因为 DRAM 密度增长 scaling 越来越慢，以及 HBM 升级换代导致 DRAM 堆叠倍数的增加，供给端的扩产难度持续增加
====================================================================
2000 年附近，DRAM 每片 wafer 上 DRAM bit 密度每年增长大概 45%，也就是说，就算晶圆 wafer 数量不扩产，每年的供给端 DRAM bit 仍然可以增长 45%
十年前，DRAM bit 每年密度增长降到了 20%，而现在，DRAM bit 每年密度增长降到了 9%。以前 DRAM 扩产甚至不怎么需要新建厂房就能得到每年 20~30% 的 bit volume 上升，现在 DRAM 要扩产，更多的是靠 wafer 数量的增长，也就是新建厂房和 clean room。
另外一个 HBM 快速扩产难度在于，HBM3e 大概需要 3 倍的 DRAM wafer 晶圆，而 HBM4 由于堆叠密度的增加，大概需要 4 倍的 DRAM wafer 晶圆数量，相当于 HBM bit 相对于 DRAM bit 一直变得更难制造，单位 DRAM wafer 数量制造的 HBM bit 越来越少，相当于在通缩
AI半導體終局推演：缺口至少還將持續五年？
当半导体结构性演进到 AI 推理主线，内存和存储成为了最大瓶颈，市场对内存和存储最大的怀疑就是：
HBM/DRAM/SSD 会不会摆脱传统周期性？
依赖 HBM 指数增长的 GPU 架构路线进化路线，会不会停止？什么时候停止？
长鑫扩产的影响有多大？会不会把这个市场重新带入周期泥潭？
本篇尝试去建立一个框架来梳理这几个问题
万物皆周期，而内存的周期性又特别强，最大的来源在于扩产周期过长，无法快速扩产和需求短缺时期错配
摆脱传统周期性几种可能的方式
定制化：产品不可互换，产能不能随便转移，需要签长约。
结构性的指数级需求增长：需求曲线本身很陡峭，而且供给一直追不上。
技术迭代快速升级：每一代产品都快速淘汰上一代。
满足任何一条，就能部分摆脱传统周期；满足两到三条，就能摆脱大部分传统周期
根据这个框架，HBM 在三条里，大概占了两条半
HBM 确实有定制化和 Nvidia codesign 的成分，但并不是很强。真正定制的部分只在封装和 base die，上面那十几层 DRAM die 仍然是完全 JEDEC 标准化的。
比如当 Samsung 的 HBM3E 在 NVIDIA 的 qualification 上没过、份额从大约 60% 一路跌到 20% 的时候，它并没有把这批产能砸在手里报废，而是转手就供给了 Google 的 TPU、AMD. 物理上，给 NVIDIA 的 HBM3E 和给 AMD 的 HBM3E，是同一个东西。所以产能仍然是部分可以自由转移的。
HBM4 之后的定制化更多一些，包括在 base die 上集成定制逻辑和/或缓存。更复杂的方式是将 HBM4E 内存控制器和定制 die-to-die 接口直接放入逻辑 base die
SemiAnalysis 提到 OpenAI、NVIDIA 和 AMD 各自都在做定制 HBM 的工作，但这指的是 base die 的定制，上面的 DRAM 层仍然是标准的。
部分定制化的特性，HBM 主要在封装上需要合作，这也导致了客户必须签长约，但产能也确实可以转移，所以 HBM 能勉强算半条。
最直观的原因，就是 Nvidia token factory token throughput 的硬件升级需求，导致了 HBM 带宽的升级换代极快，以及 HBM size 需求的指数增长
这一条其实就是上一篇 AI 半导体终局推演 2026(I) 的结论：
token throughput = HBM size × HBM 带宽，每一代翻倍。
HBM size per GPU 大概每年增长 40% 以上
这条需求曲线的陡峭程度，是 DRAM 供给端 14% 的 wafer 增长，乘以 9% 的 density 提升，很难追上的
在硬件领域，因为 attn 阶段 KV cahce 的极高带宽和极高 memory size 的要求，也导致了 HBM 独特的地位。即便是 HBM 涨价三五倍，把钱花在 HBM 上带来的边际 token throughput 提升，仍然比花在其他地方要划算的多。
