#BernsteinSaysMemoryBullMarketToLastUntil2027 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產業之一。DRAM 與 NAND 製造商通常會經歷可預期的景氣循環：先是供過於求導致繁榮，接著是價格崩跌。每隔幾年，製造商就會擴產過於激進，庫存累積、毛利壓縮、估值重置。Bernstein 最新研究挑戰了這個延續數十年的假設。根據分析師 Gautam Chhugani 與 Mahika Sapra 的說法，目前的記憶體景氣上行在本質上與產業過去經歷的任何情況都不同。他們認為，AI 驅動的記憶體多頭市場不會停留在傳統的兩到四年區間內，至少可能維持到 2027 年。若這項判斷證實正確，投資人或許需要重新思考半導體公司如何被估值：不再將記憶體生產商視為高度循環的企業，而是承認其作為支撐全球 AI 經濟的策略性基礎設施供應商的地位。
Bernstein 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「一般商品」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，但其效能愈來愈依賴於在極高速度下移動海量資料的能力。這就是高頻寬記憶體（High Bandwidth Memory，HBM）改變局面的地方。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 能有效率地處理擁有數兆參數的 AI 模型。每一代新的 AI 硬體都需要大幅更高的記憶體容量與更快的資料傳輸速率，讓 HBM 成為現代 AI 系統中最有價值的組件之一。 傳統雲端伺服器處理的是網頁應用、資料庫、儲存、電子郵件服務與虛擬化等工作負載，對記憶體頻寬的需求相對有限。AI 伺服器則代表全然不同的基礎設施類型。訓練大型語言模型需要數千個 GPU 同步運作於龐大的叢集之中，並且每秒都在交換大量資訊。一台現代 AI 加速器可能會以多層先進 HBM 堆疊的形式存在，並透過超寬介面連接，具備每秒提供達數太字元頻寬的能力。隨著模型規模持續擴大、推論工作負載變得更加複雜，每一台新的 AI 伺服器都需要比前幾代明顯更多的 HBM。這種結構性的「記憶體密度」提升，是需求持續超越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納入更先進的 HBM 技術。AMD 也正快速擴大其 Instinct GPU 產品組合，為了在超大規模 AI 部署中競爭而提高對高階記憶體解決方案的需求。与此同时，開發前沿 AI 模型的公司——包含 Anthropic、OpenAI、xAI、Meta、Microsoft、Amazon 與 Google——正投資數千億美元於下一代資料中心，這些資料中心是專為人工智慧打造。這些公司不再只是為了汰換老舊基礎設施而採購硬體；它們正在打造全新的 AI 校園，所需的不是少量而是大量先進 GPU、網路設備、儲存系統、電力基礎建設，且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，都比傳統雲端基礎設施消耗更多倍的 HBM。隨著基礎模型變得更大、更強，推論工作負載也將迅速擴張。每天有數百萬名使用者與 AI 助手互動，意味著需求不只停留在訓練，也延伸到長期部署。這創造的是結構性而非暫時性的記憶體消耗來源，支撐 Bernstein 的論點：產業的供需平衡已從根本上改變。 支撐延長多頭市場的另一項關鍵因素，是能夠在商業規模下製造領先世代 HBM 的公司數量有限。與商品型 DRAM 不同，先進 HBM 的生產需要最先進的製程技術、複雜的封裝手法，以及數年的工程專業知識。即便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，並已成為 NVIDIA 多款旗艦 AI 加速器的主要供應商。早期投入數年，讓該公司得以吃下市場的主導份額；當需求持續上升時，亦使其具備相當的定價能力。報導指出，該公司未來相當部分的 HBM 產能已透過長期客戶合約事先被鎖定，降低不確定性並提供極佳的營收可見度。 Micron 也成為 AI 熱潮的另一位重要受益者。其 HBM3E 產品受到客戶強烈需求，據稱其近端產量多半已在未來交期的更早時間售罄。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 記憶體這一高利潤區塊能更積極地展開競爭。隨著全球 AI 部署增加，Micron 能夠取得長期供應合約的能力，將同時強化營收穩定性與營業利潤率。 Samsung 仍是全球最大記憶體製造商之一，且在 DRAM 與 NAND 具備龐大的產能。雖然在部分客戶族群中，Samsung 參與 HBM 競賽的時間比 SK Hynix 晚一些，但它仍持續重度投資於 HBM3E、HBM4、先進封裝技術與下一代製程節點。Samsung 的製造規模、財務實力與研發能力，確保其仍是難以撼動的競爭者，並有能力在未來 AI 需求擴大時進一步取得市占。 競爭態勢如今正轉向 HBM4，這代表 AI 記憶體技術的下一次重大演進。預期 HBM4 將提供顯著更高的頻寬、更大的容量、更佳的能源效率，以及更好的可擴展性，以應對日益複雜的 AI 工作負載。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，可能會在未來多年與領先的 AI 晶片設計商建立長期合作關係。 Bernstein 認為本次循環不同於先前循環的另一個重要原因，是長期供應合約的普遍採用。