在 AI 革命加速之前，半導體投資人普遍將記憶體產業視為科技領域中最具循環性的板塊之一。DRAM 與 NAND 製造商通常會經歷可預期的繁榮與崩盤循環，驅動因素是先出現供過於求的時期，隨後價格下跌。每隔幾年，製造商就會過度擴產，庫存累積、毛利走低、估值重置。Bernstein 最新研究挑戰了這個延續數十年的假設。分析師 Gautam Chhugani 與 Mahika Sapra 認為，目前的記憶體上行循環與業界過去經歷的任何情況都根本不同。他們認為，這波由 AI 推動的記憶體多頭行情不會像傳統那樣在兩到四年的窗口內結束，至少可能維持到 2027 年。若此判斷成真，投資人可能需要重新思考半導體公司的估值方式：不再把記憶體生產商視為高度循環性的企業，而是把它們視為支撐全球 AI 經濟的策略性基礎設施供應者。
Bernstein 這份論點的核心建立在一個簡單的現實之上：人工智慧正把記憶體從商品轉變為任務關鍵（mission-critical）的資源。過去幾年，AI 加速器的效能大幅提升，但其表現愈來愈取決於能否以極高速度移動海量資料。這就是高頻寬記憶體（High Bandwidth Memory，HBM）改變遊戲規則的地方。與用於個人電腦與傳統企業伺服器的傳統 DRAM 不同，HBM 能在消耗更少電力的同時提供顯著更高的頻寬，使 GPU 能夠有效率地處理具備數兆參數的 AI 模型。每一代新的 AI 硬體都需要大幅更大的記憶體容量與更快的資料傳輸速率，因而 HBM 成為現代 AI 系統中最具價值的組件之一。 傳統雲端伺服器處理的是網頁應用、資料庫、儲存、電子郵件服務與虛擬化工作負載，這些通常對記憶體頻寬的要求相對有限。AI 伺服器則屬於完全不同的基礎設施類別。訓練大型語言模型需要數千顆 GPU 同時在龐大叢集中運行，每秒都要交換大量資訊。一顆現代 AI 加速器可能包含堆疊式的先進 HBM，並透過超寬介面連接，具備每秒可達數 TB 頻寬的能力。隨著模型規模持續擴大、推論工作負載變得更為複雜，每一台新的 AI 伺服器都需要比過往世代更多的 HBM。這種結構性的記憶體密度提升，是需求持續超越可得供給的主要原因之一。 全球最大的科技公司正透過前所未有的 AI 基礎設施投資加速這項趨勢。NVIDIA 持續主導 AI GPU 市場，且其每一代加速器都納入更先進的 HBM 技術。AMD 正迅速擴大其 Instinct GPU 產品組合，以在超大規模（hyperscale）的 AI 部署中競爭，並提高對高階記憶體解決方案的需求。與此同時，開發前沿 AI 模型的公司——包括 Anthropic、OpenAI、xAI、Meta、Microsoft、Amazon 與 Google——正在投資數千億美元建造下一代資料中心，這些資料中心專為人工智慧而設計。這些公司不再只是購買硬體來汰換老化的基礎設施；它們正在打造全新的 AI 校園（campus），需要大量先進 GPU、網路設備、儲存系統、電力基礎設施，以及更重要的是高效能記憶體。 這些組織部署的每一個 AI 訓練叢集，所消耗的 HBM 都比傳統雲端基礎設施呈指數級更高。當基礎模型變得更大、更強時，推論工作負載也會快速擴張。每天都有數百萬名使用者與 AI 助理互動，需要持續的運算資源，意味著需求不只限於訓練，還延伸到長期部署。這使記憶體消耗來源呈現結構性，而非短暫性，支撐了 Bernstein 的論點：產業的供需平衡已從根本上改變。 支撐延長多頭行情的另一項關鍵因素，是能夠以商業規模製造領先世代 HBM 的公司數量有限。與商品型 DRAM 不同，先進 HBM 的量產需要最前沿的製程技術、複雜的封裝技術，以及數年的工程專業能力。即使在定價變得極具吸引力時，這也會大幅限制供給擴張。 SK Hynix 目前領先全球 HBM 市場，並已成為 NVIDIA 多款旗艦 AI 加速器的主要供應商。多年早期投入讓該公司得以在市場中取得主導份額，當需求持續上升時，進而賦予其相當的定價能力。