От падения Elpida до подъема Micron: перестройка базовой логики памяти чипов

2012 年全球顶级 DRAM 内存制造商尔必达正式宣告破产。

作为曾经日本半导体产业的标杆企业，尔必达整合 NEC、日立、三菱三大巨头核心技术，即便有日本政府出手注资兜底，依旧难挽颓势。公司背负 4300 亿日元巨额债务申请破产保护后，最终被美国美光科技以 2000 亿日元收购，经整合消化后彻底退出行业舞台。

回望行业发展历程，英特尔、德州仪器、摩托罗拉均曾布局 DRAM 赛道，后续又相继退出市场。日本整个半导体内存产业，从鼎盛走向崩塌仅用了不到二十年。随后韩国企业接棒崛起，三星、SK 海力士依托政府补贴，辅以激进价格战横扫全球市场，挤压所有竞争对手生存空间。

而美光科技成为最终幸存者，也是目前美国本土唯一具备先进存储芯片大规模量产能力的企业。这家总部坐落于爱达荷州博伊西的厂商，长期蛰伏在英伟达、台积电产业光环之下，不涉足 GPU 设计，也不布局逻辑芯片制造。但随着 AI 算力需求迎来爆发式增长，一个尘封数十年的物理瓶颈愈发凸显：计算单元等待数据传输的耗时，已然超过计算本身耗时。这一行业痛点无软件优化路径可解，只能依靠硬件技术突破，而这正是美光深耕四十年的核心赛道。

AI 计算核心桎梏：内存墙成行业共性难题

在冯・诺依曼架构体系下，GPU、TPU 计算单元与主存储器在物理电路层面相互独立。计算单元内置小容量 SRAM 作为片上缓存，大模型权重及输入数据主要存储于片外 DRAM，数据需通过中介层以电信号形式完成跨区域传输。

以 700 亿参数大语言模型为例，FP16 精度下仅模型权重就需占用约 140GB 物理内存。当前主流高端 AI 计算卡显存容量集中在 80GB 至 192GB，大尺寸模型只能拆分至多卡协同运行。过去十年，芯片算力实现指数级跃升，但内存带宽受物理引脚数量、信号频率、散热极限约束，增速远落后于算力迭代。当计算性能超出内存供给能力，计算单元陷入空转等待，硬件利用率大幅折损。

AI 分为训练与推理两大核心场景，底层逻辑差异显著。训练阶段主打大批量并行处理，同一数据在计算核心缓存反复调用，算术强度偏高，核心瓶颈集中在计算速度而非内存，属于典型计算密集型场景，英伟达的算力优势在此充分释放。

推理阶段逻辑全然不同，大语言模型依靠自回归机制逐 Token 生成文本。为规避重复计算历史注意力分数，系统需在显存中搭建 KV Cache 缓存机制。以 4096 上下文长度为例，单用户请求便占用约 1.34GB 显存；两块 A100 扣除模型权重占用空间后，仅剩余 20GB 可用于 KV Cache，最多仅能承载 14 个并发请求。推理阶段算术强度极低，性能完全受内存带宽制约，属于访存密集型任务，HBM 物理传输速率直接决定业务吞吐量上限。

从能耗维度来看，从片外 HBM 读取每比特数据能耗约 10—20 pJ/bit，而单次 FP16 浮点运算能耗仅 0.1 pJ，数据搬运能耗是计算能耗的 100 至 200 倍。大规模推理场景中，若无法优化内存访问模式，数据中心大量电力将耗费在总线数据传输，而非实际逻辑运算，这也成为美光持续深耕 HBM 技术的核心驱动力。

美光科技基本面与 AI 供应链定位

美光是典型 IDM 整合元件制造商，实现芯片设计、晶圆制造、封装测试全链路自研自产，且晶圆厂聚焦存储芯片赛道，不涉足 CPU、GPU，专注内存与闪存产品研发生产。

收入结构层面，DRAM 业务贡献超七成营收，NAND 闪存占比两至三成，NOR 闪存业务体量相对偏小。其中 DRAM 为通用内存条核心载体，NAND 是固态硬盘关键介质，NOR 闪存多用于汽车电子、工业设备，承担启动代码快速执行功能，小众赛道却具备不可替代性。

