夜雨聆风
*内容为转载编译，仅为呈现不同市场观点与研究视角，并不意味着本公众号对文中观点结论认可。
来源丨美股研究社
5月以来，半导体市场最有代表性的变化，不是英伟达继续站在AI交易中心，而是存储股突然变成了资金追逐的主战场。
美光5月11日收涨6.5%，年内涨幅接近179%；SK海力士近期创下历史新高；铠侠过去一年股价涨约24倍。过去市场给存储厂商的估值一直偏低，因为它们被视为典型周期股：涨价、扩产、库存堆积、价格下跌，循环往复。但AI把这套旧逻辑打乱了。
【如需和我们交流可扫码添加进社群】
GPU负责计算，HBM负责数据吞吐，企业级SSD承接推理与数据调用，存储正在从标准化商品变成AI基础设施里的稀缺资源。摩根士丹利预计，到2028年前，全球AI相关基础设施投资接近3万亿美元。半导体的行情也因此不再只看库存周期，而要看云厂商资本开支、先进封装产能、电力供给和长期订单能见度。
带宽资源被重新定价
行业景气时，DRAM、NAND涨价，厂商利润快速修复；行业低谷时，下游砍单、库存堆积、价格下跌，利润又会被打回去。这个行业长期难拿高估值，原因不复杂：产品标准化程度高，扩产冲动强，需求端又跟消费电子周期高度绑定。
AI把这个结构改了。
大模型训练和推理不是简单多买几块芯片。模型越大，上下文窗口越长，数据吞吐压力越高，对内存带宽、容量和延迟的要求越苛刻。GPU再强，如果HBM供给跟不上，算力利用率也会被拖住。数据中心跑推理任务，背后还需要企业级SSD、服务器DRAM、网络和存储系统持续配合。
这就是存储股被重估的根源。
美光、SK海力士、三星、铠侠这一轮上涨，表面看是价格和盈利修复，深层交易的是“AI带宽资源”的稀缺。MarketWatch援引D.A. Davidson分析师观点称，AI模型变大、上下文窗口变长，会推动更多内存需求，形成一轮记忆芯片需求的正循环；美光年内涨幅接近179%，也明显跑赢费城半导体指数和标普500。
SK海力士的案例更直观。Reuters报道称，全球大型科技公司正在向SK海力士提出罕见方案，包括投资专用生产线、资助购买ASML EUV设备、通过长期合约锁定供给。客户愿意提前掏钱帮供应商扩产，这在传统存储周期里并不常见。过去买方等价格回落，现在买方担心拿不到货。
这会改变存储厂商的利润结构。
以前存储公司最怕扩产，因为供给一多，价格马上承压。现在HBM和高端企业级存储的扩产受制于良率、封装、设备、客户认证，新增供给没有那么快释放。供给越紧，长单越多，价格弹性越强，厂商利润可见度也更高。
现在的资金买的是三件事：第一，AI服务器对HBM和高性能DRAM的持续消耗；第二，云厂商愿意用更长周期锁定供应；第三，存储厂商从过去的周期制造商，重新被放进AI基础设施核心环节。
不是存储行业完全摆脱周期，而是周期的底层需求换了。消费电子还会波动，手机、PC仍然重要，但AI数据中心正在把行业需求锚从“终端销量”推向“算力投资”。只要云厂商资本开支继续上修，存储的估值锚就不会轻易退回旧位置。
AI资本开支进入重工业阶段，
亚洲硬件链从配角变成主场
摩根士丹利在2026年3月报告中估算，到2028年前，全球AI相关基础设施投资接近3万亿美元，且超过80%的支出仍在前方。这个数字意味着，AI正在从软件叙事进入重资产建设：芯片、服务器、数据中心、变电站、电网、液冷、光通信、存储阵列，都会被拉进同一个资本开支链条。
Big Tech也在用真金白银验证这条主线。Reuters称，Alphabet和Amazon正在进入海外债券市场，为AI基础设施扩张融资；大型科技公司2026年AI基础设施支出预计超过7000亿美元，高于2025年的4100亿美元。另一篇Reuters报道也提到，微软、谷歌、Meta、亚马逊四家公司2026年围绕AI的投入预计接近6000亿美元。
这套逻辑放到半导体上，最直接的结果就是：亚洲硬件链重新站到全球资金面前。