其他几个 Memory 路线，SRAM，HBF，CXL，PIM，目前都无法在 HBM 的主力赛道 kv cache/attention 上正面竞争，起码未来 5 年甚至更长时间，不太可能找到替代路线
DDR3 时代过了 15 年，仍然只是 DDR5 时代，而 HBM 的升级换代的速度基本上是两年一代，比传统 DDR 要快很多很多，而且近来还有加速的趋势，HBM size x HBM BW 每一代翻倍，目前是完全符合这个规律的
每两年一代 HBM 升级，NV GPU 速度基本是指数型上升：2TB/s ->3.5TB/s->4.8TB/s ->8TB/s->22TB/s，而且 HBM 的速度和推理 token throughput 是完全线性正比的，上一代 HBM 的边际使用成本会不划算，大家都有动机去尽量用最新的产品，虽然更贵，但是带来的收益 (token throughput) 是更多的
Token factory 时代的逻辑是，技术升级（HBM 带宽）的越多，赚的越多
这个速度差，造成了一个和 CPU 类似的局面：旧产品快速贬值，于是囤货的价值在变低，比如说，HBM3 的价值贬值的非常快，今天基本上主流产品不会用了
所以 HBM 厂商的理性选择，从拼当前的产能去占市场（quantity competition），变成了在稳定性和 HBM 速度上拼技术，拼下一代在 NVIDIA 平台上的 qualification 份额（quality competition），从而避免了在传统周期的下行波段，大家都不愿减产掉市场份额的囚徒困境。
HBM 和传统 DRAM 比较，三个条件里满足了两个半，那么 HBM 能摆脱传统周期性吗？
内存周期性的来源，主流叙事是，DRAM 有 Commodity 属性（无差异化 → 价格战 → 库存可囤积），所以有周期性。
而 Commodity 属性本身并不产生周期，它只是一个振幅放大器
特别是 DRAM 领域里，曾经产生过囚徒困境，在下行周期 Samsung 曾经扩产抢市场份额，谁先减产谁吃亏，导致谁也不敢轻易减产，最后大家都亏损惨烈
实际上周期性的主要结构性来源是供给周期太长，很容易和需求周期错位。建一座 fab 要 3 年，投资上百亿美元，一旦决策就不可逆，而需求增长会有不稳定性，每次出现新范式增长，比如云服务，移动互联网手机，疫情线上需求，会有爆发式增长，而过了两年增长会放缓，供给高于需求，降价过猛，就变成了亏钱周期
万物皆周期，HBM 这一条同样是无法避免，但只要 token 需求仍然是指数型增长，结构性的指数增长会减弱周期性，因为需求可预测度更好，而且一旦降价，客户就有增大 HBM size 的需求（从而增大 token throughput），加上 HBM 有一点定制化要求导致都是长约，从而从周期性转化成成长周期性，而且这一轮周期会特别长
· 周期性：上行周期赚的多，下行周期亏的多
· 成长周期性：上行周期赚的多，下行周期赚的少
另外，HBM/DRAM 在这三条摆脱传统周期的条件的基础上，还有一条重要优势：
2000 年附近，DRAM 每片 wafer 上 DRAM bit 密度每年增长大概 45%，也就是说，就算晶圆 wafer 数量不扩产，每年的供给端 DRAM bit 仍然可以增长 45%
十年前，DRAM bit 每年密度增长降到了 20%，而现在，DRAM bit 每年密度增长降到了 9%。以前 DRAM 扩产甚至不怎么需要新建厂房就能得到每年 20~30% 的 bit volume 上升，现在 DRAM 要扩产，更多的是靠 wafer 数量的增长，也就是新建厂房和 clean room。
另外一个 HBM 快速扩产难度在于，HBM3e 大概需要 3 倍的 DRAM wafer 晶圆，而 HBM4 由于堆叠密度的增加，大概需要 4 倍的 DRAM wafer 晶圆数量，相当于 HBM bit 相对于 DRAM bit 一直变得更难制造，单位 DRAM wafer 数量制造的 HBM bit 越来越少，相当于在通缩
HBM 未来有一天，会不会从成长周期性，变回传统周期性？最重要的因素是结构性指数增长，那么
AI 推理时代，这个依赖 HBM 指数增长的 GPU 架构路线进化路线，会不会停止？什么时候停止？
token throughput = HBM size × HBM 带宽，这个 HBM 指数增长的第一性原理里的 HBM size 的增长原因正是 KV cache 的增长。KVCache 的特性以及 Attention 的特性, 也是非常契合 HBM 的。甚至让 HBM 领先于其他的技术路线, 能够最大化地让 KVCache 和 Attention 阶段的利用率。
