#BernsteinSaysMemoryBullMarketToLastUntil2027 在 AI 革命加速之前，半导体投资者曾将内存行业视为科技领域中最周期性的板块之一。DRAM 和 NAND 制造商通常会经历可预期的“繁荣—萧条”周期，周期背后由先是供给过剩、随后价格崩塌的阶段驱动。每隔几年，制造商都会过度激进地扩产，库存不断累积，利润率被压缩，估值也随之重置。Bernstein 最新研究对这种延续了数十年的假设提出挑战。据分析师 Gautam Chhugani 和 Mahika Sapra 称，当前的内存上行周期与行业以往经历过的任何情况都存在本质差异。他们认为，这轮由 AI 驱动的内存牛市可能不会在传统的两到四年窗口内结束，至少可能延续到 2027 年。若这一判断被证实为真，投资者或许需要重新思考半导体公司的估值方式：从将内存生产商视为高度周期性业务，转向认识其为支撑全球 AI 经济的战略基础设施提供商。
Bernstein 论点的基础在于一个简单现实：人工智能正在把内存从一种商品转变为任务关键型资源。过去几年里，AI 加速器的性能变得显著更强，但其表现越来越取决于能否以极高速度移动海量数据。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 在消耗更少功耗的同时提供显著更高的带宽，使 GPU 能够高效处理拥有数万亿参数的 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，这使 HBM 成为现代 AI 系统中最有价值的组成部分之一。 传统云服务器主要承载网页应用、数据库、存储、电子邮件服务以及虚拟化工作负载，这些业务对内存带宽的需求相对有限。AI 服务器则属于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的 GPU 在巨型集群中同时运行，每秒都要交换海量信息。一台现代 AI 加速器可能由堆叠的先进 HBM 组成，并通过超宽接口连接，能够实现每秒数 TB 的带宽。随着模型规模持续扩张、推理工作负载变得更加复杂，每一代新的 AI 服务器都需要的 HBM 比上一代更多。这种结构性“内存强度”上升，是需求持续领先于可用供给的首要原因之一。 全球最大的科技公司正通过前所未有的 AI 基础设施投入加速这一趋势。NVIDIA 继续主导 AI GPU 市场，其每一代加速器都集成了更先进的 HBM 技术。AMD 正迅速扩展其 Instinct GPU 产品组合，以在超大规模 AI 部署中与之竞争，从而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——正在向下一代数据中心投入数千亿（hundreds of billions of dollars）的资金，这些数据中心是专门为人工智能设计的。这些公司不再只是为了替换老旧硬件而采购设备；它们正在建设全新的 AI 场园，需要海量先进 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。 这些机构部署的每一个 AI 训练集群，其消耗的 HBM 都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、更强，推理工作负载也在迅速扩张。每天有数百万用户与 AI 助手交互，这意味着对算力的需求不仅限于训练，还会延伸到长期部署。这就形成了一种结构性而非临时性的内存消耗来源，从而支撑了 Bernstein 的观点：行业的供需平衡已经发生了本质变化。 支撑延长型牛市的另一个关键因素是，能够在商用规模上制造领先级 HBM 的公司数量有限。与商品型 DRAM 不同，先进 HBM 的生产需要最前沿的工艺技术、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，即便当定价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 多款旗舰 AI 加速器的主要供应商。多年的早期投入让公司获得了市场的主导份额，使其在需求持续上升的过程中拥有相当的定价能力。据报道，其未来大部分 HBM 产能已通过长期客户协议提前锁定，降低了不确定性，并提供了出色的收入可见度。 Micron 也已成为 AI 热潮的另一大受益者。其 HBM3E 产品获得了强劲的客户需求，据称其短期产能大多已售罄，将供货排期延伸到未来更远的时间。公司持续扩展先进封装能力，并提升制造良率，使其在高端 AI 内存细分领域具备更强的竞争姿态。随着全球 AI 部署增加，Micron 能够拿下长期供货协议的能力将进一步增强收入稳定性和运营利润率。 三星仍是全球最大的内存制造商之一，旗下在 DRAM 和 NAND 领域拥有巨大的产能。尽管在部分客户细分领域中，三星进入 HBM 竞争的时间比 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高额持续投入。三星的制造规模、财务实力与研发能力确保其仍是一家强有力的竞争者：随着未来 AI 需求扩张，它有能力进一步争取市场份额。 竞争正向 HBM4 转移，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、更好的能效以及面向日益复杂 AI 工作负载的更强可扩展性。要实现这些性能提升，不仅需要内存制造环节的进步，也需要封装技术的发展，例如 3D 堆叠、混合键合以及先进的互连架构。能够掌握这些技术的公司，往往会在未来数年内与领先的 AI 芯片设计公司建立长期合作关系。 