#BernsteinSaysMemoryBullMarketToLastUntil2027 在 AI 革命加速之前，半导体投资者通常把内存行业视为科技领域中最周期性的板块之一。DRAM 和 NAND 制造商往往会经历可预测的“繁荣—衰退”周期：先是出现过度供给，随后价格暴跌。每隔几年，制造商就会扩产过于激进，导致库存累积、利润率被压缩、估值被重置。伯恩斯坦最新研究对这种延续数十年的判断提出了挑战。分析师 Gautam Chhugani 和 Mahika Sapra 表示，当前的内存上行周期从本质上不同于行业以往经历过的任何情况。他们认为，这场由 AI 驱动的内存牛市不太可能像传统情况那样在两到四年的窗口期内结束，而可能至少维持到 2027 年。若这一判断成立，投资者可能需要重新思考半导体公司的估值方式：不再将内存生产商视为高度周期性的企业，而要把它们看作支撑全球 AI 经济的战略基础设施提供商。
伯恩斯坦论点的基础建立在一个看似简单但关键的现实上：人工智能正在把内存从一种商品（commodity）转变为任务关键型资源。过去几年，AI 加速器的性能变得显著更强，但其表现日益依赖于以极高速度移动海量数据的能力。高带宽内存（High Bandwidth Memory，HBM）正是在这里改变了游戏规则。与个人电脑和传统企业服务器中使用的常规 DRAM 不同，HBM 在提供更高带宽的同时功耗更低，从而使 GPU 能够高效处理包含万亿参数的 AI 模型。每一代新的 AI 硬件都需要大幅更高的内存容量和更快的数据传输速率，这让 HBM 成为现代 AI 系统中最有价值的组成部分之一。 传统云服务器处理的是网页应用、数据库、存储、电子邮件服务以及虚拟化工作负载，这些任务对内存带宽的需求相对有限。AI 服务器则是完全不同的一类基础设施。训练大型语言模型需要成千上万的 GPU 在大规模集群中同时运行，并且每秒都要交换海量信息。一台现代 AI 加速器可能包含多叠先进的 HBM，并通过超宽接口连接，能够实现每秒数太字节级别的带宽。随着模型规模持续扩大、推理工作负载变得更加复杂，每一代新的 AI 服务器都需要比上一代显著更多的 HBM。这种“内存强度”带来的结构性上升，是需求持续超过可用供给的主要原因之一。 全球最大的科技公司正以史无前例的力度加速投向 AI 基础设施，从而推动这一趋势。NVIDIA 继续主导 AI GPU 市场，其每一代加速器都集成更先进的 HBM 技术。AMD 正在迅速扩展 Instinct GPU 产品组合，以便在超大规模（hyperscale）的 AI 部署中竞争，并由此提升对高端内存解决方案的需求。与此同时，开发前沿 AI 模型的公司——包括 Anthropic、OpenAI、xAI、Meta、Microsoft、Amazon 和 Google——正在向专为人工智能打造的下一代数据中心投入数千亿美元。这些公司不再只是为了替换老化的硬件基础设施而采购设备；它们正在建设全新的 AI 场地（AI campuses），所需的是海量先进 GPU、网络设备、存储系统、电力基础设施，且最重要的是高性能内存。 这些组织部署的每一个 AI 训练集群，其消耗的 HBM 都会比传统云端基础设施呈指数级增长。随着基础模型变得更大、能力更强，推理工作负载也在快速扩张。每天有数以百万计的用户与 AI 助手互动，需要持续不断的计算资源，这意味着需求不止停留在训练阶段，还将延伸到长期部署。由此形成的并非短期的、而是结构性的内存消耗来源，这也支撑了伯恩斯坦的观点：行业的供需平衡已经从根本上发生了变化。 支撑延长牛市的另一个关键因素，是能够在商业规模上制造前沿（leading-edge）HBM 的公司数量非常有限。与商品化 DRAM 不同，先进 HBM 的生产需要最前沿的工艺技术、复杂的封装手段以及多年的工程经验。因此，即便当价格变得极具吸引力，供给扩张仍会受到显著制约。 SK Hynix 目前处于全球 HBM 市场领先地位，并已成为 NVIDIA 多款旗舰 AI 加速器的主要供应商。