夜雨聆风
目录
1、执行摘要（本文）
2、内存：一个持续多年的瓶颈问题（本文）
3、HBM 自我蚕食与双层市场（本文）
4、通货膨胀传导效应及其对各行业的影响
5、芯片产业、经济增长与通货膨胀——宏观视角下的美中政策选择难以带来短期缓解
6、引言：内存基础——类型、市场结构与生命周期
7、附录：每吉瓦人工智能数据中心部署所需的内存资源
历史相关文章：
Rubin NVL72机架BOM 、组件构成及ODM附加值分析
内存价格飙升与供应短缺正成为跨行业风险，因为人工智能正在重新定价这一数字经济的关键要素。最初仅限于人工智能基础设施领域的瓶颈问题，如今已蔓延至硬件利润率、设备可负担性、云计算成本、通货膨胀以及政策层面。
AI 正使存储容量成为系统架构的瓶颈，其市场需求在全球范围内持续攀升。DRAM和企业级固态硬盘的普及，使得内存价格在过去一年内飙升了六倍。新产能的建设、认证及规模化投产都需要数年时间。这使得当前周期更像是一场持久性的供需格局调整，而非普通的半导体行业复苏。
资源分配机制正在取代商品市场的定价方式。超大型企业及AI采购方正越来越多地采用长期协议（LTAs）、预付款及战略承诺来确保产能供应。这使得传统采购方可获得的供应池规模缩小、供应更为紧张且波动性更大。
HBM 正逐渐取代传统存储器。虽然 HBM 对AI加速器至关重要，但其消耗的先进DRAM产能远超实际需求。随着供应商优先布局HBM、服务器DRAM和企业级固态硬盘，智能手机、个人电脑、汽车、网络及工业领域可用DRAM供应量持续缩减。尽管到2027年DRAM晶圆总产能将增长约30%，但我们预计智能手机/个人电脑领域的内存供应仍将短缺12%-15%。
商品价格通胀的影响已超出大型科技企业范围……大型云计算服务采购方也能确保获得稳定的供应。企业需承担更高的成本；而非阿尔地区买家则面临更高的销售成本、更差的市场分配份额、价格上涨、规格缩减以及产品上市延迟等问题。
……并明确划分了供应商与原始设备制造商之间的界限。内存生产商受益于更优的价格、更高的利润率及更强的市场可见度。下游硬件领域。企业必须承担相关成本并将其转嫁给消费者，重新设计产品；否则将面临需求萎缩的风险，尤其是在价格敏感的消费市场中。
宏观影响远大于消费者价格指数（CPI）本身。总体而言，CPI的影响可能较为有限。虽然各类成本项权重相对较小，但压力已在产品价格指数（PPI）、企业利润率、云服务费用、资本支出预算以及技术部署延迟等方面显现。
政策或许能缓解压力，但需要数年时间。即使美国和中国采取补贴、税收抵免或许可制度改革等措施，供应方面的调整仍需多年时间，且中国的产能增长在短期内尚不足以应对需求。我们预计美国的政策仍将保持限制性，短期内乃至长期内都不太可能缓解压力。
库存影响：定价权掌握在DRAM供应商（三星、SK海力士、美光）、NAND存储器供应商（闪迪、 KIOXIA）、硬盘制造商（希捷、西部数据）以及基础设施供应商（ASML 、AMAT、KLA）手中；而面向消费市场的OEM厂商定价权较弱，且内存成本风险较高，面临的利润压力最为显著。
通货膨胀之谜——数据揭示的真相
什么是“芯片通胀”？
从传统商品化微电子产品的通缩定价模式向持续结构性价格上涨模式的转变，给整体消费品定价带来了持续的上行风险。对于存储器而言，通胀已不再仅仅是零部件价格问题。
AI基础设施正占据内存（DRAM、 HBM 及企业级SSD）供应的日益增长份额，而供应商则优先开发利润率更高的ai服务器产品，而非满足主流消费市场和工业领域的需求。内存价格上涨可能带来的影响包括：
l供应受限与消费类硬件价格上涨；
l企业利润率承压；
l硬件行业存在“富裕群体”与“非富裕群体”的分化；
l核心通胀仍面临持续上升风险。
芯片通胀主要由Al基础设施和数据中心的快速部署所驱动：内存供应紧张导致设备平均售价（ASP）上涨、云计算及企业IT成本攀升、产品规格降低、更新周期延长以及利润空间承压。
