发帖
雷达卡
过去几年，AI芯片竞争的核心几乎等同于GPU。谁能获得更多GPU，谁就能建设更大的AI算力基础设施。但随着大模型规模扩大和推理需求增长，AI产业正在出现新的瓶颈：Memory，尤其是HBM（High Bandwidth Memory，高带宽存储器）。GPU负责计算，HBM负责高速向GPU输送数据，如果Memory Bandwidth不足，即使拥有大量GPU，也无法充分释放算力。因此，AI供应链正在从单纯的“GPU Shortage”逐渐进入“GPU+HBM+Advanced Packaging”共同竞争的阶段。
据QYResearch调研显示，AI服务器存储与内存芯片正在从传统服务器中的辅助组件转变为影响AI训练效率、推理性能和数据访问速度的核心硬件。2025年全球AI服务器存储与内存芯片出货容量约5273.43PB，市场规模约66.97亿美元，预计2026年达到128.59亿美元，到2032年进一步增长至383.96亿美元，2026—2032年CAGR约20%。HBM、DDR5/DDR6服务器DRAM、企业级SSD等产品共同构成这一市场，其中HBM凭借更高的单位价值量，正在成为AI基础设施的重要增长环节。
AI为什么开始“抢Memory”？传统服务器同样需要存储器，但AI服务器对Memory性能的要求明显更高。大模型训练和推理需要GPU与Memory持续交换海量数据，当GPU计算能力提升而Memory无法及时提供数据时，就会形成Memory Bottleneck。HBM通过3D堆叠多个DRAM Die，并结合TSV等技术提供更高带宽，已经成为高端AI Accelerator的重要组成部分。一颗高端AI芯片越来越不能简单理解为GPU，而是GPU、HBM和先进封装共同构成的计算系统。
全球先进DRAM市场长期集中在SK hynix、Samsung Electronics和Micron三家公司，但公司总部所在地并不等于制造能力所在地。美国虽然拥有Micron这样的Memory企业，先进DRAM和HBM制造能力却仍高度集中于亚洲。因此，美国真正需要解决的问题并不是“有没有Memory公司”，而是“美国境内到底拥有多少先进Memory制造能力”。
美国正在加快Memory制造回流。根据原文信息，Micron计划到2035年在美国投入超过2500亿美元，用于先进Memory制造和研发，长期目标是推动约40%的DRAM在美国生产，Idaho等地的新Fab也将逐步形成先进DRAM和HBM相关产能。
但Memory本土化面临明显的时间差。新Fab从建设、设备安装到工艺验证、良率爬坡和客户认证，需要多年时间，而AI需求正在快速增长。关税可以较快提高进口Memory成本，却无法立即创造新的先进产能。如果进口成本上涨而本土产能尚未形成规模，成本压力就可能进一步传导至AI Accelerator、AI Server和Data Center，最终推高AI基础设施成本。
与此同时，HBM还可能挤压传统DRAM产能。由于先进晶圆资源有限，Memory厂商增加HBM产量后，可能减少部分传统DRAM产能配置，从而影响PC、智能手机、传统服务器甚至汽车电子。近期行业研究也显示，HBM与传统DRAM共享部分晶圆产能，HBM扩产可能进一步收紧普通DRAM供应。
因此，美国真正需要建设的并不只是几座Memory Fab，而是一整套Memory产业链，从300mm Silicon Wafer、电子材料、特种气体和半导体设备，到DRAM、HBM、先进封装和测试，再连接AI Accelerator、AI Server和Data Center。AI带来的Memory需求增长，正在推动整个半导体供应链重新进行产能配置。
从产业趋势来看，AI供应链的瓶颈也在不断迁移。过去是GPU，随后是HBM，再逐渐延伸到Advanced Packaging、AI Server、Networking、Liquid Cooling、Data Center乃至Electricity。与此同时，Memory行业仍然存在周期风险，如果未来AI基础设施投资增速放缓，而新增产能持续释放，也可能重新出现供大于求。
因此，AI竞争正在从“谁拥有GPU”逐渐扩大到“谁拥有GPU+Memory+Packaging+Power”。GPU负责Compute，HBM负责Feed the Compute，没有足够的Memory Bandwidth，更多GPU并不一定意味着更多有效算力。随着AI从单纯的算力竞争进入整个基础设施竞争阶段，Memory正在从传统的半导体组件转变为影响AI算力成本和供应链安全的重要战略资产。
京公网安备 11010802022788号