報導指出，其未來 HBM 生產能力中相當一部分已透過長期客戶協議提前承諾，降低不確定性並提供極佳的營收可見度。 Micron 也成為 AI 熱潮下另一位主要受益者。其 HBM3E 產品獲得了強勁的客戶需求，據報其近程產能大多已售罄，且銷售延伸至未來交付時程。該公司持續擴充先進封裝能力，同時提升製造良率，使其在高階 AI 記憶體這一高價位領域具備更強的競爭意願。隨著全球 AI 部署增加，Micron 能否鎖定長期供應協議，將同時強化其營收穩定性與營業毛利率。 Samsung 仍是全球最大的記憶體製造商之一，具備橫跨 DRAM 與 NAND 的龐大生產能力。雖然在某些客戶族群中，它進入 HBM 競逐的時間比 SK Hynix 晚，但它仍持續大幅投資 HBM3E、HBM4、先進封裝技術以及下一代製程節點。Samsung 的製造規模、財務實力與研發能力，確保其仍是具備後續取得更多市占率可能性的強勁競爭者，尤其當未來 AI 需求擴大時。 競爭正逐步轉向 HBM4，這代表 AI 記憶體技術下一個重大演進。預期 HBM4 將提供顯著更高的頻寬、更大的容量、更好的能源效率，以及面向日益複雜 AI 工作負載的更佳可擴展性。要達成這些效能提升，所需的不僅是記憶體製造技術的進步，也包括像是 3D 堆疊（3D stacking）、混合鍵合（hybrid bonding）與先進連接架構（interconnect architectures）等封裝技術。能夠掌握這些技術的公司，可能會在未來多年與領先的 AI 晶片設計商建立長期合作夥伴關係。 Bernstein 認為這一輪與以往不同的另一個重要原因，是長期供應協議的普遍採用。過去，記憶體生產商高度依賴波動很大的現貨市場，價格會因庫存狀況而大幅起伏。如今，超大規模雲端供應商與 AI 基礎設施公司愈來愈偏好多年度合約，以確保未來供給。這些協議降低價格波動、改善生產規劃，並讓記憶體製造商在投資數十億美元建置新的晶圓廠時更有信心。 即使談到供給擴張本身，也受到半導體製造的驚人複雜度所制約。建置先進記憶體製造廠需要龐大的資本投資、先進設備、監管核准、具備技能的工程人才，以及在有意義的產出開始之前的數年時間。即便 Micron、SK Hynix 與 Samsung 公布雄心勃勃的擴產計畫，這些新增產能在本世紀後半段之前，仍不太可能對全球供給產生實質影響。同時，AI 基礎設施支出仍持續加速，使需求穩穩地領先於產出成長。 影響也不僅限於記憶體製造商。供應半導體製造設備、先進光刻系統、封裝技術、電源管理解決方案、熱冷卻系統與 AI 網路基礎設施的公司，都有望受惠於持續投資。隨著記憶體堆疊變得更為先進，對先進光刻設備、晶圓檢測系統、晶片封裝技術與專用製造材料的需求也將上升，因而在半導體供應鏈各環節都會出現機會。 然而，投資人仍應留意潛在風險。若全球經濟出現嚴重放緩，可能會降低企業對 AI 的支出。比預期更快的產能擴張，最終可能會重新平衡供給。地緣政治緊張局勢、出口管制，或新興競爭者的快速技術進展，都可能改變競爭態勢。AI 投資本身也可能在某些期間出現較慢的成長，若基礎設施支出的回報速度比預期更慢。雖然 Bernstein 預期結構性趨勢仍偏正向，但任何科技循環都不可能完全沒有不確定性。 以我來看，Bernstein 的報告反映了整個半導體產業正在發生的更大轉型。人工智慧正在把記憶體從低毛利商品，轉變為現代運算中最具策略價值的組件之一。GPU 經常成為頭條焦點，但如果沒有大量高效能記憶體，即便是最先進的 AI 加速器也無法發揮全部潛力。隨著各國政府、超大規模雲端（hyperscalers）、企業與 AI 開發者持續大舉投資下一代基礎設施，記憶體製造商可能會比過去投資人給予該產業的預期更享有強定價能力、更長的獲利能見度，以及更高的估值。 如果 Bernstein 的預測最終被證實正確，2027 年或許不只是另一段半導體循環的高點。它可能會成為市場永久重新定義記憶體公司的轉折點：把它們定位為長期 AI 基礎設施領導者，而非被困在反覆繁榮與崩盤循環中的企業。在以 AI 為先的世界裡，單靠運算效能已不再足夠。能夠供應那些處理器所需記憶體的公司，可能會成為本十年中最具策略重要性的科技企業之一。 #BernsteinSaysMemoryBullMarketToLastUntil2027