内存短缺已演变为宏观经济层面的重大关切。虽然其对消费者价格指数（CPI）的直接影响可能有限，但其影响正日益体现在企业采购成本、云服务费用、资本支出预算以及技术部署延迟等方面——这使得本轮周期远超传统半导体行业复苏期的范畴。芯片供应不足可能导致数据中心项目延期、云服务发展放缓，并增加企业运营成本，最终影响生产效率的增长。
差异化数据集
本报告更新了摩根士丹利系列专有模型，并引入了若干新的数据集。
两级DRAM供应层级结构（图7）。我们的分析框架将总DRAM供应量细分为可供非Al类买家使用的剩余供应池。我们估计，随着Al技术挤占非服务器资源分配空间，PC端可能面临15%的内存缺口（约5800万颗），智能手机则面临12%的缺口（约1.34亿颗）。
按硬件产品划分的需求弹性（图8）。我们对不同终端市场受内存价格上涨导致需求萎缩的影响程度进行了排序，从传统服务器（弹性最低）到低端个人电脑（弹性最高）。
内存成本上涨对消费者价格指
数（CPI）的影响（图11）。较高的内存成本会带来可量化的CPI传导效应：个人电脑和智能手机使整体CPI上升0.08个百分点，而消费电子产品的总体影响则达到0.10个百分点。
1、执行摘要
1.1 结构化瓶颈
1.2 整个硬件行业的保证金风险
1.3 宏观影响
1.4 政策选项
1.5 股票敞口
1.6 什么因素可能挑战“芯片通胀”这一趋势？
多年来的内存容量瓶颈问题：内存芯片正逐渐成为全球人工智能生态系统中的关键组件，支撑着当今智能型AI架构的扩展（参见《技术：AI代理的崛起——全球影响》，2026年4月19日）。我们认为，内存价格的持续上涨合理地预示着内存需求将出现由人工智能驱动的价格弹性极低的激增。这种定价趋势更多反映了终端需求的指数级增长——这一点从CSP为在超级智能竞赛中保持领先地位而承诺的年度资本支出中可见一斑；而非完全取决于生产商传统的供应控制策略。
内存价格的持续上涨形成了日益严峻的成本推升态势：服务器制造成本上升、云计算资本支出增加以及硬件价格攀升。对于非超大规模企业而言，这种通胀压力可能迫使它们面临三大选择：将价格上涨转嫁给客户、降低设备规格要求，或接受利润缩水。
1.1 结构化瓶颈
过去一年间，内存芯片价格已上涨超过六倍（见图1），与此前持续数十年的价格下跌趋势形成鲜明对比。从1957年到2020年，每5年DRAM每GB价格均下降约十倍；自2010年起，随着摩尔定律推动价格持续走低，降价速度明显放缓。然而这一趋势在半导体行业已不再适用——该行业的DRAM平均售价反而大幅攀升（见图2）。
建筑内存制造（fabs）工厂的建设需要数年时间，因此难以快速满足市场需求。这意味着未来几年消费品价格将持续面临上涨风险。
这次有何不同？此前新冠疫情期间的芯片短缺事件表明，即便是轻微的供应中断也可能导致整个行业停摆。然而此次存储芯片短缺更具结构性特征，且与AI相关的需求可能使这种影响扩大到更广泛的范围。
移动版Al芯片与物理版Al芯片的推出，必将引发存储芯片需求的又一次大幅增长。随着Al技术从数据中心逐步扩展至边缘设备及现实世界，其计算需求将呈指数级上升。这些组件将不再被视为普通存储芯片，而是成为全球数字基础设施的关键支柱。
鉴于交货周期较长且供需失衡现象持续存在，长期协议（LTAs）已成为保障产能供应的必要条件。内存制造商正通过长期协议（LTAs）与所有超大规模客户建立战略性供应链合作关系，借此能够锁定长期订单和价格、构建稳定的高利润率模式，并降低行业周期性波动的影响。
1.2 整个硬件行业的保证金风险
内存价格通胀正演变为整个硬件行业的广泛利润率风险，其影响已超越个人电脑和智能手机，延伸至游戏主机、服务器、云计算、网络设备、汽车电子、医疗设备、宽带设备、工业系统以及低成本教育/嵌入式设备领域。这一影响不仅体现在DRAM/NAND芯片价格的上涨上，更体现在资源分配优先级的变化上：
l供应商正优先满足与Al基础设施相关的 HBM 、服务器DRAM及企业级SSD需求；而传统消费级和工业级存储用户则日益面临价格显著上涨、交货周期延长以及议价能力减弱的挑战。