业务布局上，美光划分四大板块：面向数据中心与服务器的计算网络业务、适配智能手机的移动终端业务、服务企业级存储的固态硬盘业务，以及布局汽车与工业领域的嵌入式业务。

在 AI 供应链体系中，英伟达负责 GPU 设计、台积电承接晶圆代工，美光虽不参与这两大环节，却是 AI 加速卡不可或缺的核心零部件供应商。单靠 GPU 逻辑芯片无法支撑大模型运行，推理场景的性能瓶颈锁定内存带宽，因此英伟达 GPU 需紧密集成 HBM 高带宽内存。美光与 SK 海力士、三星同为 HBM 核心供给商，产品经台积电 CoWoS 先进封装，与 GPU 整合为完整 AI 计算模块。GPU 相当于 AI 算力大脑，HBM 则是高速数据传输通道，二者缺一不可。

赛道竞争逻辑上，英伟达依靠架构与生态构筑护城河，美光则以制程工艺、堆叠封装技术持续迭代建立行业壁垒。HBM 每一代带宽升级，均依托更精密的 TSV 硅通孔工艺与更高堆叠层数，技术准入门槛极高。

DRAM：AI 算力背后的底层基础设施

在传统计算机架构中，DRAM 作为主内存，完美适配硬盘大容量低速度、CPU 高速度小缓存的速度差痛点。程序运行时，系统将数据从硬盘载入 DRAM，CPU 以纳秒级延迟、超高带宽完成数据读写，系统内核、后台进程均实时驻留其中。DRAM 具备断电数据丢失特性，内部电容存在自然漏电，需持续刷新维持数据存储，基础单元由 1 个晶体管搭配 1 个电容构成。

迈入 AI 时代，DRAM 应用形态与需求逻辑彻底重构。计算核心从 CPU 转向 GPU，DRAM 不再局限于主板 DDR 内存条形态，而是以 HBM 高带宽内存形式，借助 TSV 硅通孔技术垂直堆叠，与 GPU 共封于硅中介层。

当下 DRAM 核心价值聚焦两大维度：一是大模型权重装载，700 亿参数模型 FP16 格式下需 140GB 存储空间，推理前必须全部载入 HBM；二是 KV Cache 动态占用，大模型生成文本需缓存历史上下文，上下文长度越大，显存占用越高，单台高端服务器并发承载能力受限。训练场景显存消耗更为夸张，除模型参数外，还需留存多层中间计算结果，叠加优化器额外数据占用，显存需求可达推理场景的三至四倍。

受内存墙制约，GPU 算力增速远超内存带宽迭代速度，推理阶段 GPU 频繁空转闲置，HBM 带宽升级直接决定 AI 推理服务器吞吐量上限，这也是美光加码 HBM 研发的底层逻辑。

存储三强格局：三星、SK 海力士、美光差异化竞技

全球 DRAM 市场由三星、SK 海力士、美光三家寡头垄断，合计占据约 95% 市场份额，三家核心优势各有侧重。

制程迭代方面，美光领跑行业，从 1-alpha、1-beta 到 1-gamma 节点，始终率先实现新一代高密度 DRAM 量产，单片晶圆芯片产出更高，单比特制造成本更低，毛利率优势突出。三星 14nm 以下制程遭遇良率瓶颈，迭代节奏放缓；SK 海力士制程进度与美光处于同一梯队。

HBM 赛道格局则截然不同，SK 海力士稳居行业龙头，占据超 50% 市场份额，是英伟达高阶 GPU 首发独家供应商，凭借 MR-MUF 封装工艺，在多层堆叠散热与良率控制上构筑绝对优势。美光作为后入局者，跳过 HBM3 直接攻坚 HBM3E，依托能效优势切入英伟达供应链，采用 TC-NCF 封装工艺，制造难度偏高，产能与市场份额不及 SK 海力士。三星在 HBM3、HBM3E 阶段因发热与功耗问题未能通过英伟达测试，错失 AI 内存红利窗口期，目前押注 HBM4 寻求弯道超车。

能效表现成为美光差异化突破口，同等带宽下美光 HBM 功耗较竞品低 20% 至 30%，单卡差异看似微小，规模化部署至数万卡数据中心后，可大幅降低电费与散热成本。同时旗下 1-gamma 制程 LPDDR5X 速率达 9.6Gbps，功耗同步下降 30%，完美适配移动端本地 AI 模型续航需求。

产能规模层面，三星凭借绝对体量稳居榜首，可依托价格战掌控市场；美光产能垫底，规避同质化价格竞争，聚焦技术溢价路线，依靠制程、能效领先锁定市场地位。

除 DRAM 与 HBM 外，NAND、NOR 闪存构成美光第二增长曲线。NAND 闪存市场美光稳居全球第四至五位，份额维持 10% 至 15%；NOR 闪存赛道放弃低端消费级市场，专注车规级、工业级高端领域，主导 Octal xSPI 高速接口标准，产品通过 ASIL-D 最高安全认证，依托自有晶圆厂提供十年以上长期供货，绑定汽车与工业核心客户，避开价格战红海，凭借可靠性与性能赚取行业溢价。