查看原文
Yusfirah
#BernsteinSaysMemoryBullMarketToLastUntil2027 在 AI 革命加速之前，半導體投資者曾把記憶體產業視為科技領域中最具景氣循環性的板塊之一。DRAM 和 NAND 製造商通常會經歷可預測的「繁榮—蕭條」循環：先是供過於求的時期隨後是價格崩跌。每隔幾年，製造商就會擴產過於激進，庫存堆積、毛利被壓縮、估值重置。Bernstein 最新研究挑戰了這項延續數十年的既有假設。根據分析師 Gautam Chhugani 與 Mahika Sapra 的說法，目前的記憶體上行循環在本質上與過去產業所經歷的任何情況都不同。他們認為，AI 推動的記憶體多頭行情不會只在傳統的兩到四年窗口內結束，至少可能維持到 2027 年。若此判斷成真，投資者或許需要重新思考半導體公司應如何被估值：不再只是把記憶體生產商視為高度循環性的企業，而是要認可其作為推動全球 AI 經濟的策略性基礎設施提供者。
Bernstein 這份論點的基礎在於一個簡單的現實：人工智慧正在把記憶體從「商品」轉變為「任務關鍵」的資源。AI 加速器在過去幾年變得強大許多，但其效能愈來愈取決於能以極高速度移動龐大資料量。這正是「高頻寬記憶體」（High Bandwidth Memory，HBM）改變遊戲規則之處。HBM 與用於個人電腦及傳統企業伺服器的傳統 DRAM 不同，它在消耗更少電力的同時，能提供顯著更高的頻寬，讓 GPU 能高效率處理具備數兆參數的 AI 模型。每一代新的 AI 硬體都需要大幅更高的記憶體容量以及更快的資料傳輸速率，使 HBM 成為現代 AI 系統中最有價值的組件之一。
傳統雲端伺服器主要承載的是網頁應用、資料庫、儲存、電子郵件服務以及虛擬化工作負載，對記憶體頻寬的需求相對有限。AI 伺服器則代表完全不同的基礎設施類型。訓練大型語言模型需要數千顆 GPU 在巨型叢集上同時運作，每秒都會交換龐量資訊。單一現代 AI 加速器可能包含多層先進 HBM，透過超寬介面連接，能夠在每秒提供達「數 TB」（太字節）等級的頻寬。隨著模型規模持續擴大、推論工作負載也愈發複雜，每一台新一代 AI 伺服器所需的 HBM 都會比前一代更多。這種結構性的記憶體密度提升，是需求持續超過可用供給的主要原因之一。
全球最大的科技公司正在透過前所未有的 AI 基礎設施投資來加速這股趨勢。NVIDIA 持續主導 AI GPU 市場，而其每一代加速器都會整合更先進的 HBM 技術。AMD 也正迅速擴大其 Instinct GPU 陣容，以在超大型（hyperscale）的 AI 部署中競爭，進而拉高對高階記憶體解決方案的需求。同時，開發前沿 AI 模型的公司——包括 Anthropic、OpenAI、xAI、Meta、Microsoft、Amazon 與 Google——正投入數百億美元到下一代資料中心，並且這些資料中心是專為人工智慧而設計。這些公司不再只是為了汰換老舊硬體而購買設備；它們正在建置全新的 AI 校園（campus），需要大量先進 GPU、網路設備、儲存系統、電力基礎設施，最重要的是高效能記憶體。
這些組織部署的每一個 AI 訓練叢集所消耗的 HBM，都比傳統雲端基礎設施呈現指數倍的增加。當基礎模型變得更大、更有能力時，推論工作負載也會快速擴張。每天有數百萬名使用者與 AI 助理互動，意味著需求不僅延伸到訓練，也會持續到長期部署。這形成的是結構性而非短暫的記憶體消耗來源，支持 Bernstein 的觀點：產業的供需平衡已在根本上改變。