l受影响最严重的群体是那些并非直接从人工智能服务中获利、但仍需支付由AI驱动的内存成本的企业。存在会计处理上的不对称性：超大规模服务商能够充分利用高内存需求的AI服务器并逐步计提折旧，而消费级硬件制造商和工业设备OEM厂商则会更直接地通过库存和销售成本反映内存价格的上涨压力。这迫使企业面临三大选择：将价格上涨转嫁给消费者、降低设备配置规格，或接受利润缩水。
l内存膨胀不仅意味着非科技行业向内存制造商的资金转移，更日益成为制约众多非科技行业产品开发与上市时间的重要因素。
我们将内存充足性分析框架分别应用于个人电脑和智能手机市场后发现，这两个细分领域在2027年均面临供应短缺问题。根据我们的预测（个人电脑消耗非服务器DRAM总量的17%，智能手机消耗58%），可寻址总内存量分别比需求量短缺约15%和12%。这意味着个人电脑短缺量达5800万台（较市场出货量预测值低15%），智能手机短缺量约为1.34亿台（较市场预测值低12%）。这些数据对每台设备的内存配置假设较为敏感，但分析表明：若供应增速未能加快，将面临需求配给风险。
1.3 宏观影响
芯片价格通胀正导致生产者价格指数持续攀升，尤其在计算机及电子相关设备领域表现显著。这种趋势对这些领域的消费者通胀产生的影响将决定企业利润空间的压力程度——目前其对美国生产者价格指数（PPI）的影响尤为明显，而对消费者价格指数（CPI）的影响则相对较小。由于商品篮子中内存敏感型商品占比较低，其对整体CPI通胀的影响可能较小；但芯片价格持续高位运行的时间越长，我们预期带来的宏观经济影响就越显著。
产能提升巩固了存储器制造商的地位，并提振了区域市场。对于以半导体芯片制造为主导的出口导向型经济体（尤其是韩国和台湾地区的逻辑芯片产业），存储器收入与市场需求的激增显著推动了国内GDP及本地股市指数的增长。
三星、SK海力士和美光科技共同掌控全球DRAM市场约90%的份额及 HBM 市场100%的份额，从而拥有显著的价格议价能力。仅韩国一家公司就生产了全球近75%的DRAM芯片。
1.4 政策选项
内存芯片正日益被视为战略资源，尤其是在 HBM 和先进DRAM技术直接支撑AI终端应用领域的情况下（因此，在中期选举后，美国支持该领域的政策选择很可能持续存在）。因此，预计相关政策举措将不再侧重于短期成本缓解，而更多聚焦于通过提升供应链韧性、确保可靠产能以及降低地缘政治风险来保护AI战略级存储器。对于较为常规的非前沿存储器应用场景（如汽车制造、消费电子等领域），政策制定者或可通过差异化许可机制及针对前者类别中可靠产能的定向供应支持，区分普通存储器与AI战略级存储器。值得注意的是，政治障碍、时间滞后以及相关的供应链限制仍可能削弱这些措施的效果。我们认为，强制分配或许只能作为最后手段——这虽能在短期内保护优势行业，但可能使存储器沦为受配给制约束的地缘政治商品。
总体而言，各项政策选项虽可缓解该问题，但最终无法彻底解决。
u直接补贴可支持新建晶圆厂、封装及测试产能，但可能无法迅速降低价格。
u税收抵免可鼓励投资，但针对性较低；采购担保能降低产能扩增的风险，但可能扭曲资源分配。
u快速审批流程可缩短产能达到时间，但实施难度较大。
u设备获取协调可支持盟国能力扩张，但必须与出口管制目标相平衡。
u战略储备虽能助力关键领域，但在技术快速发展的市场环境中却难以有效管理。
中国芯片产能是影响全球内存供应的最大波动因素，但其增长潜力受政策调控限制。
在2023至2028年期间，中国大陆的晶圆净新增量占比约为30%，仅次于韩国（见图表12）。然而，并非所有产能在技术水平、可及性方面都同等先进。
值得信赖。在NAND存储器领域，产能提升潜力显著：结合 YMTC 产能扩张、良率提高以及三星西兰工厂和Solidigm大连工厂的节点迁移，中国新增产能有望占到2028年全球NAND供应总量的17%-33%（见图13）。这一增长情景基于美国出口管制政策将大幅放宽的前提。
这并非我们的基准情景，因为我们并未假设 EUV 对华出口禁令会被解除。关键制约因素并非中国的雄心或投资意愿，而是能否获得尖端设备。
1.5 股票敞口
