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。

据韩媒《朝鲜日报》（The Chosun Daily）报道，当地时间 9 月 16 日，在美国加州圣克拉拉会议中心举行的“AI 基础设施峰会”上，AI 内存的未来成为核心议题，多家半导体企业同步公布了新产品路线图。三星电子提出，希望借助上个月发布的下一代 AI 内存 zHBM，将 AI 加速器的响应速度提升 10 倍。

从每秒 100 词元到 1000 词元

三星电子美国公司（DSA）负责存储产品规划的高管金仁东（音译）在会上介绍，现有的对话式 AI 系统为每位用户每秒处理约 100 个词元（Token），而三星的目标是将其跃升至每秒 1000 个词元，从而更好地支撑智能体（Agent）类应用对实时性的要求。

zHBM 的关键思路，是把高带宽内存（HBM）直接垂直堆叠在 AI 加速器之上。金仁东将其比喻为“在酒店客房里安装一部直达一楼大堂的专用电梯”——数据不再需要绕远路，延迟随之显著下降。据称，这项设计可使性能最高达到现有 HBM5 的 8 倍，能效达到其 3 倍。

三星的存储路线图不止 zHBM

除了 zHBM，三星还在会上宣布，计划从 2028 年起提供三维存储方案 zNAND-O 的样品。这意味着三星正从“内存”与“存储”两端同时发力，试图在 AI 基础设施的存储层形成更完整的布局。

CXL 能否替代 HBM 仍存争议

会上，常被视作 HBM 补充方案的 CXL（Compute Express Link，计算快速链路）技术遭到了部分与会者的质疑。CXL 是一种下一代内存互连标准，可让计算设备连接更多内存、为服务器扩容，也能让不同服务器共享内存。有观点乐观地认为，CXL 普及后有望缓解 HBM 价格高、供应不足的问题，即便减少 HBM 用量，服务器也能保持相近性能，从而大幅降低搭建成本。

不过，反对声音同样明确。OpenAI 负责 AI 加速器设计的研究员丹尼尔·莫里斯（Daniel Morris）持保留态度：“就 AI 模型的实际运行而言，我找不到 CXL 能用在哪里。如果一定要找一个用途，那就是存放大型 AI 模型中很少用到的冷数据。”英特尔 AI 片上系统（SoC）架构负责人维迪娅·蒂亚加拉詹（Vidya Thyagarajan）也指出，用 CXL 整合内存确实有益，但它补充的是辅助存储，无法替代 HBM；GPU 之间通过 CXL 传输数据，速度远远比不上 HBM。

市场格局短期难改

尽管围绕技术路线存在分歧，主导 HBM 市场的三星电子与 SK 海力士，仍被普遍看好将继续保持良好的发展势头。在 AI 算力需求持续扩张的背景下，谁能在内存带宽、能效与成本之间取得更好平衡，谁就掌握了下一代 AI 基础设施的关键话语权。

2026 年 9 月 11 日至 13 日，2026 中国算力大会在河北廊坊举行。本届大会首次设置”算力首创首发发布会”，集中发布国产算力芯片、智能体与绿色算力等突破性成果。大会释放的最强信号，不是某款芯片的单点参数，而是一个产业逻辑的确立——国产算力竞争正从”单卡比拼”走向”系统级较量”。

从单卡到系统：超节点成为主战场

渤海证券在会前指出，国内头部大模型企业持续深化”芯模协同”，把国产算力芯片作为模型推理的核心底座；上海证券同样认为，在海外芯片出口管制背景下，算力自主可控愈加凸显。过去行业讨论的焦点是”单卡算力能否追上英伟达“，而本届大会展示的方向，是把芯片、集群、模型、调度作为一个整体系统来优化。

标志性成果在 9 月 12 日揭晓的”年度重大突破成果”共 15 项中集中体现：润泽科技的单体 200MW、10 万卡超大规模智算中心入选”年度卓越成就”，可承载 10 万张 AI 加速卡，兼容风冷与液冷，PUE 稳定低于 1.2；中兴通讯基于 OEX 架构的国产高性能 Matrix 集群超节点，将芯片适配周期压缩至 3 到 6 个月；天翼云的国产超节点架构全液冷万卡智算集群，算力利用率突破 80%，国产星辰大模型迭代周期压缩 50%。这些成果的共同特征是：不秀单颗芯片，秀的是系统级能力。

一体化算力网：从”建好”走向”用好”