SK Hynix 目前領先全球 HBM 市場，且已成為 NVIDIA 多款旗艦 AI 加速器的主要供應商。早期投資累積了數年時間，使該公司得以取得市場的主導份額，並在需求持續上升時，擁有相當的定價能力。報導指出，其未來 HBM 生產能力中相當一部分已透過長期客戶合約提前敲定，降低不確定性並帶來出色的營收能見度。
Micron 也成為 AI 熱潮的另一位主要受益者。其 HBM3E 產品已獲得強勁的客戶需求，據報其短期產能大多已銷售一空，甚至延伸到未來交付時程。該公司持續擴大先進封裝能力，同時提升製造良率，讓自己在高階 AI 記憶體這個升級版市場中具備更積極競爭的定位。隨著 AI 部署在全球增加，Micron 能夠取得長期供貨合約的能力，將同時強化其營收穩定性與營業利潤率。
Samsung 仍是全球最大的記憶體製造商之一，並在 DRAM 與 NAND 方面都擁有龐大的產能。雖然該公司在某些客戶面向上的 HBM 競賽起步比 SK Hynix 晚，但它仍持續大力投資 HBM3E、HBM4、先進封裝技術以及下一代製程節點。Samsung 的製造規模、財務實力與研發能力，確保其仍是具備強大競爭力的對手，並能在未來 AI 需求擴大時取得更多市占。
競爭現正轉向 HBM4，這代表 AI 記憶體技術的下一個重大演進。預期 HBM4 將提供顯著更高的頻寬、更大的容量、更好的能源效率，以及針對日益複雜的 AI 工作負載更佳的可擴展性。要達成這些效能提升，不僅需要記憶體製造的進步，也需要封裝技術的突破，例如 3D 堆疊、混合鍵結（hybrid bonding）以及先進的互連架構。能夠掌握這些技術的公司，將很可能在未來多年與領先的 AI 晶片設計商建立長期合作夥伴關係。
Bernstein 認為這一輪與過去不同的另一個重要原因，是長期供應合約的普遍採用。歷史上，記憶體生產商高度依賴波動劇烈的現貨市場，價格會因庫存狀況而大幅起伏。如今，超大型雲端供應商與 AI 基礎設施公司愈來愈偏好採用跨多年的合約，以確保未來供貨。這些合約降低價格波動、改善生產規劃，並讓記憶體製造商在投資數十億美元興建新的晶圓廠時，能有更高信心。
影響範圍還不止於記憶體製造商。供應半導體製造設備、先進光刻系統、封裝技術、電力管理解決方案、熱控冷卻系統，以及 AI 網路基礎設施的公司，都有望受惠於持續投資。隨著記憶體堆疊（memory stacks）變得愈發先進，對先進光刻設備、晶圓檢測系統、晶片封裝技術與專用製造材料的需求也會上升，從而在整個半導體供應鏈各環節創造機會。
然而，投資者仍應留意潛在風險。若出現嚴重的全球經濟放緩，企業端的 AI 支出可能會下降。若產能擴張速度比預期更快，供給終究可能會回到更平衡的狀態。地緣政治緊張、出口管制，或新興競爭者的快速技術進展，都可能改變競爭態勢。即使 AI 投資本身也可能出現較緩的成長階段，若基礎設施支出的報酬回收時間比預期更久。雖然 Bernstein 預期結構性趨勢將維持正向，但任何科技循環都不可能完全沒有不確定性。
以我來看，Bernstein 的報告反映出半導體產業正在發生更廣泛的轉型。人工智慧正在把記憶體從低毛利的商品，轉變為現代運算中最具策略價值的組件之一。雖然 GPU 常常成為媒體頭條，但如果沒有大量的高效能記憶體，即便是最先進的 AI 加速器也無法發揮其全部潛力。隨著政府、超大型雲端供應商（hyperscalers）、企業與 AI 開發者持續大力投資下一代基礎設施，記憶體製造商可能會比以往投資者對該產業所設定的水準，獲得更強的定價能力、更久的獲利能見度，以及更高的估值。
如果 Bernstein 的預測最終證實正確，2027 年或許不只是另一輪半導體循環的高點。它可能成為市場永久重新定義「記憶體公司」的轉折點：不再只是被困在反覆的景氣繁榮—衰退循環中的企業，而是長期 AI 基礎設施領導者。在 AI 為先的世界裡，光靠運算能力已不再足夠。能夠供應這些處理器所需記憶體的公司，可能會成為本十年中最具策略重要性的科技企業之一。 @Gate_Square