向Al领域供货的企业拥有定价优势，而采购方则面临利润空间压力。在代理型Al市场中，需求与定价权均倾向于内存、CPU及相关供应链领域。这一点从今年迄今的股票表现中可见一斑：全球市场均呈现此趋势。消费电子类股票平均下跌1%，而某内存制造商股价则飙升近300%，同时每股收益（EPS）创下333%的空前修正幅度YTD 。我们对此持持续乐观态度。例如DRAM供应商（三星、SK海力士、美光）、NAND存储器供应商（闪迪、 KIOXIA）以及HDD硬盘制造商（希捷、西部数据）。
这一机遇不仅限于单个存储芯片，更涵盖了整个Al系统。这一变革的受益者具有全球性和全栈特性。内存容量的激增主要源于近期代理式架构（agent-based architecture）的演进，其发展范围已远超传统主流的Al芯片范畴——我们将在下文详细阐述。Exhibit14 列出了相关股票的投资配置范围。
受益方包括CPU制造商、内存供应商、存储设备公司、先进封装与基板供应商，以及晶圆厂、设备制造商和服务器生产商。简而言之，代理型人工智能拓展了人工智能的投资领域，其重点已从拥有最佳加速器转向构建支撑智能代理运行的完整系统。
u美国半导体行业：由AI驱动的CPU需求结构上有利于AMD扩大云市场份额，但我们更倾向于通过 NVIDIA 和美光公司的AI赋能业务进行布局——这些业务的微增长和资本支出能更直接转化为盈利提升。
u美国半导体设备行业：计算需求与CPU总装机量（TAM）的持续增长推动 WFE 需求不断攀升，DRAM及前沿逻辑芯片（<5nm/2nm）产能扩张进一步提振了AMAT、KLA等设备厂商的业绩表现。
u美国硬件市场：AI需求激增为硬盘驱动器（HDD）需求提供了结构性利好，因为持续存储技术是处理日益增长的上下文数据、历史数据及系统级数据所必需的——目前约80%的云数据仍存储在磁盘上。我们预计HDD需求将持续强劲（需求增速达50%，而供应 CAGR 仅为30%以上），供应紧张将形成“长期坚挺”的定价格局，从而有利于希捷和西部数据公司。另一方面，我们认为美国硬件原始设备制造商（OEM）及超大规模供应商最易受到内存价格上涨或短缺的影响。在这些厂商中，那些(1)面向更多消费端用户、(2)业务规模较小且主要服务于大型企业客户（TAM）、(3)定价权和差异化能力较弱的企业面临最大的利润率风险。虽然服务器和存储设备OEM对内存价格上涨的敏感度高于上述群体，但AI的结构性需求赋予其更强的定价能力，并能将成本优势转嫁给终端客户（如戴尔、 HPE）。这使得小型消费电子及个人电脑厂商最易承受利润率压力。 AAPL 是我们对美国科技硬件领域唯一给予“增持”评级的OEM公司。
u欧洲半导体行业： ASML 的 EUV 工具是推动未来DRAM供应量扩大的关键因素，该公司受益于计算需求的增长和设计复杂性的提升。
u韩国科技：我们持续认为，三星电子和SK海力士是得益于人工智能CPU普及带动的内存市场需求增长而受益的主要企业。
u大中华区半导体行业：组件布局得益于每台服务器内存容量的结构性增长，而更高的CPU与DRAM密度则推动了对内存互连解决方案的需求。
u日本半导体行业：CPU复杂度的提升与内存容量的扩展推动了对先进半导体芯片（东京电子、Ulvac）及内存接口解决方案的需求，使瑞萨半导体成为更高DRAM带宽/容量要求带来的机遇受益者。Agentic Al公司同时满足NAND存储器需求（KIOXIA），并助力日本多家半导体厂商拓展数据中心应用领域。
1.6 什么因素可能挑战“芯片通胀”这一趋势？
人工智能领域的资金投入正在放缓。前沿大型语言模型之间的竞争减弱可能导致人工智能资本支出减少，并促使内存供应恢复充足水平。另一方面，人工智能模型架构、键值缓存及分词技术的显著改进，有望降低数据中心每次生成一个分词所需的内存用量。此外，人工智能基础设施高昂的建设成本也可能导致主要云服务提供商缩减基础设施建设规模。