换言之，如果 KV cache 从架构上不存在了，那么 HBM size 指数增长逻辑也会受到挑战
所以这个问题的本质其实是，这一轮以 Transformer 为代表的 attention 机制、以及由它衍生的 KV cache 机制，会不会消失？退潮之后会不会被取代？
从历史规律来看：每一次 AI 模型架构革命，真正被保留下来的，是那些在数学上具有某种普适性的 primitive 操作
举个例子：FFN（前馈网络，也就是模型里大量的 MLP 层）是 2012 年深度学习时代的产物，但它一路活到了今天的大语言模型里，并且仍然占据着模型相当大的参数量。它为什么能活下来？因为这也是一种 universal approximation theorem（通用逼近定理）：任何足够宽的 MLP 都能逼近任意连续函数
Attention 大概率也是这样一个会被保留的 primitive。因为它解决的是一个同样基础的问题：序列 sequence 中任意两个位置之间的 dynamic routing（动态路由），让一个序列里任意两个位置都能按需建立联系。这个能力一旦被验证有效，就很难被丢弃
所以即便未来架构从纯 Transformer 向混合架构演进，或者向世界模型演进，但 attention 层依然会存在，KV cache（或者它经过 latent compression 之后的等价物）依然需要，HBM 依然会作为推理核心之一，这个依赖 HBM 指数增长的 GPU KV cache 架构路线进化路线，不会停止
那么 DRAM 呢？在未来有没有摆脱传统周期性的可能？
HBM 摆脱周期性在市场上有一定共识，但 DRAM 摆脱周期性，市场目前基本没有共识
还是回到刚才的框架，三个摆脱传统周期的条件里，DRAM 是没有定制化的，所以就只能看技术迭代速度，最关键的还是要看，有没有结构性的指数增长，答案是有的
在 AI token factory 这个概念里，结构性指数增长的确实主要是 HBM。但事情在 2025 年年底之后起了变化：随着 agentic CPU 开始释放潜力，CPU 附带的那部分 DRAM 需求，正在成为 DRAM 新的结构性指数增长来源
这部分的增长逻辑分两层：第一层是 CPU 服务器 TAM 的快速增长，第二层是每个服务器 CPU core 配备的 DRAM 用量的因为 agentic flow 快速增长
服务器 CPU TAM 的快速增长的 4 个逻辑在 4 月的 CPU 专篇详细写过，简单的说：
AI 加速器集群里 CPU 和 GPU 配比从传统的 1：4 变成 1：2，甚至可能往 1：1 迈进
Agentic flow 里 CPU 处理的延迟占比很高，50~90% 成为重要瓶颈，需要同步扩容
AI coding 让 SDE 的效率大幅提升，代码量数量级增长，软件 API 调用指数级增长，直接转化为这部分 CPU hours 指数级上升
Sandbox 为保障数据安全与隔离，如 Analytical Agent 需为每个任务复制大量数据库和用户上下文，导致内存 (DRAM) 和 CPU 核心的严重浪费，而且这个浪费问题五年甚至更久无法解决。另外 CPU hours 在技术上很难通过优化的方法来通缩
这也就是为什么，上上个季度，AMD 的财报说 CPU TAM 到 2030 年会到 60B，两个月前，AMD/ARM 把 CPU TAM 的 2030 年预测翻倍到 120B，一个月前，Nvidia 再次把 CPU TAM 的 2030 年预测翻倍到 200B
而上个星期，Bernstein 再次提升 2030 CPU TAM 指引到 223B。在我看来，2031 CPU TAM 未来上修到 400B 是没有太大悬念的事情，唯一的悬念是几个巨头会什么时候宣布上修这个指引
第二层，为什么每个服务器 CPU core 配备的 DRAM 用量在 agentic 时代快速增长？
传统 web/SaaS 是 stateless 的：请求进来，分配内存，处理完内存立刻回收。而一个 Agent 任务可以跑一分钟到一个小时，这整段时间里，它的 message history、system prompt、工作记忆、长期记忆、工具结果 buffer 全部常驻 DRAM