多年的早期投入使其能够在市场中占据主导份额，在需求持续上升的情况下具备相当的定价能力。报道显示，其未来 HBM 产能中的很大一部分已通过长期客户协议锁定，从而降低不确定性，并带来出色的收入可见度。 Micron 也已成为 AI 热潮的另一位主要受益者。其 HBM3E 产品获得了强劲的客户需求，据称其近端产量在很大程度上已售出，并覆盖到未来的交付计划。公司继续扩展先进封装能力，同时提升制造良率，使其能够在高端 AI 内存细分领域进行更具进攻性的竞争。随着全球 AI 部署持续增加，Micron 争取长期供货协议的能力将同时增强收入稳定性与运营利润率。 三星仍是全球最大的内存制造商之一，并在 DRAM 和 NAND 领域拥有巨大的产能。尽管三星在部分客户细分领域中进入 HBM 竞赛的时间比 SK Hynix 晚，但它仍持续大力投入 HBM3E、HBM4、先进封装技术以及下一代工艺节点。三星的制造规模、财务实力与研发能力，确保它依然是一位强大的竞争者，并能够在未来 AI 需求扩张时进一步获取市场份额。 竞争正在向 HBM4 转移，HBM4 代表 AI 内存技术的下一次重大演进。预计 HBM4 将带来显著更高的带宽、更大的容量、更好的能效，以及对日益复杂的 AI 工作负载更强的可扩展性。要实现这些性能提升，不仅需要在内存制造方面取得进步，还需要封装技术上的突破，例如 3D 堆叠、混合键合（hybrid bonding）以及先进的互连架构。能够掌握这些技术的公司，可能会在未来多年内与领先的 AI 芯片设计方建立长期合作伙伴关系。 伯恩斯坦认为本轮周期与以往不同的另一个重要原因，是长期供货协议（long-term supply agreements）的广泛采用。历史上，内存生产商高度依赖波动性极强的现货市场，价格会根据库存状况剧烈起伏。如今，超大规模云服务提供商与 AI 基础设施公司越来越倾向于签订为期多年的合同，以确保未来供给。这类协议能够降低定价波动、改善产能规划，并在内存制造商计划投入数十亿美元建设新的制造设施时，为其投资决策提供更高的信心。 供给扩张本身仍受到半导体制造极端复杂性的限制。建设一座先进的内存制造工厂需要巨额资本投入、先进且复杂的设备、监管审批、熟练的工程人才，并且在开始产生有意义的产出之前往往需要数年时间。即便 Micron、SK Hynix 和三星宣布雄心勃勃的扩产计划，这部分新增产能也不太可能在本十年后半段之前对全球供给产生实质性影响。与此同时，AI 基础设施支出仍在持续加速，使需求能够较为从容地领先于产出增长。 其影响也远不止于内存制造商。为半导体制造设备、先进光刻系统、封装技术、功率管理解决方案、热冷却系统以及 AI 网络基础设施提供支持的公司，都有望从持续投资中受益。随着内存堆叠变得越来越复杂，对先进光刻设备、晶圆检测系统、芯片封装技术以及专用制造材料的需求也将随之上升，从而在半导体供应链的各个环节创造机会。 尽管如此，投资者仍应保持对潜在风险的警惕。严重的全球经济放缓可能会降低企业的 AI 支出。若产能扩张速度快于预期，最终可能会重新平衡供需。地缘政治紧张局势、出口管制，或新兴竞争对手的快速技术进步，都可能改变竞争格局。如果基础设施支出的回报周期比预期更长，AI 投资本身也可能经历增长放缓的阶段。尽管伯恩斯坦预期结构性趋势仍将保持正向，但任何技术周期都不可能完全没有不确定性。 在我看来，伯恩斯坦的报告反映了半导体行业正在发生的一项更广泛的变革。人工智能正在把内存从低利润率的商品转变为现代计算中最具战略价值的组成部分之一。GPU 往往会获得最多的媒体关注，但如果没有大量高性能内存，即便是最先进的 AI 加速器也难以发挥其全部潜力。随着政府、超大规模企业、企业客户以及 AI 开发者持续对下一代基础设施进行积极投入，内存制造商可能会获得比以往投资者对该行业所赋予的更强定价能力、更长的盈利可见度，以及更高的估值。 如果伯恩斯坦的预测最终被证实准确，那么 2027 年可能不仅仅意味着另一轮半导体周期的峰值。它可能标志着市场首次、并将永久性地把内存公司重新定义为长期 AI 基础设施领导者，而不是困在反复出现“繁荣与衰退”周期中的企业。在一个以 AI 为先的世界里，仅靠算力已经不再足够。能够供给那些处理器所需内存的公司，可能会成为本十年中最具战略重要性的科技企业之一。 @Gate_Square