從歷史來看，記憶體供應商高度依賴波動劇烈的現貨市場，價格會因庫存狀況而劇烈起伏。如今，超大規模雲端供應商與 AI 基礎設施公司愈來愈偏好使用跨年合約，以確保未來供給。這些合約降低價格波動、改善產能規劃，並讓記憶體製造商在投入數十億美元建置新廠房時更有信心。 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龐大的資本投資、複雜的設備、監管核准、具備專業技能的工程人才，且在真正開始有意義的產出之前，往往還需數年。即便 Micron、SK Hynix 與 Samsung 宣布雄心勃勃的擴產計畫，這些新增產能在十年後段之前很難對全球供給造成實質影響。與此同時，AI 基礎設施支出仍持續加速，使需求能夠穩穩地超前於產能成長。 這些影響也遠超過記憶體製造商本身。供應半導體製造設備、先進曝光系統（advanced lithography systems）、封裝技術、電源管理解決方案、散熱冷卻系統，以及 AI 網路基礎設施的公司，都可能因持續投資而受益。隨著記憶體堆疊變得愈來愈先進，對先進曝光設備、晶圓檢測系統、晶片封裝技術以及專用製造材料的需求也會上升，從而在半導體供應鏈各環節形成機會。 不過，投資人仍應注意潛在風險。若全球經濟嚴重放緩，可能降低企業對 AI 的支出。若產能擴張速度比預期更快，最終可能使供給重新平衡。地緣政治緊張、出口管制，或來自新興競爭者的快速技術進步，可能改變競爭格局。AI 投資本身也可能在某些時期呈現較慢成長，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。 以我的觀點來看，Bernstein 的報告反映出整個半導體產業正在發生的更大範圍轉型。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。GPU 往往成為最多頭條新聞的主角，但若沒有龐大數量的高效能記憶體，即使是最先進的 AI 加速器也無法發揮其全部潛力。隨著政府、超大規模雲端業者、企業與 AI 開發者持續激進投資於下一代基礎設施，記憶體製造商可能會比過去投資人對該產業的傳統評價，擁有更強的定價能力、更長的獲利可見度，以及更高的估值。 若 Bernstein 的預測最終被證實正確，2027 年可能不只是另一輪半導體循環的高點。它可能標誌著市場將永久性地重新定義「記憶體公司」的角色：不再只是困於反覆景氣循環的企業，而是長期的 AI 基礎設施領導者。在 AI 為先的世界裡，單靠運算效能已不再足夠。能夠供應驅動這些處理器所需記憶體的公司，可能會成為本十年最具策略重要性的科技企業之一。 @Gate_Square
查看原文
SoominStar
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
#BernsteinSaysMemoryBullMarketToLastUntil2027 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產業之一。DRAM 與 NAND 製造商通常會經歷可預期的景氣循環：先是供過於求導致繁榮，接著是價格崩跌。每隔幾年，製造商就會擴產過於激進，庫存累積、毛利壓縮、估值重置。Bernstein 最新研究挑戰了這個延續數十年的假設。根據分析師 Gautam Chhugani 與 Mahika Sapra 的說法，目前的記憶體景氣上行在本質上與產業過去經歷的任何情況都不同。他們認為，AI 驅動的記憶體多頭市場不會停留在傳統的兩到四年區間內，至少可能維持到 2027 年。若這項判斷證實正確，投資人或許需要重新思考半導體公司如何被估值：不再將記憶體生產商視為高度循環的企業，而是承認其作為支撐全球 AI 經濟的策略性基礎設施供應商的地位。
Bernstein 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「一般商品」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，但其效能愈來愈依賴於在極高速度下移動海量資料的能力。這就是高頻寬記憶體（High Bandwidth Memory，HBM）改變局面的地方。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 能有效率地處理擁有數兆參數的 AI 模型。每一代新的 AI 硬體都需要大幅更高的記憶體容量與更快的資料傳輸速率，讓 HBM 成為現代 AI 系統中最有價值的組件之一。
傳統雲端伺服器處理的是網頁應用、資料庫、儲存、電子郵件服務與虛擬化等工作負載，對記憶體頻寬的需求相對有限。AI 伺服器則代表全然不同的基礎設施類型。訓練大型語言模型需要數千個 GPU 同步運作於龐大的叢集之中，並且每秒都在交換大量資訊。一台現代 AI 加速器可能會以多層先進 HBM 堆疊的形式存在，並透過超寬介面連接，具備每秒提供達數太字元頻寬的能力。隨著模型規模持續擴大、推論工作負載變得更加複雜，每一台新的 AI 伺服器都需要比前幾代明顯更多的 HBM。這種結構性的「記憶體密度」提升，是需求持續超越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納入更先進的 HBM 技術。AMD 也正快速擴大其 Instinct GPU 產品組合，為了在超大規模 AI 部署中競爭而提高對高階記憶體解決方案的需求。与此同时，開發前沿 AI 模型的公司——包含 Anthropic、OpenAI、xAI、Meta、Microsoft、Amazon 與 Google——正投資數千億美元於下一代資料中心，這些資料中心是專為人工智慧打造。這些公司不再只是為了汰換老舊基礎設施而採購硬體；它們正在打造全新的 AI 校園，所需的不是少量而是大量先進 GPU、網路設備、儲存系統、電力基礎建設，且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，都比傳統雲端基礎設施消耗更多倍的 HBM。隨著基礎模型變得更大、更強，推論工作負載也將迅速擴張。每天有數百萬名使用者與 AI 助手互動，意味著需求不只停留在訓練，也延伸到長期部署。這創造的是結構性而非暫時性的記憶體消耗來源，支撐 Bernstein 的論點：產業的供需平衡已從根本上改變。
