①美光高管Sumit Sadana表示，當前內存短缺覆蓋多個市場領域，即使公司在全球推進約20個擴產項目，真正有意義的新增供應也要到2028年才會開始爬坡；②他進一步表示，長期供貨、聯合研發以及端側AI和機器人需求，正在重塑存儲行業的商業模式。
財聯社9月16日訊（編輯 史正丞）當地時間週二， $美光科技 (MU.US)$CEO高級顧問、前執行副總裁兼首席商務官Sumit Sadana在一場訪談中，系統闡述了存儲行業的供需格局、商業模式變化，以及AI時代的產能擴張難題。
最引人關注的是，即使美光正大幅提高資本開支，並在全球推進約20個擴產項目，當前內存嚴重短缺的局面仍難在短期內緩解。Sadana預計，真正有意義的新增供應要到2028年才會開始爬坡；至於供需何時重新恢復平衡，美光目前仍「看不到明確時間」。
這場訪談釋放的信號遠不止「內存缺貨」。從多年期供貨協議、與客戶聯合研發，到端側AI和人形機器人，AI正在推動內存由高度標準化的週期品，轉變爲決定系統性能、功耗乃至產品競爭力的核心部件。這一變化，正在從根本上重塑存儲行業延續多年的商業模式。
一、美光仍看不到供需平衡點
首先，依然是支撐「存儲超級週期」的供應緊張敘事。
Sadana表示，與一年前相比，內存行業的供需形勢已經發生顯著變化。當前內存短缺並非侷限於個別高端產品，而是已經覆蓋所有市場領域。
更關鍵的是，客戶需求仍在向上修正。美光每年從客戶處獲得的需求預測都在增加，即使供應商全力擴產，目前也無法判斷供應何時能夠追上需求。
背後的根本原因，是存儲芯片對AI性能的關鍵作用。
Sadana指出，過去評價計算系統性能，關注點通常集中在CPU或GPU。但是AI系統的表現越來越取決於內存容量、內存性能，以及處理器與內存之間的傳輸帶寬。
大型AI模型需要駐留在內存中，推理和訓練過程中又有大量數據需要反覆移動。如果內存容量不足，模型便無法完整加載；如果帶寬不足，高性能處理器也會因爲等待數據而無法充分發揮算力。
Sadana認爲，內存容量與內存性能已經成爲衡量AI系統能力的兩個核心指標，處理器與內存之間的帶寬則可能成爲整個系統的關鍵瓶頸。
二、內存已從標準化商品變成差異化工具
數年前，多數客戶使用的是符合JEDEC標準的通用內存，各家公司採購的產品高度相似，內存廠商很難通過定製設計形成明顯差異。
Sadana指出，AI改變了這種模式。如今，客戶希望利用內存架構提升系統性能、降低功耗，進而建立相對於競爭對手的優勢。美光因此開始更早地進入客戶的多年產品路線圖，與其共同定義下一代系統所需的內存能力。
以美光與英偉達的合作爲例稱，美光率先將低功耗DRAM引入數據中心，並曾在相當長一段時間內成爲該領域的獨家供應商。與傳統DRAM相比，低功耗DRAM可以同時改善密度、體積、性能和能耗，這對電力日益緊張的數據中心尤爲重要。
三、長期供貨協議
衆所周知，得益於供應緊張，美光正在與部分客戶簽署「戰略客戶協議」，也就是所謂的「長協」。
過去的內存採購協議通常只有一年期限，客戶是否採購、供應商能否交貨，很大程度上取決於當時的價格和市場供需。新的戰略協議則要求雙方作出多年承諾：美光鎖定供應，客戶鎖定需求。
Sadana表示，這些協議還需要具備足夠明確的投資回報，從而讓美光能夠爲未來數年的資本開支提供依據。長期協議有望提高收入和需求的可見度，並在一定程度上削弱傳統存儲市場的週期波動。
他特別強調，支撐這些長期需求的人工智能技術進展正在「彼此疊加，相互構建」。從大模型到AI代理/智能體，現在「物理AI」的浪潮也已經滾滾而來。
四、智能體AI、物理AI、端側AI需求將層層疊加
Sadana認爲，當前的數據中心AI並不是內存需求的終點。接下來，智能體AI和物理AI將成爲新的增長來源。
這些需求不會簡單替代上一輪需求，而是相互疊加：大模型訓練仍要繼續，推理規模還會擴大；智能體AI將在此基礎上增加新的計算負載；自動駕駛、工業設備和機器人則會進一步把AI帶入現實世界。
他表示：「這些需求會相互疊加，並不是一輪取代另一輪。」
因此，供應端面對的挑戰並不只是滿足當前數據中心建設，而是要同時爲多輪AI需求準備產能。