查看原文
Yusfirah
#BernsteinSaysMemoryBullMarketToLastUntil2027 在 AI 革命加速之前，半导体投资者将存储器行业视为科技领域中最具周期性的板块之一。DRAM 和 NAND 生产商通常会经历可预测的繁荣-萧条循环，其驱动因素往往是先出现供给过剩时期，然后价格崩塌。每隔几年，生产商就会过于激进地扩张产能，库存累积、利润率被压缩、估值也会被重置。Bernstein 最新研究对这一几十年前的假设提出挑战。据分析师 Gautam Chhugani 和 Mahika Sapra 称，当前这轮存储器上行周期与行业以往所经历的一切从根本上不同。他们认为，这场由 AI 驱动的内存牛市很可能不会像传统情况那样在两到四年的窗口期内结束，至少可能延续至 2027 年。如果这一判断被证实正确，投资者或许需要重新思考半导体公司的估值方式：不再将存储器生产商视为高度周期性的企业，而是将其看作支撑全球 AI 经济的战略基础设施提供商。
Bernstein 这套论点的基础在于一个简单的现实：人工智能正在把存储器从一种商品转变为任务关键型资源。过去几年，AI 加速器的性能变得显著更强，但其性能越来越依赖于以极高速度移动海量数据的能力。这正是高带宽内存（High Bandwidth Memory，HBM）的改变游戏规则之处。与个人电脑和传统企业服务器中使用的常规 DRAM 不同，HBM 在消耗更少电力的同时提供显著更高的带宽，使 GPU 能够高效处理拥有万亿参数规模的 AI 模型。每一代新的 AI 硬件都需要大幅更高的存储容量和更快的数据传输速率，而这使 HBM 成为现代 AI 系统内部最有价值的组成部分之一。
传统云服务器用于承载网页应用、数据库、存储、电子邮件服务以及虚拟化等工作负载，这些任务对存储器带宽的需求相对较为有限。AI 服务器则代表完全不同的基础设施类别。训练大型语言模型需要成千上万台 GPU 在大规模集群中同时运行，每秒都在交换海量信息。一台现代 AI 加速器可能会堆叠多组先进 HBM，并通过超宽接口连接，能够实现每秒数 TB 的带宽输出。随着模型规模持续扩大、推理工作负载变得更加复杂，每一代新的 AI 服务器都需要比上一代更多的 HBM。这种结构性“内存强度”上升，是需求持续超过可用供给的主要原因之一。
全球最大的科技公司正在通过前所未有的对 AI 基础设施投资来加速这一趋势。NVIDIA 继续主导 AI GPU 市场，并且其每一代加速器都会集成更先进的 HBM 技术。AMD 正在快速扩大全部 Instinct GPU 组合，以在超大规模 AI 部署中与之竞争，从而提高对高端存储解决方案的需求。与此同时，开发前沿 AI 模型的公司——包括 Anthropic、OpenAI、xAI、Meta、Microsoft、Amazon 和 Google——正在向下一代数据中心投入数以千亿计美元，这些数据中心专门为人工智能而设计。这些公司不再只是购买硬件来替换老化的基础设施；它们正在建设全新的 AI 场区，需要大量先进 GPU、网络设备、存储系统、电力基础设施，更重要的是高性能内存。
这些组织部署的每一个 AI 训练集群，相较传统云基础设施都会消耗指数级更多的 HBM。随着基础模型变得更大、更强大，推理工作负载也在迅速扩张。每天与 AI 助手互动的数百万用户都需要持续的计算资源，这意味着需求不仅延伸到训练阶段，也延伸到长期部署。这带来的是结构性而非暂时性的存储器消耗来源，从而支撑 Bernstein 的观点：行业的供需平衡已经从根本上发生了变化。