Bernstein 认为本轮周期不同于以往周期的另一个重要原因，是长期供货协议的广泛采用。历史上，内存生产商高度依赖波动性很强的现货市场：价格会根据库存状况出现剧烈起伏。如今，超大规模云服务商和 AI 基础设施公司越来越倾向于签订多年的合同，以确保未来供给。这些协议降低了价格波动、改善了产能规划，并使内存制造商在投资数十亿美元建设新的晶圆厂时更有信心。 尽管供给扩张仍受到限制，但根源在于半导体制造的超高复杂性。建设一座先进的内存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，以及在真正开始形成有意义产能之前数年的时间。即便 Micron、SK Hynix 和三星宣布雄心勃勃的扩产计划，这些新增产能也不太可能在十年后半段之前对全球供给产生实质性影响。与此同时，AI 基础设施支出仍在加速，从而让需求持续舒适地领先于产能增长。 影响远不止于内存制造商。供应半导体制造设备、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会上升，从而在半导体供应链的各个环节创造机会。 尽管如此，投资者仍应留意潜在风险。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，未来可能会重新平衡供需。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。若基础设施投入的回报周期比预期更长，AI 投资本身也可能出现放缓增长的阶段。尽管 Bernstein 预计这种结构性趋势仍将保持向好，但任何技术周期都不可能完全没有不确定性。 在我看来，Bernstein 的报告反映出半导体行业正在发生的更广泛变革。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 常常会占据最多的头条，但如果没有大量高性能内存，即便是最先进的 AI 加速器也无法发挥其全部潜力。随着各国政府、超大规模企业、企业客户以及 AI 开发者继续对下一代基础设施进行激进投入，内存制造商或许会获得比投资者以往给予该板块时更强的定价能力、更长的盈利能见度以及更高的估值。 如果 Bernstein 的预测最终被证明准确，那么 2027 年可能不仅仅意味着另一轮半导体周期的峰值。它可能标志着市场开始永久性地重新定义内存公司：不再是被困在反复“繁荣—萧条”周期中的企业，而是长期 AI 基础设施的领导者。在以 AI 为先的世界里，仅有算力不再足够。能够提供支撑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
查看原文
SoominStar
#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
#BernsteinSaysMemoryBullMarketToLastUntil2027 在 AI 革命加速之前，半导体投资者曾将内存行业视为科技领域中最周期性的板块之一。DRAM 和 NAND 制造商通常会经历可预期的“繁荣—萧条”周期，周期背后由先是供给过剩、随后价格崩塌的阶段驱动。每隔几年，制造商都会过度激进地扩产，库存不断累积，利润率被压缩，估值也随之重置。Bernstein 最新研究对这种延续了数十年的假设提出挑战。据分析师 Gautam Chhugani 和 Mahika Sapra 称，当前的内存上行周期与行业以往经历过的任何情况都存在本质差异。他们认为，这轮由 AI 驱动的内存牛市可能不会在传统的两到四年窗口内结束，至少可能延续到 2027 年。若这一判断被证实为真，投资者或许需要重新思考半导体公司的估值方式：从将内存生产商视为高度周期性业务，转向认识其为支撑全球 AI 经济的战略基础设施提供商。
Bernstein 论点的基础在于一个简单现实：人工智能正在把内存从一种商品转变为任务关键型资源。过去几年里，AI 加速器的性能变得显著更强，但其表现越来越取决于能否以极高速度移动海量数据。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 在消耗更少功耗的同时提供显著更高的带宽，使 GPU 能够高效处理拥有数万亿参数的 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，这使 HBM 成为现代 AI 系统中最有价值的组成部分之一。
传统云服务器主要承载网页应用、数据库、存储、电子邮件服务以及虚拟化工作负载，这些业务对内存带宽的需求相对有限。AI 服务器则属于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的 GPU 在巨型集群中同时运行，每秒都要交换海量信息。一台现代 AI 加速器可能由堆叠的先进 HBM 组成，并通过超宽接口连接，能够实现每秒数 TB 的带宽。随着模型规模持续扩张、推理工作负载变得更加复杂，每一代新的 AI 服务器都需要的 HBM 比上一代更多。这种结构性“内存强度”上升，是需求持续领先于可用供给的首要原因之一。
全球最大的科技公司正通过前所未有的 AI 基础设施投入加速这一趋势。NVIDIA 继续主导 AI GPU 市场，其每一代加速器都集成了更先进的 HBM 技术。AMD 正迅速扩展其 Instinct GPU 产品组合，以在超大规模 AI 部署中与之竞争，从而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——正在向下一代数据中心投入数千亿（hundreds of billions of dollars）的资金，这些数据中心是专门为人工智能设计的。这些公司不再只是为了替换老旧硬件而采购设备；它们正在建设全新的 AI 场园，需要海量先进 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。