电力与供电保障。可靠的规模化电力供应可能成为一大障碍，因为扩展先进人工智能模型并运行智能生态系统需要前所未有的电力负荷。新一代智能系统旨在通过持续高强度计算进行长期推理、规划和运行，这使得数据中心的电力消耗持续处于峰值状态，远超早期聊天机器人式人工智能常见的短期用电高峰。这对全球电网基础设施构成了严峻挑战。
需求破坏效应。对传统科技产品的内存需求破坏已经显现，可能表现为硬件利润率压缩、零售价格上涨以及市场结构转变（小型供应商和中型OEM厂商受到的影响尤为显著）。需求大幅放缓将缓解供应紧张状况，从而推动价格下降。
地缘政治与贸易政策。存储器与先进封装技术均属于全球供应链的一部分。任何新的限制措施或供应中断都可能改变供需格局。
2、内存：一个长期存在的瓶颈问题
2.1 快速入门：什么是存储？
2.2 AI内存墙
2.3 市场需求正从消费电子产品转向人工智能/服务器基础设施领域
2.4 供应响应缓慢
2.5 长期协议（LTAs）：保障供应分配与优先级的策略
人工智能基础设施的爆炸性需求已导致各类存储器（DRAM、 HBM 、NAND、HDD）均面临供应短缺。随着人工智能应用范围从数据中心扩展至边缘设备及物理AI领域，对存储芯片的需求或将进一步激增。在此背景下，这些组件将不再被视为普通芯片，而是成为全球数字基础设施中至关重要的AI支柱组件。
人工智能（AI）和数据中心正成为内存产品的主要采购方；我们预计DRAM需求中服务器市场的占比将从2023年的37%上升至2028年的59%，而企业级固态硬盘（SSD）在NAND存储需求中的份额则从18%跃升至65%。由此形成的市场格局更为紧张，非AI领域的采购商可能在较长时间内面临供应渠道受限的局面。
2.1 快速入门：什么是存储？
简要说明一下：什么是存储？Memory是计算机用于存储正在处理数据的工作空间——相当于你此刻正在使用的办公桌，而非身后的文件柜。对于计算机系统而言，有三种类型的内存至关重要：
u动态随机存取存储器（DRAM）是一种快速但成本较高的工作内存，被所有服务器、个人电脑和智能手机广泛使用。它是CPU用于存储并读取计算所需数据的存储介质。
uHBM（高带宽存储器）是一种高端DRAM类型，专注于提供最大数据传输带宽。 HBM 采用垂直堆叠结构，并直接固定在AI芯片上——正是这一存储层使得大型AI芯片模型成为可能，其快速的数据传输能力可有效缩短AI加速器的停机时间。可将DRAM比作单车道道路，而 HBM 则相当于支持数据传输的12车道高速公路。
uNAND是固态硬盘（SSD）中使用的存储器类型，其位置介于工作内存与速度较慢的HDD硬盘存储之间。NAND存储器用于保存训练好的模型权重、训练数据集以及人工智能系统调用时所需的缓存结果；同时亦可用于图片、视频及数据的存储。
这三种存储类型均至关重要，因为人工智能工作负载会同时大规模地使用所有三种存储方式。新一代机架级AI系统（如 NVIDIA 的VeraRubin NVL72）配备 20.7TB 连接GPU的 HBM 和 54TB LPDDR5X 内存供CPU使用，此外还包含本地或外部SSD存储。
引用原文《Rubin NVL72机架BOM、组件构成及ODM附加值分析》 VR200机架 BOM 的Bottom-Up分析
人工智能需求正同时在三个层面同步增长：每个芯片的内存容量提升、每套系统的芯片数量增加以及每个集群中的系统数量增多。自主智能体又通过更长的上下文窗口、更大的对话记忆容量以及跨多个智能体的重复推理，进一步加剧了这一压力。最终导致整个人工智能体系的所有环节都出现了内存使用强度的结构性提升。
2.2 AI内存墙
在人工智能领域，瓶颈日益凸显的不仅是计算能力，更是内存资源。随着推理任务从单轮对话转向智能体工作流，内存需求急剧攀升：大型模型需要将权重存储于内存中；而更长的上下文窗口和键值缓存则进一步增加了每个用户、每次会话及每个智能体的内存消耗。智能体集群更加剧了这一问题——由于多个智能体需同时维护或重载上下文信息，推理过程演变为一个巨大的内存容量与带宽挑战。因此，超大规模计算系统亟需增加 HBM 、服务器DRAM及企业级SSD存储容量，以应对当前内存使用量的激增，而非等到几年后新晶圆厂投产时才措手不及.