支撑这轮延长牛市的另一个关键因素是：能够在商业规模上制造领先级 HBM 的公司数量有限。与商品 DRAM 不同，先进 HBM 的生产需要尖端工艺技术、复杂的封装技术，以及多年的工程经验。这显著限制了供给扩张，即便当价格变得非常有吸引力时也是如此。
SK Hynix 目前处于全球 HBM 市场领先地位，并已成为 NVIDIA 多个旗舰 AI 加速器的主要供应商。公司早期的大量投入使其能够在市场中占据主导份额。随着需求继续上升，这也为其提供了相当的定价能力。据报道，其未来相当一部分 HBM 产能已通过长期客户协议锁定，降低了不确定性，并带来了出色的收入可见度。
Micron 已成为 AI 热潮的另一位重要受益者。其 HBM3E 产品受到了强劲的客户需求；据称，其近端产量已大部分售出，并延伸到未来交付计划。公司持续扩展先进封装能力，同时提升制造良率，使其能够在高端 AI 内存细分市场中实现积极竞争。随着 AI 部署在全球范围内增加，Micron 获取长期供给协议的能力将同时增强收入稳定性与经营利润率。
Samsung 仍是全球最大的存储器制造商之一，并在 DRAM 和 NAND 领域拥有巨大的产能。尽管公司在部分客户领域进入 HBM 赛道的时间比 SK Hynix 晚，但它仍在对 HBM3E、HBM4、先进封装技术以及下一代工艺节点进行持续的大额投资。Samsung 的制造规模、财务实力和研发能力确保其仍是一位强劲的竞争者，能够在未来 AI 需求扩张时继续争取更多市场份额。
竞争的重点正转向 HBM4，后者代表 AI 内存技术的下一次重大演进。预计 HBM4 将提供显著更高的带宽、更大的容量、更好的能效，以及针对日益复杂 AI 工作负载的更强可扩展性。要实现这些性能改进，不仅需要推进内存制造方面的技术，还需要在封装技术上取得进展，例如 3D 堆叠、混合键合以及先进互连架构。能够掌握这些技术的公司，可能会在未来多年内与领先的 AI 芯片设计者建立长期合作伙伴关系。
Bernstein 认为这轮周期与以往不同的另一个重要原因，是长期供给协议的广泛采用。历史上，存储器生产商高度依赖波动性较强的现货市场，其价格会随库存状况发生剧烈变化。如今，超大规模云服务提供商和 AI 基础设施公司越来越倾向于采用多年度合同，以保证未来供给。这些协议降低了价格波动，改善了产能规划，并使存储器制造商在投资数十亿美元建设新的晶圆制造设施时具备更大的信心。
这些影响也远不止于存储器制造商本身。为半导体制造设备、先进光刻系统、封装技术、电源管理解决方案、热冷却系统以及 AI 网络基础设施提供产品的公司，都可能从持续投资中受益。随着存储堆栈变得越来越先进，对先进光刻设备、晶圆检测系统、芯片封装技术以及专用制造材料的需求也随之上升，从而在半导体供应链的各个环节创造机会。
尽管如此，投资者仍应对潜在风险保持警惕。严重的全球经济放缓可能会降低企业对 AI 的支出。若产能扩张速度快于预期，最终可能会实现供给再平衡。地缘政治紧张、出口管制，或来自新兴竞争者的快速技术进步，都可能改变竞争格局。如果基础设施支出带来的回报时间比预期更长，AI 投资本身也可能出现增速放缓的阶段。尽管 Bernstein 预计这种结构性趋势将保持向好，但任何技术周期都不可能完全没有不确定性。
在我看来，Bernstein 的报告反映了半导体行业更广泛的转变。人工智能正在把存储器从低利润率的商品，转变为现代计算中最具战略价值的组成部分之一。GPU 往往占据最多的头条，但如果没有海量的高性能内存，即便是最先进的 AI 加速器也无法释放其全部潜力。随着政府、超大规模厂商、企业以及 AI 开发者继续对下一代基础设施进行大力投资，存储器制造商可能会获得比以往投资者对该板块所给予的更强定价能力、更长的盈利可见度，以及更高的估值。