Sadana也預計，隨着AI能力從雲端向邊緣設備擴散，未來汽車、PC、智能手機、工業設備以及新的AI原生終端，都將搭載更強的本地模型——這同樣意味着對存儲芯片的需求。
端側模型需要在有限的功耗和電池容量下運行。模型既要足夠大，能夠爲用戶提供有價值的功能；又要足夠小，可以完整裝入設備，不必把每次請求都發送至雲端。
五、人形機器人或成DRAM和NAND下一個大市場
在Sadana看來，機器人可能成爲本十年後半段至2030年代的重要存儲需求來源。
人形機器人初期將主要進入工廠等結構化環境，執行任務明確、自由度較低的工作；隨着認知和運動能力提高，它們才會逐步進入家庭等更加複雜、非結構化的場景。
Sadana預計，每台人形機器人可能搭載數百GB的DRAM，以及數TB的SSD NAND。與手機或電腦相比，這意味着非常高的單機存儲價值量。一旦人形機器人實現規模化，將同時拉動DRAM和NAND需求。
他甚至認爲，人形機器人可能成爲「有史以來規模最大的產品市場之一」，不過其全面普及仍需要較長時間。
六、存儲合作模式越來越接近ASIC定製
爲了在AI硬件市場形成差異化，一些客戶已經開始與美光討論長達5至7年的研發路線圖。內存不再是在處理器設計完成後才進行適配，而是從系統研發早期就參與聯合設計。
Sadana表示，客戶很難同時與大量供應商開展如此深入的聯合研發。這類項目通常只涉及一至兩家內存廠商，合作方可能在一段時間內成爲獨家供應商，其他廠商則需要數年才能追趕。
這種關係越來越類似ASIC定製模式：客戶投入更多研發資源，並參與產品定義；內存廠商則獲得更加長期和穩定的產品需求。
七、美光全球約有20個擴產項目
Sadana透露，美光2025財年（注：截至去年8月底）的資本開支略高於130億美元，2026財年預計將接近這一數字的兩倍，2027財年則可能超過450億美元。公司還將美國長期投資計劃由2000億美元提高至2500億美元，並提前了部分投資時間表。
總體來說，美光在全球大約有20個不同規模和類型的投資項目。
具體項目進展方面，Sadana介紹稱，愛達荷州的ID1晶圓廠預計在2027年年中產出首批晶圓，ID2晶圓廠預計在2028年末前後產出首批晶圓；紐約州規劃四座晶圓廠，首座預計2030年實現產出；日本、新加坡和美國弗吉尼亞州也在推進擴產。
這些項目覆蓋晶圓製造、封裝測試等前端和後端環節，但多數項目短期內還無法轉化爲實際供應。
資金和設備並不是擴產面臨的唯一約束。全球正在同時建設數據中心、電廠、晶圓製造廠和封裝測試基地，對高水平工程、建築和設備安裝人才形成巨大需求。
Sadana表示，目前能夠完成複雜半導體設施建設的專業人員不足，晶圓廠建成後，負責運營和維護生產線的技術人員同樣短缺。
八、2028年只是新增供應的起點
儘管擴產力度巨大，Sadana仍提醒，晶圓廠無法迅速建成。新廠需要完成審批、基礎設施建設、設備安裝、調試和良率爬坡，晶圓廠集群還需要達到一定規模，才能跨過成本曲線的拐點。
在關鍵的產能增長節點預測方面，他表示：“真正有意義的新增供應要到2028年才會開始爬坡。”
Sadana預計，2028年只是初始爬坡，新增產能還要在之後數年才能逐步形成規模。美光的產能建設將持續未來十年甚至更長時間。
至於內存行業最終何時達到新的供需平衡，Sadana再次強調，美光目前仍無法給出明確答案。
九、先進內存完整製造週期長達五個月，HBM複雜度更高
Sadana最後強調，先進存儲並不是一種可以快速複製的標準化產品。DRAM晶圓製造大約包含2000道工序，從晶圓開始生產到最終產品交付，完整週期約爲5個月。
其中，前端晶圓製造接近四個月，組裝、封裝和測試還要再花費一個月至一個半月。產品越複雜，所需時間越長。
HBM尤其如此。以12層堆疊HBM爲例，需要把12顆DRAM裸片垂直堆疊在基礎裸片上，再與GPU連接，同時處理高速數據傳輸帶來的功耗、散熱和封裝問題。
NAND的複雜度同樣在提高。隨着產品由200多層向300層、400層以上演進，製造難度不斷上升。與此同時，單塊SSD的容量已經可以達到約245TB，需要在極小體積中實現超高密度存儲並保證可靠性。
編輯/Deng