这种紧迫性正推动大型科技企业签订多年期长期协议（LTAs），通过预付款确保未来产能。生产商面临的挑战在于供应无法即时响应： EUV 工具配备、晶圆厂建设、工艺验证、 HBM 堆叠、封装、测试及良率提升均属于需要多年时间、耗资数十亿美元的项目。正因如此，当前显而易见的需求仍可能持续导致短缺局面直至2027年乃至更久。
供应响应需要具备需求透明度。供应响应措施即将实施，但必须基于明确的需求洞察和企业的商业承诺。我们的欧洲半导体团队预计 ASML 将根据 EUV 需求的持续增长来扩大产能——出货量预计将从去年的44套系统增至今年的60多套系统；随着需求透明度提升，产能潜力还将进一步提高。因此问题并不仅在于 ASML 的交货周期，真正的制约因素在于完整的转换链：内存客户需做出采购承诺、工具需按时交付、晶圆厂需做好准备、工艺流程需通过验证、良率需逐步提升，同时HBM封装/测试产能也需相应扩展。
新冠疫情后的市场周期为此提供了重要启示：英特尔和三星均因需求疲软及执行难题导致产能扩张延迟而推迟了 EUV 订单交付，从而引发设备供应链的订单波动。在此背景下，存储芯片制造商及超大规模制造商可能需要在产能建设前提供更明确的长期供应协议、预付款及产能分配承诺。
这印证了我们的观点：供应缓解确实存在，但将是分阶段实现的；即便 EUV 产能持续扩张，这种供应紧张状况也可能延续至2027年。
2.3 市场需求正从消费电子产品转向人工智能/服务器基础设施领域
DRAM服务器端的位需求占比从2023年的37%上升至2028年的59%，而个人电脑和智能手机领域的出货量占比则大幅下降。这一趋势至关重要，因为主要采购方的购买力日益增强、需求预期周期更长，并且更倾向于签订长期协议或预先支付采购款项。因此，定价策略与出货资源分配持续向人工智能/服务器基础设施领域倾斜，而传统消费终端市场则逐渐被边缘化。
NAND存储技术在企业级固态硬盘领域正经历快速的市场格局变革。NAND位需求中企业级固态硬盘所占份额从2023年的18%上升至2028年的65%，使人工智能/服务器存储成为推动NAND技术发展的关键驱动力。这一趋势反映了人工智能工作负载对存储资源的高依赖性，涵盖训练数据、模型检查点、增强生成检索、推理基础设施以及企业级数据湖等场景。
2.4 供应响应缓慢
新增存储产能将于2027年末投入运营，但仍无法满足所有市场的需求。从战略角度看，大部分可调配产能很可能将集中用于价格竞争力、利润率及客户订单量最突出的领域——即 HBM 级应用、服务器DRAM和企业级固态硬盘。尽管根据 TSMC 在2026年5月14日年度技术研讨会上的预测，人工智能半导体市场到2030年将增长约50% CAGR ，但我们预计DRAM产量的增长速度仅能满足约60%的需求，因为受 EUV 限制，年出货量不太可能大幅突破30%的水平。
我们预测，即使产能扩张步伐加快，DRAM供应仍将保持紧张态势。DRAM供应短缺率将从2023-24年的约4%-5%攀升至2025-26年的约17%，随后虽有所缓解，但到2027年仍维持在约15%的高位。关键问题在于时机选择。
uDRAM晶圆年产能增量将从2025年预计的约10.5万片/月攀升至2027年预计的约39万片/月，以及2028年预计的约46万片/月，主要由三星、SK海力士、美光和 CXMT引领。按历史标准衡量，这标志着供应量实现显著增长，但这一增长出现在供应极度紧张期之后。
uNAND存储芯片的供应量在2028年前仍将不足，供应充足率将恶化至2028年时约14%的缺口水平。产能新增仅在2024至2025年间实现净削减后才逐步回升，到2028年预计将达到约17万片每月，主要由三星、 KIOXIA /SanDisk、SK海力士/Solidigm、美光和 YMTC 引领。
u其中， CXMT 和 YMTC 是中国存储器制造商，其近期发展势头强劲，标志着供应端格局发生了显著变化。预计从2023年至2028年，中国大陆将占据全球DRAM产能新增总量的约31%，虽落后于韩国，但领先于美国、台湾地区及日本。本文将探讨中国在全球存储器市场中的地位及其引发的地缘政治议题。
新增产能投产的时机问题还受到实施风险的影响。新增存储器产能需要完成晶圆厂建设、设备交付、工艺验证、客户确认以及良率提升等工作。即使产能已正式公布，实际可产产出也可能滞后数个季度甚至数年。
2.5 长期协议（LTAs）：保障供应分配与优先级的策略
存储器行业正从以价格为导向的周期性采购模式，转向以供应保障为核心的长期协议（LTAs）。该行业的供应合同签订方式正在经历结构性变革。历史上，客户通常采取机会主义采购策略，定价主要取决于短期供需状况；在市场繁荣期，客户有时会签署长期协议以确保供应量，但这些协议往往约束力有限，在市场疲软时可重新谈判。