如果 Bernstein 的预测最终被证实准确，那么 2027 年可能不仅仅代表又一个半导体周期的高点。它可能标志着市场从此把存储器公司重新定义为长期的 AI 基础设施领导者，而不是陷入反复繁荣-萧条循环的企业。在一个以 AI 为先的世界里，仅有算力已经不再足够。能够提供喂养这些处理器所需内存的公司，可能会成为本十年中最具战略重要性的科技企业之一。 @Gate_Square
#BernsteinSaysMemoryBullMarketToLastUntil2027 在 AI 革命加速之前，半导体投资者通常把内存行业视为科技领域中最周期性的板块之一。DRAM 和 NAND 制造商往往会经历可预测的“繁荣—衰退”周期：先是出现过度供给，随后价格暴跌。每隔几年，制造商就会扩产过于激进，导致库存累积、利润率被压缩、估值被重置。伯恩斯坦最新研究对这种延续数十年的判断提出了挑战。分析师 Gautam Chhugani 和 Mahika Sapra 表示，当前的内存上行周期从本质上不同于行业以往经历过的任何情况。他们认为，这场由 AI 驱动的内存牛市不太可能像传统情况那样在两到四年的窗口期内结束，而可能至少维持到 2027 年。若这一判断成立，投资者可能需要重新思考半导体公司的估值方式：不再将内存生产商视为高度周期性的企业，而要把它们看作支撑全球 AI 经济的战略基础设施提供商。
伯恩斯坦论点的基础建立在一个看似简单但关键的现实上：人工智能正在把内存从一种商品（commodity）转变为任务关键型资源。过去几年，AI 加速器的性能变得显著更强，但其表现日益依赖于以极高速度移动海量数据的能力。高带宽内存（High Bandwidth Memory，HBM）正是在这里改变了游戏规则。与个人电脑和传统企业服务器中使用的常规 DRAM 不同，HBM 在提供更高带宽的同时功耗更低，从而使 GPU 能够高效处理包含万亿参数的 AI 模型。每一代新的 AI 硬件都需要大幅更高的内存容量和更快的数据传输速率，这让 HBM 成为现代 AI 系统中最有价值的组成部分之一。
传统云服务器处理的是网页应用、数据库、存储、电子邮件服务以及虚拟化工作负载，这些任务对内存带宽的需求相对有限。AI 服务器则是完全不同的一类基础设施。训练大型语言模型需要成千上万的 GPU 在大规模集群中同时运行，并且每秒都要交换海量信息。一台现代 AI 加速器可能包含多叠先进的 HBM，并通过超宽接口连接，能够实现每秒数太字节级别的带宽。随着模型规模持续扩大、推理工作负载变得更加复杂，每一代新的 AI 服务器都需要比上一代显著更多的 HBM。这种“内存强度”带来的结构性上升，是需求持续超过可用供给的主要原因之一。
全球最大的科技公司正以史无前例的力度加速投向 AI 基础设施，从而推动这一趋势。NVIDIA 继续主导 AI GPU 市场，其每一代加速器都集成更先进的 HBM 技术。AMD 正在迅速扩展 Instinct GPU 产品组合，以便在超大规模（hyperscale）的 AI 部署中竞争，并由此提升对高端内存解决方案的需求。与此同时，开发前沿 AI 模型的公司——包括 Anthropic、OpenAI、xAI、Meta、Microsoft、Amazon 和 Google——正在向专为人工智能打造的下一代数据中心投入数千亿美元。这些公司不再只是为了替换老化的硬件基础设施而采购设备；它们正在建设全新的 AI 场地（AI campuses），所需的是海量先进 GPU、网络设备、存储系统、电力基础设施，且最重要的是高性能内存。
这些组织部署的每一个 AI 训练集群，其消耗的 HBM 都会比传统云端基础设施呈指数级增长。随着基础模型变得更大、能力更强，推理工作负载也在快速扩张。每天有数以百万计的用户与 AI 助手互动，需要持续不断的计算资源，这意味着需求不止停留在训练阶段，还将延伸到长期部署。由此形成的并非短期的、而是结构性的内存消耗来源，这也支撑了伯恩斯坦的观点：行业的供需平衡已经从根本上发生了变化。