和 CPU hours 一样，每个任务的内存足迹因为 stateful 和 sandbox 隔离 (每个任务复制数据库和上下文) 的要求，技术上很难压缩
context window 从 32K → 256K → 1M，reasoning / test-time compute 的序列长度爆炸，未来还会继续增大。每个活跃会话常驻的 messages 随 context 长度线性增长
现在把两层乘起来。
第一层，CPU server 的 TAM，朝 2030~2031 看大概是 5–7 倍的量级 (60B → 120B → 200B → 223B，我认为还会到 400B)
第二层，每颗 CPU 的 DRAM 配比，大概 3–4 倍 (4~8GB → 16~32 GB/core)，但这个增长可能大部分是一次性红利
两个独立变量相乘，server 侧的 DRAM 需求是数量级的增长
2030 年，即便按保守的 300B CPU TAM，一个 CPU core 按 $50 来算，agent 时代最保守按 16GB/core，这算出来新增量最少都是 96EB，而今年的 DRAM 总产量只有 47EB，明年勉强 60EB，这是非常惊人的增量
虽然这个 agentic CPU 带来的 DRAM 指数级增长，在第二层很大程度上是一次性红利，但持续时间会持续很久很久，因为这个短缺的缺口实在是太大了
回到文章开头那个框架。三个摆脱传统周期的条件里，第一条 DRAM 定制化，基本可以忽略
而第二条：一个结构性指数级、而且很难逆转的需求来源是成立的。commodity DRAM 现在也具备了部分摆脱传统周期性的资格。没有 HBM(两条半) 那么彻底，但已经是实质性的变化
第三条，技术迭代速度，DRAM 的节奏也跟以前不一样了
因为以前的 DRAM 技术迭代速度是严重依赖消费电子的，DDR 的进步对于 performance 用处并不大，但可预见的未来里，碳基消费的传统 DRAM，会远远小于硅基消费（CPU 服务器）DRAM 的用量
以前 DRAM 的速度升级带来的边际效用是很低的，但现在因为 CPU 服务器对 memory 的需求增大，以及端侧 AI 对 DDR 速度的要求也增大，比如苹果为了跑本地大模型，LPDDR 速度越来越快
速度升级的边际效用高了不少，所以 DDR6 和 LPDDR6 的速度迭代需求比以前提升了太大了，这在图里也可以看到，LPDDR6/DDR6 的迭代时间缩短了，而且速度斜率，重新开始抬头
以前新一代 DDR/LPDDR 技术出来，大家的反应都很冷淡，等降价了才会用
而现在 LPDDR6 出来，各家恨不得都在抢着能尽量早上就尽量早，因为速度的提升带来的 performance 提升是触手可及的
另外，DDR 的供给还要被 HBM 额外抽一道税。HBM 每年的扩产速度太快，导致每年都有一批原本可以做 commodity DDR 的 wafer 被拉去做 HBM，而 HBM 的转换比极低，HBM3E 大约要 3 片 DDR wafer 的产能才能做出等量的 bit，HBM4 是 4 片。所以每年大约有 3% 到 5% 的 DDR bit 增长，是被这个 HBM bit tax 直接吃掉的
所以 DRAM bit volume 虽然未来每年能增长 24% 左右（14% 来自 wafer 增长，9% 来自每个 wafer 的 DRAM 密度增长），但算上 HBM bit tax 之后，传统的、非 HBM 的 commodity DDR，每年的 bit growth 大概只有 20%（约 10% 的 wafer 增长 × 约 9% 的 node density 提升）
中国长鑫扩产的影响有多大？如果不讲武德拼命扩产，会不会把这个市场重新带入周期泥潭？
长鑫这几年的扩产速度还是很快的，2025 年还是每个月 20 万晶圆，2026 年北京晶圆厂及新增生产线的贡献就能到 32~35 万。
正在建设中的上海工厂一期和二期，一期预计到 2027 年每月新增 10 万片晶圆产能，二期预计到 2028 年每月新增 10 万片晶圆产能，也就是说，2027 年每个月 42 万晶圆，2028 年能到每个月 50 万晶圆。
但需要注意的是，长鑫的 dram bit 密度大概只有御三家的一半左右，所以长鑫的每个月 50 万晶圆 wafer 能产出的 dram bit volume 只有其他家的一半，这里计算 wafer per month 的时候，就按等效一半来算