在 AI 革命加速之前，半導體投資人普遍將記憶體產業視為科技領域中最具循環性的板塊之一。DRAM 與 NAND 製造商通常會經歷可預期的繁榮與崩盤循環，驅動因素是先出現供過於求的時期，隨後價格下跌。每隔幾年，製造商就會過度擴產，庫存累積、毛利走低、估值重置。Bernstein 最新研究挑戰了這個延續數十年的假設。分析師 Gautam Chhugani 與 Mahika Sapra 認為，目前的記憶體上行循環與業界過去經歷的任何情況都根本不同。他們認為，這波由 AI 推動的記憶體多頭行情不會像傳統那樣在兩到四年的窗口內結束，至少可能維持到 2027 年。若此判斷成真，投資人可能需要重新思考半導體公司的估值方式：不再把記憶體生產商視為高度循環性的企業，而是把它們視為支撐全球 AI 經濟的策略性基礎設施供應者。
Bernstein 這份論點的核心建立在一個簡單的現實之上：人工智慧正把記憶體從商品轉變為任務關鍵（mission-critical）的資源。過去幾年，AI 加速器的效能大幅提升，但其表現愈來愈取決於能否以極高速度移動海量資料。這就是高頻寬記憶體（High Bandwidth Memory，HBM）改變遊戲規則的地方。與用於個人電腦與傳統企業伺服器的傳統 DRAM 不同，HBM 能在消耗更少電力的同時提供顯著更高的頻寬，使 GPU 能夠有效率地處理具備數兆參數的 AI 模型。每一代新的 AI 硬體都需要大幅更大的記憶體容量與更快的資料傳輸速率，因而 HBM 成為現代 AI 系統中最具價值的組件之一。
傳統雲端伺服器處理的是網頁應用、資料庫、儲存、電子郵件服務與虛擬化工作負載，這些通常對記憶體頻寬的要求相對有限。AI 伺服器則屬於完全不同的基礎設施類別。訓練大型語言模型需要數千顆 GPU 同時在龐大叢集中運行，每秒都要交換大量資訊。一顆現代 AI 加速器可能包含堆疊式的先進 HBM，並透過超寬介面連接，具備每秒可達數 TB 頻寬的能力。隨著模型規模持續擴大、推論工作負載變得更為複雜，每一台新的 AI 伺服器都需要比過往世代更多的 HBM。這種結構性的記憶體密度提升，是需求持續超越可得供給的主要原因之一。
全球最大的科技公司正透過前所未有的 AI 基礎設施投資加速這項趨勢。NVIDIA 持續主導 AI GPU 市場，且其每一代加速器都納入更先進的 HBM 技術。AMD 正迅速擴大其 Instinct GPU 產品組合，以在超大規模（hyperscale）的 AI 部署中競爭，並提高對高階記憶體解決方案的需求。與此同時，開發前沿 AI 模型的公司——包括 Anthropic、OpenAI、xAI、Meta、Microsoft、Amazon 與 Google——正在投資數千億美元建造下一代資料中心，這些資料中心專為人工智慧而設計。這些公司不再只是購買硬體來汰換老化的基礎設施；它們正在打造全新的 AI 校園（campus），需要大量先進 GPU、網路設備、儲存系統、電力基礎設施，以及更重要的是高效能記憶體。
這些組織部署的每一個 AI 訓練叢集，所消耗的 HBM 都比傳統雲端基礎設施呈指數級更高。當基礎模型變得更大、更強時，推論工作負載也會快速擴張。每天都有數百萬名使用者與 AI 助理互動，需要持續的運算資源，意味著需求不只限於訓練，還延伸到長期部署。這使記憶體消耗來源呈現結構性，而非短暫性，支撐了 Bernstein 的論點：產業的供需平衡已從根本上改變。
支撐延長多頭行情的另一項關鍵因素，是能夠以商業規模製造領先世代 HBM 的公司數量有限。與商品型 DRAM 不同，先進 HBM 的量產需要最前沿的製程技術、複雜的封裝技術，以及數年的工程專業能力。即使在定價變得極具吸引力時，這也會大幅限制供給擴張。