这一变化趋势尤为明显，因为内存资源的可用性现已直接与Al部署路线图挂钩。领先的云服务提供商（CSP）不再仅管理价格风险，同时也在应对供应风险。因此，多年期协议、生产容量保障以及预付款正变得愈发重要。
u三星已讨论将季度及年度合同升级为为期3至5年的长期协议。
uSK海力士指出，客户对中长期供应承诺的需求日益增长。
u美光公司宣布签署了一份为期五年的战略客户协议。
u闪迪公司表示，这些多年合作项目均获得了企业提供的财务担保支持。
uKIOXIA 表示，与超大规模客户的长期供应协议已延续至2028-2029财年。
正是在这里，我们看到了一个双层市场的雏形逐渐显现：Al/Cloud采购方首先锁定供应资源，而非长期协议（LTA）采购方则争夺规模较小且波动性更大的剩余资源池。
3、HBM 自我蚕食与双层市场
3.1 HBM 需求呈现非线性增长趋势
3.2 HBM 分配了不成比例的DRAM容量
3.3 HBM 供应量正在增加，但仍较为集中
3.4 HBM 模型更新
3.5 长期协议（LTAs）可构建两级内存市场
AI（HBM）正日益成为挤占传统内存供应的主要机制：它不仅消耗了先进的DRAM晶圆产能，还通过长期采购协议（LTAs）锁定了未来的供应渠道。这导致可用DRAM供应量急剧减少——我们的分析显示个人电脑DRAM缺口约15%，智能手机DRAM缺口约12%，相当于约5800万台个人电脑和1.34亿部智能手机的供应缺口。这种局面可能催生一个双层市场格局：大型AI买家可优先获得供应，而非AI买家则面临更高价格、更有限的供应配额以及更大的价格波动风险。
3.1 HBM 需求呈现非线性增长趋势
HBM 需求曲线AI堆栈的每一层都呈现复合增长趋势。随着A模型复杂度的提升及系统架构规模的扩大，内存需求也随之攀升。
更大的存储容量、更低的延迟、更高的带宽以及更优的能效。所有用于深度学习训练与推理的主流AI芯片均采用 HBM 技术来扩展内存容量。
通过增加堆栈数量、提升层级数量以及采用更先进的 HBM 代次，可提升每个芯片的带宽。 HBM 在Al芯片架构中起着关键作用，能够同时实现三个层级的规模扩展：
u在芯片层面，HBM 容量增长了7.2倍，从每块A100 GPU的40GB提升至每块Rubin GPU的288GB。在系统层面，内存容量的增长更为迅猛：一台配备8个GPU的A100服务器约拥有320GB HBM ，而Rubin NVL72机架级系统则可容纳20.7TB，容量提升幅度达65倍。
u在集群层面，内存消耗呈指数级增长。2020年的一台配备约256个A100 GPU的训练集群存储了约10TB的 HBM ；而2026年的一台配备超过20万个GPU的前沿计算集群则可存储约18PB的 HBM ，增幅高达约1800倍。
3.2 HBM 分配了不成比例的DRAM容量
HBM 的影响远不止于DRAM需求的逐步增长。由于芯片尺寸显著增大、三维堆叠技术、通孔结构（TSV）、先进封装工艺、严苛测试流程及客户认证要求带来的良率难题，它还会导致吞吐量出现明显下降。这些因素不仅大幅降低相较于传统DRAM的有效位输出量，还加重了晶圆制造、封装及测试环节的产能压力。
我们的模型显示，HBM 位输出的工艺成本从2021至2024年约为传统DRAM晶圆的3.0倍，到2028年底将升至约4.3倍。换言之，每单位 HBM 输出所需的晶圆产能显著高于传统DRAM输出。
与此同时，HBM 正逐步占据日益紧张的晶圆供应池中的更大份额。其占比从2023年的前沿存储器晶圆总量的约6%上升至2028年的约34%。客户不仅增加了新需求，还占据了原本可用于支持DDR、 LPDDR 及传统服务器DRAM的更多前沿产能份额。
3.3 HBM 供应量正在增加，但仍较为集中
HBM 位需求的显著增长主要由AI芯片需求推动。 HBM 产能正快速提升，但市场仍集中于三星、SK海力士和美光公司手中。我们预计到2027年底， HBM 产能将从2026年的约 48万片/月 增至约 61万片/月。
即便存在这一增长势头，供应仍面临限制，因为HBM 产能不仅取决于晶圆产量起始量，还取决于良率、利用率、TSV（通孔结构）能力、先进封装技术、测试能力以及客户资质。其中客户资质尤为关键：并非所有 HBM 产能都能立即被所有加速器客户使用。
那么中国 HBM产业的情况如何？现行出口限制禁止所有原始 HBM 堆栈进口至中国；不过，含有 HBM 的芯片仍可出口，前提是不超出相关数量限制。CXMT 正快速扩大 HBM 产能，计划今年推出HBM3产品，并于2027年推出HBM3e产品以支持国内AI芯片需求。