大会期间，国信数算一体化算力网试验场珠三角核心枢纽正式上线，这是继 6 月 28 日京津冀试验场之后，”13N”产业链生态布局的又一关键落子。京津冀试验场已可提供 5000P 以上算力，兼容 21 款芯片与 6 类国产模型；珠三角上线后，试验场网络从”一点突破”扩展为”南北联动”，为跨区域、跨主体的算力调度提供真实网络验证环境。

制度层面同步补位。论坛发布《智能计算算力服务成本度量与评价》团体标准初步成果意见征询稿，由 51 家产学研用单位联合编制。该标准首创跨芯片 Token 计量基准，把计价单位从”GPU 卡时”切到”有效词元”，构建三级度量体系与六因子成本模型，推出成本效能评价指数（CEER），将算力服务划分为五个等级。这意味着全国一体化算力网正从”建好”走向”用好”。

政策目标：五年增长超五倍

工信部近日印发的《信息通信行业发展”十五五”规划》提出：到 2030 年，智能算力规模达到 9800 EFLOPS，相较 2025 年的 1590 EFLOPS 增长超过 5 倍；信息基础设施累计投资 3.8 万亿元；新建大型、超大型算力设施 PUE 降至 1.2 以下。规划特别强调”加大力度适配国产算力芯片”——国产化是这轮投资的核心约束条件之一。

芯片端：昇腾 950 超节点将至，HBM 是短板

最受关注的国产算力系统是华为昇腾 950 超节点（Atlas 950 SuperPoD）：以单柜 64 卡为基本单元，支持 1024 张 NPU 卡高速互联，实现 256TB 跨物理节点统一内存编址，NPU 往返时延压缩至 3 微秒，FP8 算力达 1 EFLOPS。华为给出的上市时间表为 2026 年第四季度，满配状态下由 128 个计算柜和 32 个互联柜组成，共 160 个机柜、约 1000 平方米，搭载 8192 颗昇腾 950DT 芯片。上一代 384 卡超节点已实现 750 多套商用落地，覆盖互联网、运营商、金融、医疗、交通、制造等行业。

值得关注的是”国芯训国模”的工程验证：DeepSeek V4 已同时在英伟达 GPU 与华为昇腾 NPU 上完成细粒度专家并行方案验证，通用推理任务实现 1.50 至 1.73 倍加速，延迟敏感场景最高加速 1.96 倍。2026 年中国 AI 加速卡国产市占率已突破 41%，国产化率约 40%、自给率约 42%，2030 年预计自给率达 70%。

但瓶颈同样清晰。HBM（高带宽内存）是当前国产算力供应链最难快速补齐的缺口。据韩媒报道，长鑫存储主力研发的 8 层堆叠 HBM3 产线良率长期卡在 25% 至 30%，约为量产黄金良率 80% 的三分之一，原因指向硅通孔（TSV）技术成熟度不足。长鑫已进入 HBM3E 风险试产，由寒武纪、阿里平头哥等测试，最快可能于 2027 年迈向商用。

三个量化标准看进度

综合大会信息，可从三个维度跟踪国产算力产业的真实进度：第一，超节点部署规模，从千卡级走向万卡、十万卡级，是算力系统从”验证”走向”生产”的标志；第二，芯片适配周期，中兴 OEX 架构压缩至 3 至 6 个月，意味着国产芯片与大模型的适配效率在提升；第三，HBM 的良率与产能，从 25% 到 80% 是从”试产”走向”量产”必须跨越的台阶。

芯模协同的飞轮已经开始转动，但要让飞轮真正高速运转，还需要 HBM 等关键环节的同步突破。

本文基于 2026 中国算力大会公开报道、东方财富及中国经济新闻网资料整理。

资本开支接近翻倍

美光将 2026 财年资本支出计划从年初的约 180 亿美元上调至约 200 亿美元，主要用于 HBM 与新一代 1-gamma DRAM 制程。首席财务官马克·墨菲（Mark Murphy）后续指引显示，全年开支可能进一步升至 250 亿至 270 亿美元区间。与 2025 财年 138 亿美元的净资本支出相比，2026 财年增幅接近翻倍。

HBM 产能售罄，短缺或延续至 2026 之后

董事长兼首席执行官桑杰·梅赫罗特拉（Sanjay Mehrotra）称，公司已就 2026 日历年全年的 HBM 供应量与价格同客户达成一致，产能”全部售罄”。他警告，在可预见的未来，行业总供应量将远低于需求，紧张状况将持续到 2026 日历年并延续至此后；中期来看，美光仅能满足部分关键客户 50% 至三分之二的需求。