支撑延长牛市的另一个关键因素，是能够在商业规模上制造前沿（leading-edge）HBM 的公司数量非常有限。与商品化 DRAM 不同，先进 HBM 的生产需要最前沿的工艺技术、复杂的封装手段以及多年的工程经验。因此，即便当价格变得极具吸引力，供给扩张仍会受到显著制约。
SK Hynix 目前处于全球 HBM 市场领先地位，并已成为 NVIDIA 多款旗舰 AI 加速器的主要供应商。多年的早期投入使其能够在市场中占据主导份额，在需求持续上升的情况下具备相当的定价能力。报道显示，其未来 HBM 产能中的很大一部分已通过长期客户协议锁定，从而降低不确定性，并带来出色的收入可见度。
Micron 也已成为 AI 热潮的另一位主要受益者。其 HBM3E 产品获得了强劲的客户需求，据称其近端产量在很大程度上已售出，并覆盖到未来的交付计划。公司继续扩展先进封装能力，同时提升制造良率，使其能够在高端 AI 内存细分领域进行更具进攻性的竞争。随着全球 AI 部署持续增加，Micron 争取长期供货协议的能力将同时增强收入稳定性与运营利润率。
三星仍是全球最大的内存制造商之一，并在 DRAM 和 NAND 领域拥有巨大的产能。尽管三星在部分客户细分领域中进入 HBM 竞赛的时间比 SK Hynix 晚，但它仍持续大力投入 HBM3E、HBM4、先进封装技术以及下一代工艺节点。三星的制造规模、财务实力与研发能力，确保它依然是一位强大的竞争者，并能够在未来 AI 需求扩张时进一步获取市场份额。
竞争正在向 HBM4 转移，HBM4 代表 AI 内存技术的下一次重大演进。预计 HBM4 将带来显著更高的带宽、更大的容量、更好的能效，以及对日益复杂的 AI 工作负载更强的可扩展性。要实现这些性能提升，不仅需要在内存制造方面取得进步，还需要封装技术上的突破，例如 3D 堆叠、混合键合（hybrid bonding）以及先进的互连架构。能够掌握这些技术的公司，可能会在未来多年内与领先的 AI 芯片设计方建立长期合作伙伴关系。
伯恩斯坦认为本轮周期与以往不同的另一个重要原因，是长期供货协议（long-term supply agreements）的广泛采用。历史上，内存生产商高度依赖波动性极强的现货市场，价格会根据库存状况剧烈起伏。如今，超大规模云服务提供商与 AI 基础设施公司越来越倾向于签订为期多年的合同，以确保未来供给。这类协议能够降低定价波动、改善产能规划，并在内存制造商计划投入数十亿美元建设新的制造设施时，为其投资决策提供更高的信心。
供给扩张本身仍受到半导体制造极端复杂性的限制。建设一座先进的内存制造工厂需要巨额资本投入、先进且复杂的设备、监管审批、熟练的工程人才，并且在开始产生有意义的产出之前往往需要数年时间。即便 Micron、SK Hynix 和三星宣布雄心勃勃的扩产计划，这部分新增产能也不太可能在本十年后半段之前对全球供给产生实质性影响。与此同时，AI 基础设施支出仍在持续加速，使需求能够较为从容地领先于产出增长。
其影响也远不止于内存制造商。为半导体制造设备、先进光刻系统、封装技术、功率管理解决方案、热冷却系统以及 AI 网络基础设施提供支持的公司，都有望从持续投资中受益。随着内存堆叠变得越来越复杂，对先进光刻设备、晶圆检测系统、芯片封装技术以及专用制造材料的需求也将随之上升，从而在半导体供应链的各个环节创造机会。
尽管如此，投资者仍应保持对潜在风险的警惕。严重的全球经济放缓可能会降低企业的 AI 支出。若产能扩张速度快于预期，最终可能会重新平衡供需。地缘政治紧张局势、出口管制，或新兴竞争对手的快速技术进步，都可能改变竞争格局。如果基础设施支出的回报周期比预期更长，AI 投资本身也可能经历增长放缓的阶段。尽管伯恩斯坦预期结构性趋势仍将保持正向，但任何技术周期都不可能完全没有不确定性。
在我看来，伯恩斯坦的报告反映了半导体行业正在发生的一项更广泛的变革。人工智能正在把内存从低利润率的商品转变为现代计算中最具战略价值的组成部分之一。GPU 往往会获得最多的媒体关注，但如果没有大量高性能内存，即便是最先进的 AI 加速器也难以发挥其全部潜力。随着政府、超大规模企业、企业客户以及 AI 开发者持续对下一代基础设施进行积极投入，内存制造商可能会获得比以往投资者对该行业所赋予的更强定价能力、更长的盈利可见度，以及更高的估值。