其他新进入者（如 XMC（武汉新芯））已开始生产 HBM 晶圆，并配备新型DRAM芯片，预计将于今年晚些时候由 YMTC 投产。目前产能仅处于研发阶段，但计划在未来几年逐步提升。
3.4 HBM 模型更新
我们对 HBM 模型进行了以下关键更新：
产能：我们预计三家厂商都将持续大力推进后端产能扩张。若价格谈判顺利推进，预计到2027年底总产能将达到61万卷/月，且存在进一步提升空间。
收益与 UTR ：我们上调了对三星电子的 UTR 和收益预期，因为其关键客户对HBM4技术的验证进展顺利，且公司管理层对2026年下半年市场份额的增长充满信心。
供应充足性：就 HBM 而言，我们认为今年供需平衡将较为紧张；但随着Rubin Ultra产能在2027年末逐步提升且按现有产能扩张计划推进，到2027年 HBM 可能出现短缺。就DRAM行业的整体供应充足性而言，根据我们的渠道调研数据，我们预测2026年智能手机、个人电脑及消费类DRAM需求将下降7%-14%，而服务器DRAM需求将增长近100%。因此，我们预计2026年DRAM大宗商品供应量增长率将升至48%，而供应增长率仅为29%；DRAM与 HBM 的总供应充足率也将从2025年的-4%降至-17%。我们对2027年DRAM大宗商品供应量（37%）和需求量（32%）的同比增长预测，基于美国半导体团队的 WFE 模型预测及我们的 HBM 预测。对于2027年，我们预计供应充足率将小幅改善至-15%。
NVIDIA 占据了 HBM 需求的最大份额，我们预计这一趋势将在2027年持续下去，这得益于其RubinUltra路线图——该路线图将每块GPU的存储容量提升至1TB。
随着 TPU 和 MTIA 销量激增，博通公司业绩紧随其后；其他增量项目则带来小幅增长。亚马逊亦成为主要HBM 客户之一，并制定了雄心勃勃的Trainium Al芯片发展路线图。
3.5 长期协议（LTAs）可构建两级内存市场
随着顶级云服务提供商通过长期协议（LTAs）确保多年供应，剩余内存市场供应链结构可能变得更加紧张：未签订长期协议的客户可能需从规模较小的非承诺供应池中采购产品，价格可能更高且波动更大。我们认为这将成为所有未优先获得长期协议的采购方必须承担的结构性成本。
历史上，个人电脑或智能手机需求疲软往往有助于缓解DRAM市场的紧张状况并降低整体价格。但在本轮周期中，即便消费电子领域需求减弱，AI需求仍维持严格的供应配额——因为 HBM 和服务器应用已成为优先采购领域，而供应商的激励措施进一步巩固了这一分配格局。
在上一轮内存市场低迷期结束后，当AI客户提供更具竞争力的价格、更高的利润率以及更长期的合同时，供应商便缺乏动力向市场大量投放大宗商品供应。
我们针对两大非服务器终端市场（个人电脑和智能手机）开展了DRAM充足性分析。
基于2027年DRAM+ HBM 总供应量为5735.03Gb，我们将其分配为70%用于服务器应用，30%用于非服务器应用。在非服务器应用中，PC占比17%，智能手机占比58%，与历史趋势一致。就PC端而言，自下而上的需求量为343.86Gb，意味着存在51.38Gb的缺口（降幅15%）。智能手机市场的形势同样严峻：智能手机DRAM总需求达1131.25Gb，而可供应量仅为997.90Gb，导致缺口达133.35Gb（降幅12%）。
短路故障率对内容假设条件极为敏感。在个人电脑领域，每台设备89GB的基础配置会导致短路故障率高达-15%；若将内容量同比维持在83GB，则该数值降至-9%；而将规格要求降低至77GB时，故障率进一步降至仅-2%。智能手机的情况亦如出一辙：以99GB为基础配置时（故障率为-12%），内容量稳定在95GB可将差距缩小至-7%，若规格要求降至90GB则故障率进一步降至-2%。
这种“通读效应”具有双重含义：首先，单位体积风险取决于内存内容的假设条件，而非绝对供应量——原始设备制造商（OEM）拥有明确手段来保障出货量；其次，这一手段并非免费：每减少一GB用于提升单位体积性能的配置参数，就意味着放弃一GB的内容增长空间，因此该调整最终通过抑制内存位需求来解决单位容量不足的问题。市场将通过减少设备数量或降低单设备内存密度来实现平衡——而更可能的结果则是两者的结合。
这增强了供应商的定价能力并改变了市场格局。向战略性AI客户提供的供应量越大，面向机会型采购商或非长期采购协议（LTA）买家的供应灵活性就越低。即使消费者需求部分减弱，这一机制也能增强平均销售价格（ASP）的稳定性。