支撐延長多頭市場的另一項關鍵因素，是能夠在商業規模下製造領先世代 HBM 的公司數量有限。與商品型 DRAM 不同，先進 HBM 的生產需要最先進的製程技術、複雜的封裝手法，以及數年的工程專業知識。即便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，並已成為 NVIDIA 多款旗艦 AI 加速器的主要供應商。早期投入數年，讓該公司得以吃下市場的主導份額；當需求持續上升時，亦使其具備相當的定價能力。報導指出，該公司未來相當部分的 HBM 產能已透過長期客戶合約事先被鎖定，降低不確定性並提供極佳的營收可見度。
Micron 也成為 AI 熱潮的另一位重要受益者。其 HBM3E 產品受到客戶強烈需求，據稱其近端產量多半已在未來交期的更早時間售罄。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 記憶體這一高利潤區塊能更積極地展開競爭。隨著全球 AI 部署增加，Micron 能夠取得長期供應合約的能力，將同時強化營收穩定性與營業利潤率。
Samsung 仍是全球最大記憶體製造商之一，且在 DRAM 與 NAND 具備龐大的產能。雖然在部分客戶族群中，Samsung 參與 HBM 競賽的時間比 SK Hynix 晚一些，但它仍持續重度投資於 HBM3E、HBM4、先進封裝技術與下一代製程節點。Samsung 的製造規模、財務實力與研發能力，確保其仍是難以撼動的競爭者，並有能力在未來 AI 需求擴大時進一步取得市占。
競爭態勢如今正轉向 HBM4，這代表 AI 記憶體技術的下一次重大演進。預期 HBM4 將提供顯著更高的頻寬、更大的容量、更佳的能源效率，以及更好的可擴展性，以應對日益複雜的 AI 工作負載。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，可能會在未來多年與領先的 AI 晶片設計商建立長期合作關係。
Bernstein 認為本次循環不同於先前循環的另一個重要原因，是長期供應合約的普遍採用。從歷史來看，記憶體供應商高度依賴波動劇烈的現貨市場，價格會因庫存狀況而劇烈起伏。如今，超大規模雲端供應商與 AI 基礎設施公司愈來愈偏好使用跨年合約，以確保未來供給。這些合約降低價格波動、改善產能規劃，並讓記憶體製造商在投入數十億美元建置新廠房時更有信心。
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龐大的資本投資、複雜的設備、監管核准、具備專業技能的工程人才，且在真正開始有意義的產出之前，往往還需數年。即便 Micron、SK Hynix 與 Samsung 宣布雄心勃勃的擴產計畫，這些新增產能在十年後段之前很難對全球供給造成實質影響。與此同時，AI 基礎設施支出仍持續加速，使需求能夠穩穩地超前於產能成長。
這些影響也遠超過記憶體製造商本身。供應半導體製造設備、先進曝光系統（advanced lithography systems）、封裝技術、電源管理解決方案、散熱冷卻系統，以及 AI 網路基礎設施的公司，都可能因持續投資而受益。隨著記憶體堆疊變得愈來愈先進，對先進曝光設備、晶圓檢測系統、晶片封裝技術以及專用製造材料的需求也會上升，從而在半導體供應鏈各環節形成機會。
不過，投資人仍應注意潛在風險。若全球經濟嚴重放緩，可能降低企業對 AI 的支出。若產能擴張速度比預期更快，最終可能使供給重新平衡。地緣政治緊張、出口管制，或來自新興競爭者的快速技術進步，可能改變競爭格局。AI 投資本身也可能在某些時期呈現較慢成長，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。
以我的觀點來看，Bernstein 的報告反映出整個半導體產業正在發生的更大範圍轉型。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。GPU 往往成為最多頭條新聞的主角，但若沒有龐大數量的高效能記憶體，即使是最先進的 AI 加速器也無法發揮其全部潛力。隨著政府、超大規模雲端業者、企業與 AI 開發者持續激進投資於下一代基礎設施，記憶體製造商可能會比過去投資人對該產業的傳統評價，擁有更強的定價能力、更長的獲利可見度，以及更高的估值。
若 Bernstein 的預測最終被證實正確，2027 年可能不只是另一輪半導體循環的高點。它可能標誌著市場將永久性地重新定義「記憶體公司」的角色：不再只是困於反覆景氣循環的企業，而是長期的 AI 基礎設施領導者。在 AI 為先的世界裡，單靠運算效能已不再足夠。能夠供應驅動這些處理器所需記憶體的公司，可能會成為本十年最具策略重要性的科技企業之一。
@Gate_Square
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