把这个折扣打上之后，长鑫对整个 DRAM 行业的冲击还是小了很多，从 2025 年年底到 2028 年年底，长鑫对 DRAM bit 产能 CAGR 的影响大概只有 1.5%，全行业的 DRAM 产能 CAGR 大概从 12.7% 升到 14.2%
· DRAM 月产能 (kwspm) 2025E → 2028E CAGR
· Samsung 685K → 920K 10.3%
· SK Hynix 519K → 725K 11.8%
· Micron 340K → 560K 18.1%
· 非中国其他 150K → 218K 13.3%
· 中国 (密度折半) 117K → 274K 32.8%
· 含中国总计 1811K → 2697K 14.2%
· 无中国总计 1694K → 2423K 12.7%
就算是长鑫未来还能保持增产速度，2030 年对全行业等效产能每年 DRAM bit volume 增产 CAGR 的影响，大概也不到 3%，从 20% CAGR 变成 23% CAGR，仅此而已
另外，长鑫被光刻机所限制，而 DDR6 需要更高速率（14400 MT/s 起步）和更高密度, 御三家做 DDR6 大概率会用 1c 或更先进节点（~12nm 以下），已经全面用 EUV。长鑫可能会在 DDR6 上速率受限，密度也只有一半。
即便是成长性周期，为什么 DRAM 的这轮超级周期会持续很长时间，起码五年看不到头？
第一个原因是，刚才谈到的 CPU 服务器需求端的巨量增长带来的结构性 DRAM 需求指数增长，这里结合 DRAM 供给端的 bit volume CAGR 大概稳定 20% 增长，就可以很清晰的看到，DRAM 未来几年的缺口为什么越来越大：
非 HBM 的传统 DRAM 供给端大概是每年增长 20%，而需求端，按 2026 年 60B CPU TAM，每个 CPU 消耗 DRAM 平均 8GB/core，每个 core $30~35 来算，需求是 16EB
2030 年按 400B CPU TAM，每个 CPU 消耗 DRAM 平均 16GB/core，每个 core $80 来算 (CPU 涨价超过一倍)，需求是 80EB，这部分 DRAM 的增长 CAGR 大概是 50%，远远超过目前的估算
不同于 HBM 是直接和 token throughput 挂钩，从而和 GPU 赚钱效率直接挂钩，DRAM 不够对于 agent flow 的影响主要是速度，比如说，8GB/core 和 16GB/core 比起来，部分 workload 速度可能降低 30%，部分低价值 task 实在要等等也能忍，结构性指数增长的动机很强，但需求不如 GPU 那么刚性
Semianalysis 说今年的 DRAM 缺口式个位数百分数，明年是超过 10%。从 agent CPU 数量激增导致的 DRAM 结构性来看，这个缺口每年都会继续加大，在 2030 年之前看不到降低的可能
另外一个 DRAM 能延续强势很久的逻辑是，因为 DRAM 涨价之后，被涨价消灭的那部分需求，不是真的消失了，只是延迟了，需求蓄水池太多了。
所谓蓄水池，是指那些「内存一旦降价就会立刻被释放出来的潜在需求」。它们的存在，意味着即便供给阶段性跟上了，价格也很难崩，因为总有新的需求从蓄水池里涌出来接盘：
内存换算力/速度是一个蓄水池：
有大量本来需要靠额外内存来优化速度和算力的需求，在内存太贵时被压着，一旦内存降价就会被释放出来。
比如 Nvidia 的 CPX prefill 加速，本来的设计初衷是用额外的低成本 GDDR7，来做一个专门的 prefill 加速器，结果 LPDDR/GDDR 都太贵了，比涨价前的 HBM 还贵，这个方案的 ROI 就不划算了，但等到普通内存降价，这样类似 CPX 的优化方案就还会回来
低价值 task 是一个蓄水池：内存涨价导致 token 价格居高不下时，高价值的 task 被优先保留，低价值的 task 被延后；内存一降价，这些被延迟的需求就回来了。
端侧 AI 是一个蓄水池：AI PC 的内存配置可能从 24GB 一路涨到 128GB。苹果已经明确要求最新的端侧 AI 满血版需要从 8GB 升级到 12GB 内存
常规消费电子、Agent PC、低端手机，因为内存涨价而减少的需求，全都是蓄水池。
这么多蓄水池叠在一起，构成了一个极厚的需求缓冲垫。这就是为什么 DDR 这轮的结构性增长，后劲会比市场想象的要强。