SK Hynix 目前領先全球 HBM 市場，並已成為 NVIDIA 多款旗艦 AI 加速器的主要供應商。多年早期投入讓該公司得以在市場中取得主導份額，當需求持續上升時，進而賦予其相當的定價能力。報導指出，其未來 HBM 生產能力中相當一部分已透過長期客戶協議提前承諾，降低不確定性並提供極佳的營收可見度。
Micron 也成為 AI 熱潮下另一位主要受益者。其 HBM3E 產品獲得了強勁的客戶需求，據報其近程產能大多已售罄，且銷售延伸至未來交付時程。該公司持續擴充先進封裝能力，同時提升製造良率，使其在高階 AI 記憶體這一高價位領域具備更強的競爭意願。隨著全球 AI 部署增加，Micron 能否鎖定長期供應協議，將同時強化其營收穩定性與營業毛利率。
Samsung 仍是全球最大的記憶體製造商之一，具備橫跨 DRAM 與 NAND 的龐大生產能力。雖然在某些客戶族群中，它進入 HBM 競逐的時間比 SK Hynix 晚，但它仍持續大幅投資 HBM3E、HBM4、先進封裝技術以及下一代製程節點。Samsung 的製造規模、財務實力與研發能力，確保其仍是具備後續取得更多市占率可能性的強勁競爭者，尤其當未來 AI 需求擴大時。
競爭正逐步轉向 HBM4，這代表 AI 記憶體技術下一個重大演進。預期 HBM4 將提供顯著更高的頻寬、更大的容量、更好的能源效率，以及面向日益複雜 AI 工作負載的更佳可擴展性。要達成這些效能提升，所需的不僅是記憶體製造技術的進步，也包括像是 3D 堆疊（3D stacking）、混合鍵合（hybrid bonding）與先進連接架構（interconnect architectures）等封裝技術。能夠掌握這些技術的公司，可能會在未來多年與領先的 AI 晶片設計商建立長期合作夥伴關係。
Bernstein 認為這一輪與以往不同的另一個重要原因，是長期供應協議的普遍採用。過去，記憶體生產商高度依賴波動很大的現貨市場，價格會因庫存狀況而大幅起伏。如今，超大規模雲端供應商與 AI 基礎設施公司愈來愈偏好多年度合約，以確保未來供給。這些協議降低價格波動、改善生產規劃，並讓記憶體製造商在投資數十億美元建置新的晶圓廠時更有信心。
即使談到供給擴張本身，也受到半導體製造的驚人複雜度所制約。建置先進記憶體製造廠需要龐大的資本投資、先進設備、監管核准、具備技能的工程人才，以及在有意義的產出開始之前的數年時間。即便 Micron、SK Hynix 與 Samsung 公布雄心勃勃的擴產計畫，這些新增產能在本世紀後半段之前，仍不太可能對全球供給產生實質影響。同時，AI 基礎設施支出仍持續加速，使需求穩穩地領先於產出成長。
影響也不僅限於記憶體製造商。供應半導體製造設備、先進光刻系統、封裝技術、電源管理解決方案、熱冷卻系統與 AI 網路基礎設施的公司，都有望受惠於持續投資。隨著記憶體堆疊變得更為先進，對先進光刻設備、晶圓檢測系統、晶片封裝技術與專用製造材料的需求也將上升，因而在半導體供應鏈各環節都會出現機會。
然而，投資人仍應留意潛在風險。若全球經濟出現嚴重放緩，可能會降低企業對 AI 的支出。比預期更快的產能擴張，最終可能會重新平衡供給。地緣政治緊張局勢、出口管制，或新興競爭者的快速技術進展，都可能改變競爭態勢。AI 投資本身也可能在某些期間出現較慢的成長，若基礎設施支出的回報速度比預期更慢。雖然 Bernstein 預期結構性趨勢仍偏正向，但任何科技循環都不可能完全沒有不確定性。
以我來看，Bernstein 的報告反映了整個半導體產業正在發生的更大轉型。人工智慧正在把記憶體從低毛利商品，轉變為現代運算中最具策略價值的組件之一。GPU 經常成為頭條焦點，但如果沒有大量高效能記憶體，即便是最先進的 AI 加速器也無法發揮全部潛力。隨著各國政府、超大規模雲端（hyperscalers）、企業與 AI 開發者持續大舉投資下一代基礎設施，記憶體製造商可能會比過去投資人給予該產業的預期更享有強定價能力、更長的獲利能見度，以及更高的估值。