如果伯恩斯坦的预测最终被证实准确，那么 2027 年可能不仅仅意味着另一轮半导体周期的峰值。它可能标志着市场首次、并将永久性地把内存公司重新定义为长期 AI 基础设施领导者，而不是困在反复出现“繁荣与衰退”周期中的企业。在一个以 AI 为先的世界里，仅靠算力已经不再足够。能够供给那些处理器所需内存的公司，可能会成为本十年中最具战略重要性的科技企业之一。
@Gate_Square
Bernstein 这套论点的基础在于一个简单的现实：人工智能正在把存储器从一种商品转变为任务关键型资源。过去几年，AI 加速器的性能变得显著更强，但其性能越来越依赖于以极高速度移动海量数据的能力。这正是高带宽内存（High Bandwidth Memory，HBM）的改变游戏规则之处。与个人电脑和传统企业服务器中使用的常规 DRAM 不同，HBM 在消耗更少电力的同时提供显著更高的带宽，使 GPU 能够高效处理拥有万亿参数规模的 AI 模型。每一代新的 AI 硬件都需要大幅更高的存储容量和更快的数据传输速率，而这使 HBM 成为现代 AI 系统内部最有价值的组成部分之一。
传统云服务器用于承载网页应用、数据库、存储、电子邮件服务以及虚拟化等工作负载，这些任务对存储器带宽的需求相对较为有限。AI 服务器则代表完全不同的基础设施类别。训练大型语言模型需要成千上万台 GPU 在大规模集群中同时运行，每秒都在交换海量信息。一台现代 AI 加速器可能会堆叠多组先进 HBM，并通过超宽接口连接，能够实现每秒数 TB 的带宽输出。随着模型规模持续扩大、推理工作负载变得更加复杂，每一代新的 AI 服务器都需要比上一代更多的 HBM。这种结构性“内存强度”上升，是需求持续超过可用供给的主要原因之一。
全球最大的科技公司正在通过前所未有的对 AI 基础设施投资来加速这一趋势。NVIDIA 继续主导 AI GPU 市场，并且其每一代加速器都会集成更先进的 HBM 技术。AMD 正在快速扩大全部 Instinct GPU 组合，以在超大规模 AI 部署中与之竞争，从而提高对高端存储解决方案的需求。与此同时，开发前沿 AI 模型的公司——包括 Anthropic、OpenAI、xAI、Meta、Microsoft、Amazon 和 Google——正在向下一代数据中心投入数以千亿计美元，这些数据中心专门为人工智能而设计。这些公司不再只是购买硬件来替换老化的基础设施；它们正在建设全新的 AI 场区，需要大量先进 GPU、网络设备、存储系统、电力基础设施，更重要的是高性能内存。
这些组织部署的每一个 AI 训练集群，相较传统云基础设施都会消耗指数级更多的 HBM。随着基础模型变得更大、更强大，推理工作负载也在迅速扩张。每天与 AI 助手互动的数百万用户都需要持续的计算资源，这意味着需求不仅延伸到训练阶段，也延伸到长期部署。这带来的是结构性而非暂时性的存储器消耗来源，从而支撑 Bernstein 的观点：行业的供需平衡已经从根本上发生了变化。
支撑这轮延长牛市的另一个关键因素是：能够在商业规模上制造领先级 HBM 的公司数量有限。与商品 DRAM 不同，先进 HBM 的生产需要尖端工艺技术、复杂的封装技术，以及多年的工程经验。这显著限制了供给扩张，即便当价格变得非常有吸引力时也是如此。
SK Hynix 目前处于全球 HBM 市场领先地位，并已成为 NVIDIA 多个旗舰 AI 加速器的主要供应商。公司早期的大量投入使其能够在市场中占据主导份额。随着需求继续上升，这也为其提供了相当的定价能力。据报道，其未来相当一部分 HBM 产能已通过长期客户协议锁定，降低了不确定性，并带来了出色的收入可见度。