美光估值逻辑及同业对标

当前美光股价约 600 美元，市盈率 21.44 倍，市值约 6500 亿美元。华尔街投行 12 个月目标价区间 400 至 675 美元，均值接近 500 美元，整体估值处于低估区间。

过往存储芯片属于强周期行业，行业景气度带动产能扩张，进而引发产能过剩、价格暴跌，市场普遍仅给予 8 至 10 倍市盈率。如今美光估值大幅抬升，核心在于 HBM 重构收入结构：传统 DDR 内存受市场供需波动影响极大，而 HBM 采用锁单生产模式，投产前已与英伟达等头部客户签订长期不可撤销供货协议，2026 年 HBM 产能已全部售罄，营收从周期波动转向合同化稳定收益，市场将其重新定义为 AI 基础设施供应商，估值倍数随之抬升。

同时叠加政策与资金加持，作为美国唯一先进存储制造企业，受益于《芯片法案》及供应链本土化趋势，机构资金持续配置，赋予流动性溢价。

同业对标来看，SK 海力士市盈率仅 12.17 倍，虽手握过半 HBM 市场份额、绑定英伟达高端供应链，但受韩国财阀治理结构影响，股东分红与回购比例偏低；叠加近 40% 常规 DRAM 产能布局中国无锡产线，受海外设备出口禁令制约，产线无法迭代先进制程，面临产能迁移与资产贬值潜在风险，估值被持续压制。

三星电子市盈率达 34.18 倍，并非估值溢价，而是净利润分母塌陷所致。三星业务覆盖存储、晶圆代工、智能手机、显示面板等多元板块，代工业务追赶先进制程投入巨额资金却良率低迷，持续亏损拖累集团净利润，股价受本土资金托底保持稳定，进而推高市盈率数值。

机构看好美光的核心逻辑清晰：HBM 营收占比提升拉动毛利率上行；长期供货协议锁定收入确定性；产能向 HBM 倾斜压缩普通 DRAM 供给，支撑全系产品涨价；1-gamma 制程量产后进入资本开支回报期，自由现金流持续改善。需注意的是，存储行业周期并未完全消失，仅被 HBM 长单平滑，若 AI 基建投资放缓、三星 HBM4 实现技术反超，行业供需格局或将重新洗牌。

HBM 核心评判标准与下一代互联技术 CXL

行业各家厂商均主打自家 HBM 产品优势，评判 HBM 品质核心看三大关键参数：

一是引脚速率，决定数据传输带宽。HBM 依靠千级微凸块与 GPU 互联，引脚速率代表单通道每秒数据传输量，行业标准总线宽度固定 1024 引脚，总带宽遵循固定换算公式。美光 HBM3E 标称 9.2Gbps，单堆栈带宽约 1.2TB/s，优于竞品 8.0 至 8.5Gbps 的主流水平。但速率提升伴随功耗与信号失真风险，电压频繁翻转产生热量，速率过高易导致信号错乱，影响数据传输稳定性。

二是能效指标，以 pJ/bit 为单位，数值越低能耗控制越优异。HBM 与 GPU 共封装运行，功耗过高将加剧散热压力，迫使 GPU 降频减算力。美光依托 1-beta 工艺低电压设计，能效较竞品高出约 30%，大幅降低数据中心电费与散热成本。

三是热阻与封装工艺，也是 SK 海力士核心护城河。温升由功耗与热阻共同决定，HBM 多层堆叠结构热量传导难度大，层间填充材料直接影响热阻高低。行业主流分为 TC-NCF 与 MR-MUF 两大工艺，美光、三星采用 TC-NCF 工艺，压合易残留气泡、热阻偏高；SK 海力士 MR-MUF 工艺以液态填料填满缝隙，无气泡残留、热阻更低。

热阻偏高将引发连锁反应，环境温度升高会加速 DRAM 电容漏电，迫使内存控制器频繁刷新数据，挤占有效带宽；同时封装工艺决定堆叠层数上限，层数越多，机械应力与热膨胀适配难度越大，良率管控压力指数级上升。