如果 Bernstein 的預測最終被證實正確，2027 年或許不只是另一段半導體循環的高點。它可能會成為市場永久重新定義記憶體公司的轉折點：把它們定位為長期 AI 基礎設施領導者，而非被困在反覆繁榮與崩盤循環中的企業。在以 AI 為先的世界裡，單靠運算效能已不再足夠。能夠供應那些處理器所需記憶體的公司，可能會成為本十年中最具策略重要性的科技企業之一。
#BernsteinSaysMemoryBullMarketToLastUntil2027
Bernstein 這份論點的基礎在於一個簡單的現實：人工智慧正在把記憶體從「商品」轉變為「任務關鍵」的資源。AI 加速器在過去幾年變得強大許多，但其效能愈來愈取決於能以極高速度移動龐大資料量。這正是「高頻寬記憶體」（High Bandwidth Memory，HBM）改變遊戲規則之處。HBM 與用於個人電腦及傳統企業伺服器的傳統 DRAM 不同，它在消耗更少電力的同時，能提供顯著更高的頻寬，讓 GPU 能高效率處理具備數兆參數的 AI 模型。每一代新的 AI 硬體都需要大幅更高的記憶體容量以及更快的資料傳輸速率，使 HBM 成為現代 AI 系統中最有價值的組件之一。
傳統雲端伺服器主要承載的是網頁應用、資料庫、儲存、電子郵件服務以及虛擬化工作負載，對記憶體頻寬的需求相對有限。AI 伺服器則代表完全不同的基礎設施類型。訓練大型語言模型需要數千顆 GPU 在巨型叢集上同時運作，每秒都會交換龐量資訊。單一現代 AI 加速器可能包含多層先進 HBM，透過超寬介面連接，能夠在每秒提供達「數 TB」（太字節）等級的頻寬。隨著模型規模持續擴大、推論工作負載也愈發複雜，每一台新一代 AI 伺服器所需的 HBM 都會比前一代更多。這種結構性的記憶體密度提升，是需求持續超過可用供給的主要原因之一。
全球最大的科技公司正在透過前所未有的 AI 基礎設施投資來加速這股趨勢。NVIDIA 持續主導 AI GPU 市場，而其每一代加速器都會整合更先進的 HBM 技術。AMD 也正迅速擴大其 Instinct GPU 陣容，以在超大型（hyperscale）的 AI 部署中競爭，進而拉高對高階記憶體解決方案的需求。同時，開發前沿 AI 模型的公司——包括 Anthropic、OpenAI、xAI、Meta、Microsoft、Amazon 與 Google——正投入數百億美元到下一代資料中心，並且這些資料中心是專為人工智慧而設計。這些公司不再只是為了汰換老舊硬體而購買設備；它們正在建置全新的 AI 校園（campus），需要大量先進 GPU、網路設備、儲存系統、電力基礎設施，最重要的是高效能記憶體。
這些組織部署的每一個 AI 訓練叢集所消耗的 HBM，都比傳統雲端基礎設施呈現指數倍的增加。當基礎模型變得更大、更有能力時，推論工作負載也會快速擴張。每天有數百萬名使用者與 AI 助理互動，意味著需求不僅延伸到訓練，也會持續到長期部署。這形成的是結構性而非短暫的記憶體消耗來源，支持 Bernstein 的觀點：產業的供需平衡已在根本上改變。
支持延長多頭行情的另一個關鍵因素，是能在商業規模上製造領先世代 HBM 的公司數量有限。相較於商品型 DRAM，先進 HBM 的生產需要尖端製程技術、複雜的封裝技術，以及多年的工程專業知識。即使當價格變得極具吸引力，這也會大幅限制供給擴張。
SK Hynix 目前領先全球 HBM 市場，且已成為 NVIDIA 多款旗艦 AI 加速器的主要供應商。早期投資累積了數年時間，使該公司得以取得市場的主導份額，並在需求持續上升時，擁有相當的定價能力。報導指出，其未來 HBM 生產能力中相當一部分已透過長期客戶合約提前敲定，降低不確定性並帶來出色的營收能見度。
