内存为何成了 AI 的”天花板”

当地时间 9 月 15 日，美光科技 CEO 高级顾问、前执行副总裁兼首席商务官苏米特·萨达纳（Sumit Sadana）在 Six Five Summit 2026 半导体专题论坛上，与分析师 Patrick Moorhead 展开对话。他的核心判断直白而冷峻：当前内存短缺已覆盖所有市场领域，即便供应商全力扩产，短期内也难以判断供应何时能追上需求。

萨达纳指出，AI 系统的表现越来越多地取决于内存容量、内存性能，以及处理器与内存之间的传输带宽。大型 AI 模型需要驻留在内存中，推理和训练过程中有大量数据需要在内存与处理器之间反复搬运。内存容量不足，模型无法完整加载；带宽不足，高性能处理器会因等待数据而无法充分发挥算力。换句话说，内存正在成为决定 AI 性能上限的关键变量。

新产能要等到 2028 年才爬坡

萨达纳预计，真正有意义的新增供应要到 2028 年才会开始爬坡，而供需何时恢复平衡，目前仍看不到明确时间。他强调，晶圆厂无法迅速建成——新厂需要完成审批、基础设施建设、设备安装、调试和良率爬坡。2028 年只是初始爬坡，新增产能还要在之后数年才能逐步形成规模，美光的产能建设将持续未来十年甚至更长时间。

一个常被忽视的细节是先进存储的制造难度。萨达纳透露，DRAM 晶圆制造大约包含 2000 道工序，从晶圆开始生产到最终产品交付，完整周期约为 5 个月，其中前端晶圆制造接近四个月，组装、封装和测试还需一个月至一个半月。他形容，堆叠 12 层 DRAM、再与 GPU 连接的 HBM（高带宽内存）能够稳定工作，”几乎是一个奇迹”。

商业模式被重塑：从”随用随买”到多年协议

内存短缺正在改变行业的交易方式。萨达纳表示，美光正与部分客户签署”战略客户协议”。过去的内存采购协议通常只有一年期限，新的战略协议要求双方作出多年承诺——美光锁定供应，客户锁定需求。这些协议需要具备足够明确的投资回报，从而让美光能够为未来数年的资本开支提供依据。

更深的变化发生在研发环节。为在 AI 硬件市场形成差异化，一些客户已与美光讨论长达 5 至 7 年的研发路线图，内存从系统研发早期就参与联合设计，关系越来越类似 ASIC 定制模式。萨达纳表示，这类项目通常只涉及一至两家内存厂商，合作方可能在一段时间内成为独家供应商。

资本开支大幅跃升

为填补供需缺口，美光正以前所未有的力度扩张产能。萨达纳透露，美光 2025 财年资本开支略高于 130 亿美元，2026 财年预计接近这一数字的两倍（约 260 亿美元），2027 财年可能超过 450 亿美元。公司还将美国长期投资计划由 2000 亿美元提高至 2500 亿美元，并提前了部分投资时间表。

具体进展方面，爱达荷州 ID1 晶圆厂预计 2027 年年中产出首批晶圆，ID2 晶圆厂预计 2028 年末前后产出首批晶圆；纽约州规划四座晶圆厂，首座预计 2030 年实现产出；日本、新加坡等地也在推进扩产。萨达纳提醒，这些项目覆盖晶圆制造、封装测试等环节，但多数短期内无法转化为实际供应。

下一波需求：智能体与物理 AI

萨达纳认为，数据中心 AI 并非内存需求的终点。智能体 AI 和物理 AI 将成为新的增长来源，这些需求不会替代上一轮，而是相互叠加。大模型训练仍要继续，推理规模还会扩大，智能体 AI 将增加新的计算负载，自动驾驶、工业设备和机器人则会进一步把 AI 带入现实世界。

他特别看好人形机器人。萨达纳预计，每台人形机器人可能搭载数百 GB 的 DRAM 以及数 TB 的 SSD NAND，单机存储价值量远高于手机或电脑。一旦实现规模化，将同时拉动 DRAM 和 NAND 需求。他甚至认为，人形机器人可能成为”有史以来规模最大的产品市场之一”，但全面普及仍需较长时间。

随着 AI 能力从云端向边缘设备扩散，汽车、PC、智能手机、工业设备及新的 AI 原生终端都将搭载更强的本地模型，这同样意味着对存储芯片的需求。萨达纳的判断指向同一个结论：在 AI 时代，内存不再是无声的背景组件，而是决定算力上限的战略资产。