业级SSD；传统DDR4、LPDDR、NOR、SLC NAND可能会因为供给紧张阶段性受益，但这不等于它们拥有同样的长期定价权。
如果未来扩产过快、需求回落，旧存储仍然会回到周期波动。
所以，存储的核心不是“都涨”。
而是：
谁被AI直接虹吸，谁只是被动跟涨；
谁拥有长期瓶颈，谁只是阶段性缺口。
二、终端的流血期：还没赚到AI的钱，先替AI付了账
AI挤出效应最反常识的地方，是它不只发生在上游，也会压到下游终端。
很多手机、PC、消费电子公司都在讲AI手机、AI PC、端侧Agent。
但现实是：不少终端厂还没真正靠AI功能赚到钱，先吃到了上游存储涨价和硬件BOM上升。
Gartner在2月的预测里指出，内存成本飙升预计会导致2026年全球PC出货量下降10.4%，智能手机出货量下降8.4%；到2026年底，DRAM和SSD综合价格预计上涨130%，推动PC价格上涨17%、智能手机价格上涨13%。
这就是终端厂的尴尬：
上游存储和先进制程，因为AI需求而拥有更强定价权。
下游消费者，还没有完全被教育为AI硬件溢价买单。
夹在中间的终端品牌，最先被压缩的是毛利率。
AI PC要跑本地Agent，需要更高NPU算力、更大内存、更高带宽、更复杂散热和更贵的PCB设计。
AI手机要跑端侧模型，也需要更强SoC、更大内存、更高功耗管理能力。
但如果消费者只是觉得“多了几个AI功能”，不愿意显著加价，那么新增BOM成本就只能由整机厂先扛。
这就是016最重要的反常识之一：
很多终端厂嘴上讲AI，但利润表上最先出现的，不是AI溢价，而是AI上游涨价。
AI繁荣的账单，正在从上游传导给非AI终端和低议价权硬件厂。
三、制造的拥堵：先进制程和先进封装被头部玩家锁死
存储之外，挤出效应更深的一层发生在制造端。
AI芯片不是只要设计能力，更要先进制程、先进封装和系统级交付能力。
过去市场喜欢看谁能设计GPU、ASIC、TPU。
但设计出来，不等于交得出来。
当英伟达GPU订单、Google TPU、AWS Trainium、Meta MTIA、微软Maia，以及越来越多AI ASIC项目同时涌向先进制程和先进封装，真正稀缺的就不只是芯片架构，而是台积电N3/N2、CoWoS、先进基板、ABF载板、高端PCB/CCL这些物理排期。
ASE给了一个最新验证。Reuters报道，全球最大封测厂ASE预计2026年先进芯片封装业务销售额增长约10%，超过35亿美元，主要受AI芯片强劲需求推动。
这说明先进封装已经不再是后台工艺，而是AI芯片竞争的前台变量。
谁能拿到CoWoS排期？
谁能拿到HBM堆叠资源？
谁能解决基板和材料瓶颈？
谁能把GPU、ASIC、HBM、网络和散热做成稳定系统？
这些问题，正在决定AI芯片能不能从PPT变成收入。
The Information关于Anthropic向Google Cloud和芯片承诺长期巨额支出的报道，也说明模型厂和云厂之间的算力绑定正在加深。模型公司越需要长期推理成本优势，云厂越要通过自研芯片和长期产能锁定降低单位Token成本。
这就形成第二层利润重排：
先进制程和先进封装，不再平均服务所有芯片公司，而是优先服务最头部AI客户。
二线AI芯片公司、传统Fabless、边缘硬件厂商，可能不是没有需求，而是排不上最稀缺的产线。
这就是制造端的“阶级固化”。
不是所有公司拿钱都能买到同样的原子排列能力。
四、传统半导体不会平均受益，而会重新分层
把存储、终端、制造三个切面放在一起看，016真正想说的不是“半导体都受益”。
这个结论太泛，也太容易误导。
AI带来的不是全面复苏，而是产业链重新分层。
第一层，是被AI直接虹吸的核心资源：
HBM、服务器DRAM、企业级SSD、先进制程、先进封装、高速互联、高端PCB/CCL。
这些环节靠近AI集群，靠近系统瓶颈，也更容易获得定价权。
第二层，是被供给紧张带动的传统资源：
DDR4、LPDDR、NOR、部分成熟制程和普通存储。
它们可能阶段性受益，但长期仍取决于供给纪律、扩产节奏和客户结构。
第三层，是被成本压力挤压的终端：
手机、PC、消费电子、部分汽车和工业客户。
它们还没完全收AI的钱，却已经先支付了AI繁荣带来的上游涨价。
第四层，是跟不上技术代差的旧产能：
短期可能被价格周期带起来，长期仍可能被新技术、新供应和低端竞争重新压回去。
所以，AI挤出效应的本质不是“缺货”。
而是：
AI用更高的利润率和更强的确定性，把全球半导体最稀缺的资源重新买走了。
谁控制这些资源，谁受益。
谁依赖这些资源、却无法涨价，谁被挤出。
五、达子的前瞻：普通投资者接下来该看什么
用大白话讲，下一阶段不要再只看“谁涨得快”，而要看“谁的位置硬”。
位置硬，指的是它在真实供应链里有没有别人绕不开的位置。
第一，看它是不是在AI主链条上。
真正的主链条，不是所有半导体，而是HBM、服务器DRAM、企业级SSD、先进制程、先进封装、高速互联、高端PCB/CCL、关键材料和设备。
这些环节如果继续紧，说明AI需求还在抽紧物理产能。
第二，看它有没有定价权。
涨价不等于赚钱。
如果公司能把成本转嫁给客户，甚至主动提价，那它可能是收水人。
如果公司只能被动承受上游涨价，又不能向下游提价，那它可能就是买单的人。