Micron 也成為 AI 熱潮的另一位主要受益者。其 HBM3E 產品已獲得強勁的客戶需求，據報其短期產能大多已銷售一空，甚至延伸到未來交付時程。該公司持續擴大先進封裝能力，同時提升製造良率，讓自己在高階 AI 記憶體這個升級版市場中具備更積極競爭的定位。隨著 AI 部署在全球增加，Micron 能夠取得長期供貨合約的能力，將同時強化其營收穩定性與營業利潤率。
Samsung 仍是全球最大的記憶體製造商之一，並在 DRAM 與 NAND 方面都擁有龐大的產能。雖然該公司在某些客戶面向上的 HBM 競賽起步比 SK Hynix 晚，但它仍持續大力投資 HBM3E、HBM4、先進封裝技術以及下一代製程節點。Samsung 的製造規模、財務實力與研發能力，確保其仍是具備強大競爭力的對手，並能在未來 AI 需求擴大時取得更多市占。
競爭現正轉向 HBM4，這代表 AI 記憶體技術的下一個重大演進。預期 HBM4 將提供顯著更高的頻寬、更大的容量、更好的能源效率，以及針對日益複雜的 AI 工作負載更佳的可擴展性。要達成這些效能提升，不僅需要記憶體製造的進步，也需要封裝技術的突破，例如 3D 堆疊、混合鍵結（hybrid bonding）以及先進的互連架構。能夠掌握這些技術的公司，將很可能在未來多年與領先的 AI 晶片設計商建立長期合作夥伴關係。
Bernstein 認為這一輪與過去不同的另一個重要原因，是長期供應合約的普遍採用。歷史上，記憶體生產商高度依賴波動劇烈的現貨市場，價格會因庫存狀況而大幅起伏。如今，超大型雲端供應商與 AI 基礎設施公司愈來愈偏好採用跨多年的合約，以確保未來供貨。這些合約降低價格波動、改善生產規劃，並讓記憶體製造商在投資數十億美元興建新的晶圓廠時，能有更高信心。
供給擴張本身仍受到半導體製造的驚人複雜度所限制。建置先進記憶體製造廠需要巨額資本投資、複雜的設備、監管核准、熟練的工程人才，以及至少數年時間才會開始有意義的量產。即使 Micron、SK Hynix 與 Samsung 都宣布了雄心勃勃的擴產計畫，這些額外產能在本世代後半段之前，仍不太可能對全球供給產生實質影響。與此同時，AI 基礎設施支出持續加速成長，確保需求能穩穩地快於產能增長。
影響範圍還不止於記憶體製造商。供應半導體製造設備、先進光刻系統、封裝技術、電力管理解決方案、熱控冷卻系統，以及 AI 網路基礎設施的公司，都有望受惠於持續投資。隨著記憶體堆疊（memory stacks）變得愈發先進，對先進光刻設備、晶圓檢測系統、晶片封裝技術與專用製造材料的需求也會上升，從而在整個半導體供應鏈各環節創造機會。
然而，投資者仍應留意潛在風險。若出現嚴重的全球經濟放緩，企業端的 AI 支出可能會下降。若產能擴張速度比預期更快，供給終究可能會回到更平衡的狀態。地緣政治緊張、出口管制，或新興競爭者的快速技術進展，都可能改變競爭態勢。即使 AI 投資本身也可能出現較緩的成長階段，若基礎設施支出的報酬回收時間比預期更久。雖然 Bernstein 預期結構性趨勢將維持正向，但任何科技循環都不可能完全沒有不確定性。
以我來看，Bernstein 的報告反映出半導體產業正在發生更廣泛的轉型。人工智慧正在把記憶體從低毛利的商品，轉變為現代運算中最具策略價值的組件之一。雖然 GPU 常常成為媒體頭條，但如果沒有大量的高效能記憶體，即便是最先進的 AI 加速器也無法發揮其全部潛力。隨著政府、超大型雲端供應商（hyperscalers）、企業與 AI 開發者持續大力投資下一代基礎設施，記憶體製造商可能會比以往投資者對該產業所設定的水準，獲得更強的定價能力、更久的獲利能見度，以及更高的估值。
如果 Bernstein 的預測最終證實正確，2027 年或許不只是另一輪半導體循環的高點。它可能成為市場永久重新定義「記憶體公司」的轉折點：不再只是被困在反覆的景氣繁榮—衰退循環中的企業，而是長期 AI 基礎設施領導者。在 AI 為先的世界裡，光靠運算能力已不再足夠。能夠供應這些處理器所需記憶體的公司，可能會成為本十年中最具策略重要性的科技企業之一。
@Gate_Square