还有一个 DRAM 价格很难大幅下降的原因在于，HBM 和 DRAM 产能可以互相转换，所以整个 DRAM complex 是一起 re-rate 的
在上行期 DRAM 的利润率远超 HBM，HBM 的涨价幅度甚至变成了由 DRAM 去推动。今年新签约的 HBM4 的价格，就是当期 DRAM 的价格 x 4，也就是正常堆叠倍数对应 HBM4 的价格
一旦 DRAM 降价毛利下滑，因为 HBM 的长约透明性，利润率都是有保障的，HBM 就会间接抽走更多的 DRAM 产能，HBM 的降价也会让 GPU 厂商更有动力尽可能的升级 HBM size，这样也间接保障了 DRAM 的价格地板
DRAM 的结构性指数增长的需求有了，density scaling 放缓扩产难度在增加，厂商扩产计划都很谨慎，长鑫这几年带来的影响也是有限的，再加上需求的蓄水池非常庞大，这四个原因导致了，在可预见的至少五年甚至更长时间内，DRAM 是很难进入周期低谷的。
NAND SSD 有希望摆脱传统周期性吗？
NAND 的结构性增长动力没有 DDR 那么强，今年的缺货主要原因是几个主要玩家的生产纪律保持的很好，并没有大规模扩产，每年的产能增加主要来源于技术改进：NAND 堆叠层数的增加
第一个结构性增长来自 AI，主要来自 KV cache 的 offloading，把 HBM 溢出的 warm/cold KV cache 卸载到 NAND SSD 上。
但神奇的事情是，这个 kv cache offloading 的增长甚至还没有大规模发生，SSD 就已经缺的比 DRAM 还严重了，涨价也比 DRAM 要更多。等到明年 Rubin CMX 放量，加上 KV cache offloading 大规模应用，SSD 的缺货也会因为这个结构性增长而增长
第二个，另一个去年年度总结里说到的未来可期的 AI 视频带来的结构性增量，今年已经有出圈的态势了
Seedance 体量在以一年十倍到四十倍的速度增长。目前它还卡在缺卡算力不足的阶段，需求被算力压着没完全释放。但等到缺卡阶段过去，AI 视频对 NAND 存储的结构性需求增长，会持续相当长的一段时间。
第三个结构性增长也同样来自于 agent flow 带来的 Sandbox 使用量的指数级增长，Sandbox 为保障数据安全与隔离，如 Analytical Agent 需为每个任务复制大量数据库和用户上下文，导致内存 (DRAM) 和 CPU 核心的严重浪费，同样会带来大量的 SSD 的浪费（需求）
第四个也许在 2030 年之后发挥作用的结构性增长，来自于 HBF 路线需要用到 SSD，在不少投行分析中被寄予厚望，但这个技术路线还有些遥远，主要角色定位只能作为存放大模型的 weights，写一次权重然后做只读，而且必须要和 GPU/HBM 封装在一起（48TBps/96TBps），否则靠 PCIE7/8 速度太慢完全无法用，只能说未来可期，下一篇 AI 半导体终局推演 2026(III) 会有更详细的分析
总之，NAND SSD 的结构性增长没有 HBM 那么强，但是胜在便宜，价格到 2027 年也只有 $0.8/GB，是同期 DRAM 的四十分之一，所以也算是多级缓存里的万金油属性，结构性增长来源太广泛了
也就是说，不存在 DRAM/HBM 单独涨价繁荣，而 SSD 不涨价的情况，因为如果这样的情况发生，那么大家就会想办法用 SSD 去承载 DRAM/HBM 的部分功能，用更低的成本实现类似的效果。HBM、DRAM、NAND 不是三个独立故事，而是同一 AI memory hierarchy 在不同温度层的结构性增长
结构性指数增长的需求有了，NAND SSD 摆脱周期了吗？那么就要看 NAND SSD 厂家的生产纪律了，唯一可能不遵守生产纪律的，只有长存。毕竟这是一个囚徒困境，一旦有一家不讲武德拼命扩产，整个 NAND 产业要扩产的难度比 DRAM 简单的多。
但最起码的，这一轮 NAND 同样是超级周期，几个结构性指数增长带来的需求，下行期推迟到 2030 年问题不大。
点击了解律动BlockBeats 在招岗位
欢迎加入律动 BlockBeats 官方社群：
Telegram 订阅群：https://t.me/theblockbeats
Telegram 交流群：https://t.me/BlockBeats_App
Twitter 官方账号：https://twitter.com/BlockBeatsAsia