研读厂商 HBM 技术资料，只需聚焦三点：标称速率的测试电压、堆叠层数与单颗容量、终端核心供货客户，客户实测验收是技术实力的最终验证。

CXL：AI 集群内存池化的下一个战场

HBM 解决单 GPU 内部带宽瓶颈，当 AI 集群扩展至数千张 GPU，内存资源分配低效、跨设备缓存不一致成为新痛点，CXL 技术应运而生。

传统数据中心内存物理绑定单台服务器，无法跨设备共享，常出现部分节点 KV Cache 爆满、部分节点内存闲置的内存搁浅问题，行业搁浅率高达 20% 至 30%，造成严重资本浪费。同时 CPU 与 GPU 缓存数据不同步，传统软件同步方式延迟高、性能损耗大，还需人工代码适配，容错率低。

上述痛点根源在于 PCIe 协议局限，仅适配大块数据搬运，无缓存一致性机制。CXL 协议基于 PCIe 物理层重构逻辑，针对性优化内存语义与缓存一致性，依靠硬件自动维护缓存状态标记，纳秒级完成数据同步，无需系统与代码干预；采用固定 FLIT 传输格式，简化数据解析流程，远端内存访问延迟大幅降至 170 至 250 纳秒。

同时 CXL 可通过交换机搭建共享内存池，脱离单服务器物理绑定，微秒级动态调配闲置内存资源，彻底解决内存搁浅难题。

美光推出 CXL Type 3 内存扩展模块，基于自研 DDR5 工艺打造，与 HBM 形成高低搭配：HBM 聚焦单卡超高带宽、低延迟场景；CXL 主打跨节点大容量内存扩展，支撑 TB 级资源池化。行业落地中，热数据留存本地 HBM，长上下文冷数据卸载至 CXL 内存池，通过预取机制掩盖传输延迟，助力百万 Token 超长上下文模型落地。

赛道格局上，HBM 市场竞争趋于白热化，CXL 内存扩展仍处于发展早期，行业格局未定。美光作为纯存储厂商无历史包袱，且 CXL 模块沿用标准 DDR5 工艺，无需复杂堆叠封装，良率与产能压力可控，有望抢占赛道先发优势。

行业底层经济学与前沿技术瓶颈

先进 DRAM 晶圆厂造价高达 150 至 200 亿美元，单台 EUV 光刻机成本超 2 亿美元，叠加配套供电冷却系统投入，设备 5 年折旧周期下，每日摊销成本数额巨大，设备利用率需维持 95% 以上才能摊薄制造成本。需求下行时厂商难以减产，只能硬撑承压、发起价格战，这也是存储行业强周期性的底层根源。

HBM 造价居高不下同样源于物理约束，多层 DRAM 裸片垂直堆叠，任意一层缺陷即整颗模块报废，良率随堆叠层数增加呈指数级下滑。即便单片裸片良率达 95%、层间键合良率 99%，8 层 HBM3E 总良率仅约 61%，12 层 HBM4 良率不足 50%。SK 海力士液态封装、美光制程良率爬坡，本质都是为提升整体良率、降低单位成本，而良率爬坡与产能扩张无法速成，决定 HBM 价格短期难大幅回落。

存内计算 PIM 技术提出二十年仍未规模化商用，核心卡在物理工艺矛盾。DRAM 晶体管需低漏电、高阈值电压保障电荷存储，开关速度偏慢；CPU、GPU 逻辑芯片追求低阈值电压、高开关频率，漏电流偏高，两者工艺需求天然冲突。若强行在 DRAM 植入运算单元，算力大幅落后 GPU，且运算发热加速电容漏电，影响数据可靠性。

行业目前折中路径，是在 HBM 底部 Base Die 集成轻量化 AI 算力，借用台积电先进逻辑工艺制造，规避 DRAM 工艺约束，但距离真正存算一体仍有较大差距。

长远来看，美光核心竞争逻辑明确：依托 1-gamma 制程压低单比特成本，凭借 HBM 高利润锁定定价权，以长期供货长单平滑行业周期。但行业仍面临结构性瓶颈，DRAM 平面微缩逼近物理极限，3D 堆叠良率损耗随层数递增，存算一体短期无商用突破路径。未来行业竞争不再依赖单一技术节点领先，而是良率工程、封装工艺、系统集成的综合能力比拼，这也是存储巨头数十年技术沉淀构筑的深层护城河。

行业推演不难发现，芯片产业迭代始终陷入循环：算力不足便扩大芯片面积，面积扩容制约良率；转向互联架构又面临数据搬运延迟；芯片堆叠破解互联难题，却衍生散热痛点，散热恶化再度拖累良率。归根结底，芯片产业的终极竞争终将回归材料学，而光子互联、二维半导体材料、颠覆式计算架构，或将成为突破现有物理桎梏的核心方向。