Micron 已成为 AI 热潮的另一位重要受益者。其 HBM3E 产品受到了强劲的客户需求；据称，其近端产量已大部分售出，并延伸到未来交付计划。公司持续扩展先进封装能力，同时提升制造良率，使其能够在高端 AI 内存细分市场中实现积极竞争。随着 AI 部署在全球范围内增加，Micron 获取长期供给协议的能力将同时增强收入稳定性与经营利润率。
Samsung 仍是全球最大的存储器制造商之一，并在 DRAM 和 NAND 领域拥有巨大的产能。尽管公司在部分客户领域进入 HBM 赛道的时间比 SK Hynix 晚，但它仍在对 HBM3E、HBM4、先进封装技术以及下一代工艺节点进行持续的大额投资。Samsung 的制造规模、财务实力和研发能力确保其仍是一位强劲的竞争者，能够在未来 AI 需求扩张时继续争取更多市场份额。
竞争的重点正转向 HBM4，后者代表 AI 内存技术的下一次重大演进。预计 HBM4 将提供显著更高的带宽、更大的容量、更好的能效，以及针对日益复杂 AI 工作负载的更强可扩展性。要实现这些性能改进，不仅需要推进内存制造方面的技术，还需要在封装技术上取得进展，例如 3D 堆叠、混合键合以及先进互连架构。能够掌握这些技术的公司，可能会在未来多年内与领先的 AI 芯片设计者建立长期合作伙伴关系。
Bernstein 认为这轮周期与以往不同的另一个重要原因，是长期供给协议的广泛采用。历史上，存储器生产商高度依赖波动性较强的现货市场，其价格会随库存状况发生剧烈变化。如今，超大规模云服务提供商和 AI 基础设施公司越来越倾向于采用多年度合同，以保证未来供给。这些协议降低了价格波动，改善了产能规划，并使存储器制造商在投资数十亿美元建设新的晶圆制造设施时具备更大的信心。
供给扩张本身仍受到半导体制造“极端复杂性”的约束。建设一座先进的存储器晶圆制造工厂需要巨额资本投入、复杂的设备、监管审批、熟练的工程人才，以及在开始形成有意义产出前通常要经历数年。即便 Micron、SK Hynix 和 Samsung 宣布雄心勃勃的扩产计划，这些新增产能在直到十年后半段之前，恐怕也难以对全球供给产生实质性影响。与此同时，AI 基础设施支出仍在加速增长，使需求稳稳地领先于产能增长。
这些影响也远不止于存储器制造商本身。为半导体制造设备、先进光刻系统、封装技术、电源管理解决方案、热冷却系统以及 AI 网络基础设施提供产品的公司，都可能从持续投资中受益。随着存储堆栈变得越来越先进，对先进光刻设备、晶圆检测系统、芯片封装技术以及专用制造材料的需求也随之上升，从而在半导体供应链的各个环节创造机会。
尽管如此，投资者仍应对潜在风险保持警惕。严重的全球经济放缓可能会降低企业对 AI 的支出。若产能扩张速度快于预期，最终可能会实现供给再平衡。地缘政治紧张、出口管制，或来自新兴竞争者的快速技术进步，都可能改变竞争格局。如果基础设施支出带来的回报时间比预期更长，AI 投资本身也可能出现增速放缓的阶段。尽管 Bernstein 预计这种结构性趋势将保持向好，但任何技术周期都不可能完全没有不确定性。
在我看来，Bernstein 的报告反映了半导体行业更广泛的转变。人工智能正在把存储器从低利润率的商品，转变为现代计算中最具战略价值的组成部分之一。GPU 往往占据最多的头条，但如果没有海量的高性能内存，即便是最先进的 AI 加速器也无法释放其全部潜力。随着政府、超大规模厂商、企业以及 AI 开发者继续对下一代基础设施进行大力投资，存储器制造商可能会获得比以往投资者对该板块所给予的更强定价能力、更长的盈利可见度，以及更高的估值。
如果 Bernstein 的预测最终被证实准确，那么 2027 年可能不仅仅代表又一个半导体周期的高点。它可能标志着市场从此把存储器公司重新定义为长期的 AI 基础设施领导者，而不是陷入反复繁荣-萧条循环的企业。在一个以 AI 为先的世界里，仅有算力已经不再足够。能够提供喂养这些处理器所需内存的公司，可能会成为本十年中最具战略重要性的科技企业之一。
@Gate_Square