所以看财报时，不要只看收入增长，也要看毛利率、库存、应收账款、客户结构和资本开支。
第三，看它是主动受益，还是被动跟涨。
HBM和先进封装，是AI直接拉动。
DDR4、NOR、普通NAND，可能是因为高端产能被挤走后，短期供给紧张带来的被动涨价。
主动受益和被动跟涨，估值逻辑完全不一样。
第四，看终端厂有没有能力收回成本。
AI PC、AI手机、AI硬件不是不能看，但关键在于消费者愿不愿意为AI功能多付钱。
如果用户不愿意付费，而内存、SoC、散热、PCB都涨价，那终端厂可能只是帮上游打工。
第五，看瓶颈有没有缓解。
接下来几个变量很关键：
HBM价格有没有松动。
CoWoS排期有没有缩短。
企业级SSD有没有继续紧缺。
DRAM涨价有没有压到PC和手机销量。
台积电先进制程客户结构有没有继续向AI倾斜。
高端PCB、ABF、T-Glass有没有形成新的材料瓶颈。
如果这些瓶颈还在，AI挤出效应就还在。
如果这些瓶颈明显缓解，价格和估值就要重新评估。
所以，达子的前瞻很简单：
下一阶段，市场会越来越残酷地分辨：
谁是真的瓶颈，谁只是沾边；
谁在收水，谁在买单；
谁有定价权，谁只有故事。
六、达子的观察：AI繁荣，本质是一场物理产能的重新分配
015讲的是Agent应用如何重写利润表。
016补上的，是它对物理世界的反作用。
如果Agent应用真的开始大规模爆发，Token调用真的进入高增长，那么背后的存储、封装、制程、材料和网络，就会被持续抽紧。
软件可以快速迭代，但晶圆厂不能一夜扩出来。
模型可以降价，但HBM产能不能一夜翻倍。
应用可以爆火，但CoWoS排期不能无限压缩。
Token可以暴雪，但硅片、封装、存储和材料都要排队。
这就是AI周期下一阶段的真正变量。
AI不会平均分配利润。
越靠近AI集群，越靠近稀缺产能，越靠近系统瓶颈，越可能拿到定价权。
越远离核心需求，越缺乏议价权，越停留在低端整机和旧产能，就越可能成为成本承压的一方。
所以，下一阶段的AI投资，不是找“谁沾AI”，而是看：
谁在收水，谁被榨干。
谁控制瓶颈，谁替繁荣买单。
如果没有产能约束，那只是需求。
如果产能被重新分配，那就是周期。
价格只是结果，变量决定阶段。
不预测价格，只观察周期。
资料来源 / Sources
华邦电（Winbond）《26Q1业绩说明会》：关于AI驱动需求对非AI应用供给形成排挤效应的定性判断。
Bernstein Research：《Memory Storage HDD vs. NAND in the Datacenter》：关于数据中心存储需求、Capex约束与定价权向上游转移的分析。
The Information：《Anthropic Commits to Spending $200 Billion on Google’s Cloud and Chips》：关于模型厂长期算力开支承诺与云厂商定制芯片绑定逻辑。
Goldman Sachs Research：《Global Technology Semiconductor Capital Equipment》：关于全球半导体设备支出向先进节点和AI相关制程倾斜的分析。
UBS Research：《Exploring the Impact of Agentic AI on the CPU Market》：关于Agent工作负载对CPU、内存和系统BOM成本的影响。
Morgan Stanley Research：《China’s AI Path: Doubao Goes Paid》：关于中国AI应用商业化、C端付费和Token需求变化的观察。
Reuters：三星Q1 2026芯片部门利润大幅增长，并警告2027年AI相关芯片供应短缺可能进一步恶化。
Micron FY2026 Q2财报材料：AI需求推动数据中心DRAM和NAND bit TAM首次超过行业TAM的50%；数据中心NAND收入环比翻倍，NAND需求超过可用供应。
Gartner：预计2026年DRAM和SSD综合价格上涨130%，全球PC出货量下降10.4%，智能手机出货量下降8.4%。
Reuters：ASE预计2026年先进封装业务销售额增长约10%，超过35亿美元，AI芯片需求是主要驱动。
风险提示 / Disclaimer
本文仅为AI产业周期观察和公开资料整理，不构成任何投资建议。
第一，AI带来的存储、先进制程和先进封装紧缺，可能受到扩产、技术替代、客户订单调整和宏观需求变化影响，不能简单线性外推。
第二，存储行业具有强周期属性。即使当前HBM、服务器DRAM和企业级SSD需求强劲，若未来扩产过快或需求不及预期，价格和利润率仍可能大幅波动。
第三，传统DRAM、NOR、NAND等产品可能阶段性受益于供给紧张，但并不代表所有旧产能都具备长期定价权。
第四，终端厂毛利率压力不只来自存储涨价，也可能受到汇率、需求疲弱、促销、供应链管理和产品结构变化影响。
第五，先进封装、ABF、PCB/CCL、T-Glass等环节的供需缺口需要持续跟踪，不能仅凭短期订单或价格变化判断长期趋势。
第六，AI产业链估值可能提前反映过多乐观预期。即使长期变量成立，短期股价仍可能受到利率、财报预期、地缘政治、客户砍单和市场风险偏好变化影响。