这些机构部署的每一个 AI 训练集群，其消耗的 HBM 都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、更强，推理工作负载也在迅速扩张。每天有数百万用户与 AI 助手交互，这意味着对算力的需求不仅限于训练，还会延伸到长期部署。这就形成了一种结构性而非临时性的内存消耗来源，从而支撑了 Bernstein 的观点：行业的供需平衡已经发生了本质变化。
支撑延长型牛市的另一个关键因素是，能够在商用规模上制造领先级 HBM 的公司数量有限。与商品型 DRAM 不同，先进 HBM 的生产需要最前沿的工艺技术、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，即便当定价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 多款旗舰 AI 加速器的主要供应商。多年的早期投入让公司获得了市场的主导份额，使其在需求持续上升的过程中拥有相当的定价能力。据报道，其未来大部分 HBM 产能已通过长期客户协议提前锁定，降低了不确定性，并提供了出色的收入可见度。
Micron 也已成为 AI 热潮的另一大受益者。其 HBM3E 产品获得了强劲的客户需求，据称其短期产能大多已售罄，将供货排期延伸到未来更远的时间。公司持续扩展先进封装能力，并提升制造良率，使其在高端 AI 内存细分领域具备更强的竞争姿态。随着全球 AI 部署增加，Micron 能够拿下长期供货协议的能力将进一步增强收入稳定性和运营利润率。
三星仍是全球最大的内存制造商之一，旗下在 DRAM 和 NAND 领域拥有巨大的产能。尽管在部分客户细分领域中，三星进入 HBM 竞争的时间比 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高额持续投入。三星的制造规模、财务实力与研发能力确保其仍是一家强有力的竞争者：随着未来 AI 需求扩张，它有能力进一步争取市场份额。
竞争正向 HBM4 转移，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、更好的能效以及面向日益复杂 AI 工作负载的更强可扩展性。要实现这些性能提升，不仅需要内存制造环节的进步，也需要封装技术的发展，例如 3D 堆叠、混合键合以及先进的互连架构。能够掌握这些技术的公司，往往会在未来数年内与领先的 AI 芯片设计公司建立长期合作关系。
Bernstein 认为本轮周期不同于以往周期的另一个重要原因，是长期供货协议的广泛采用。历史上，内存生产商高度依赖波动性很强的现货市场：价格会根据库存状况出现剧烈起伏。如今，超大规模云服务商和 AI 基础设施公司越来越倾向于签订多年的合同，以确保未来供给。这些协议降低了价格波动、改善了产能规划，并使内存制造商在投资数十亿美元建设新的晶圆厂时更有信心。
尽管供给扩张仍受到限制，但根源在于半导体制造的超高复杂性。建设一座先进的内存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，以及在真正开始形成有意义产能之前数年的时间。即便 Micron、SK Hynix 和三星宣布雄心勃勃的扩产计划，这些新增产能也不太可能在十年后半段之前对全球供给产生实质性影响。与此同时，AI 基础设施支出仍在加速，从而让需求持续舒适地领先于产能增长。
影响远不止于内存制造商。供应半导体制造设备、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会上升，从而在半导体供应链的各个环节创造机会。
尽管如此，投资者仍应留意潜在风险。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，未来可能会重新平衡供需。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。若基础设施投入的回报周期比预期更长，AI 投资本身也可能出现放缓增长的阶段。尽管 Bernstein 预计这种结构性趋势仍将保持向好，但任何技术周期都不可能完全没有不确定性。
在我看来，Bernstein 的报告反映出半导体行业正在发生的更广泛变革。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 常常会占据最多的头条，但如果没有大量高性能内存，即便是最先进的 AI 加速器也无法发挥其全部潜力。随着各国政府、超大规模企业、企业客户以及 AI 开发者继续对下一代基础设施进行激进投入，内存制造商或许会获得比投资者以往给予该板块时更强的定价能力、更长的盈利能见度以及更高的估值。
如果 Bernstein 的预测最终被证明准确，那么 2027 年可能不仅仅意味着另一轮半导体周期的峰值。它可能标志着市场开始永久性地重新定义内存公司：不再是被困在反复“繁荣—萧条”周期中的企业，而是长期 AI 基础设施的领导者。在以 AI 为先的世界里，仅有算力不再足够。能够提供支撑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
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