Reuters在5月初写到，亚洲科技巨头正在给AI牛市提供新的重心，部分中国台湾公司产能已经被订到2027年。产能被提前锁定，意味着价格谈判权向供应链上游移动，利润弹性也会跟着放大。
过去市场讲AI，焦点总在美国科技巨头：微软、英伟达、亚马逊、谷歌、Meta、OpenAI。
现在资金开始向下游穿透：谁给AI提供HBM？谁做CoWoS？谁交付光模块？谁提供电源、液冷、PCB、连接器？谁能保证数据中心的电力稳定？这些问题，正在把亚洲制造链推到资产重估的中心。
半导体行业的分工也在变化。
过去制造链很多公司被视为“外包产能”，估值跟随订单波动；现在它们开始被看成AI系统的瓶颈资产。只要某个环节出现供给紧张，它就可能获得超额利润。HBM如此，先进封装如此，高速光模块也如此。
更重要的是，AI基础设施建设不是一轮短促补库存。云厂商要建数据中心，先要拿电、拿地、拿服务器，再签芯片和存储长单，随后进入网络、散热、软件栈和客户迁移阶段。这个链条比消费电子周期更长，也更重。
所以这轮亚洲半导体行情的底层逻辑，不是单纯跟随美股AI热度，而是全球资本把AI投资拆成一张供应链清单后，发现大量关键节点都在亚洲。
半导体告别旧周期
现在最大的分歧已经出现：AI能不能让半导体第一次进入真正意义上的长周期牛市？
传统答案会偏谨慎。半导体行业几十年来一直逃不开扩产和下行。景气一来，厂商加资本开支；产能释放后，供给过剩；下游需求放缓，价格下跌；库存去化，又等下一轮周期。这个行业的历史并不缺牛市，缺的是长时间稳定的高回报。
AI给了市场一个新解释。
大模型不是一次性需求。训练模型需要算力，推理落地需要更多算力，Agent、AI搜索、企业知识库、自动驾驶、机器人、AI PC和AI手机都会继续消耗芯片、内存和存储。更大的变化在于，企业客户还没有真正大规模部署AI，很多应用仍在早期试点阶段。只要应用侧继续扩散，硬件需求就有继续上修的空间。
这会让半导体估值体系发生变化。
过去市场看半导体，重点盯库存、价格、渠道水位；未来几年，资金会更关注订单锁定、技术壁垒、客户结构、资本开支效率、现金流质量，以及企业在全球供应链中的位置。
同样是芯片公司，估值差异会被拉得更大。能卡住HBM、先进封装、AI ASIC、光互联、电源管理、液冷和高端材料的企业，会享受更高溢价；只提供普通产能、没有客户粘性、扩产纪律差的公司，仍会被周期拖回原点。
风险也不能回避。
第一，AI资本开支如果边际降速，高估值半导体资产会最快承压。Big Tech当前投入规模极大，债务融资和自由现金流压力都在上升。FT近期提到，亚马逊、Alphabet、微软、Meta四家公司AI基础设施投入正在压低自由现金流，投资者对回报周期的要求会越来越严格。
第二，模型效率提升可能改变硬件需求节奏。如果推理成本快速下降，或者更高效架构减少单位算力消耗，市场对GPU、HBM和服务器的需求预期可能需要重算。效率提升不一定会压低总需求，但它会改变订单释放节奏。
第三，扩产终究会来。只要利润足够高，资本开支一定会增加。存储、封装、服务器、电力设备都可能在未来两三年进入产能释放期。到那时，市场会重新审视供需平衡，今天的稀缺资产可能变成明天的价格压力。
第四，地缘政治会持续抬高供应链成本。先进制程、HBM、EUV设备、AI芯片出口限制、稀土和关键材料，都可能让半导体从商业问题变成安全问题。安全溢价能推高本土替代，也会降低全球供应链效率。
所以，这轮半导体牛市最关键的观察点，不是股价还能涨多少，而是三个账本能不能对上。
订单账：云厂商和AI公司是否继续签长期订单。资本账：扩产能否保持纪律，避免重复建设。利润账：价格上涨和高端产品占比提升，能不能真正转成自由现金流。
只要这三张账继续匹配，半导体行业就有机会摆脱“短周期交易”的估值框架。反过来，只要其中一张账出问题，资金也会迅速从高弹性资产里撤出来。
市场接下来要筛掉的，不是“有没有AI故事”的公司，而是那些只有故事、没有订单，只有扩产、没有现金流的公司。真正的新一轮核心工业资产，会在下一次波动里分出来。