梅赫罗特拉表示，HBM 整体市场规模将以约 40% 的年复合增长率，从 2025 年的约 350 亿美元增至 2028 年的约 1000 亿美元，这一里程碑比此前预期提前两年到来。他预计，内存正从系统组件转变为决定人工智能性能的战略资产。

全球扩产应对缺口

为弥补供需缺口，美光正加速全球制造布局：爱达荷州首座新晶圆厂预计 2027 年中期产出首片晶圆，纽约州新厂计划 2026 年初动工，并在日本、新加坡与印度推进技术升级、产能建设及封测设施扩建。公司同时与客户协商更具约束力的多年期供货合同，以锁定未来增长。

当前 HBM 是怎么造的

HBM 由多个 DRAM 核心裸片通过 TSV（硅通孔）连接到基础裸片，构成 3D 堆叠结构，目前最高可做到 16 层（16-Hi）。HBM 与 GPU 是两颗独立芯片，借助 2.5D 封装共同安装在硅中介层上。每个 HBM 模块通过硅中介层提供 1024 个输入输出与 16 个通道。

相比传统显存 GDDR6（约 24GB 容量、768GB/s 带宽），采用四堆叠的 HBM3E 能省下近一半空间，最高提供 144GB 容量与 4TB/s 带宽，在功耗与运营成本上的优势明显。

旗舰 HBM4 的规格

在 SK海力士的路线图中，HBM4 是顶级产品：DRAM 密度最高 24Gb，单颗容量最高约 36GB，输入输出位宽增至 2048 位，输入输出速度 8Gbps，带宽突破 2TB/s。官方称其功耗效率较 HBM3E 提升 40% 以上，热阻改善 14% 以上，内部集成超过 2 万个 TSV 与 1.6 万余个微凸块，16 层版本正进行资质认证。

突破 16 层极限

随着带宽需求每两代近乎翻番，现有封装面临 2.2 倍散热负担与 TSV 面积持续增加的挑战。SK海力士正在探索混合键合（Hybrid Bonding）：相比现行的 MR-MUF 工艺，混合键合能让核心裸片增厚 24%、TSV 间距缩小至 18 微米以下，并在增加层数的同时把热阻再降 35%。

此外，类似三星 HPB 的思路，SK海力士研发了名为 I-HBM 的局部热点缓解技术，在热点区域嵌入高导热且绝缘的冷却组件，可再降 30% 以上热阻。

拉来英特尔 EMIB

在系统级封装层面，SK海力士的演示材料除列出台积电 CoWoS 系列外，还出现了英特尔的 EMIB（嵌入式多芯片互连桥接）技术。EMIB 通过在基板内嵌入微型硅桥实现芯片间高密度互连，设计更灵活，并能降低成本、提升良率。业界也有英特尔与 SK海力士在内存领域展开合资合作的传闻。

展望未来，SK海力士希望最终把 HBM 直接堆叠在加速器之上，实现真正的 3D 集成。要让这条路走通，设计、材料与中介层技术的协同优化，以及全行业的持续合作，缺一不可。

2026 年 8 月 20 日，美国存储芯片厂商美光（Micron）宣布成立「美光研究院」（Micron Research Labs），总部设在其总部所在地爱达荷州博伊西（Boise）。美光表示，将在未来十年为该机构投入 100 亿美元，并称其为美国首个专门聚焦内存技术的研究机构。

研究方向与布局

美光将研究院的工作划分为四大支柱：关键内存技术、先进内存与计算架构、先进半导体封装，以及未来制造工艺。位于博伊西的旗舰园区计划于 2027 年动工，建成后预计可容纳数百名研究人员；此外，这笔投入还将支持与高校的合作、全球卫星实验室建设，以及半导体生态伙伴的联合攻关。

美光列出的合作方包括斯坦福大学、得克萨斯大学奥斯汀分校和比利时微电子研究中心 imec，企业伙伴则涵盖英伟达、苹果、应用材料（Applied Materials）与泛林集团（Lam Research）等。

科技巨头与华盛顿集体站台

在支持者名单中，英伟达创始人兼 CEO 黄仁勋、苹果 CEO 蒂姆·库克、应用材料 CEO Gary Dickerson、泛林集团 CEO Tim Archer 均公开发声；美国商务部长 Howard Lutnick 与白宫科技政策办公室（OSTP）主任 Michael Kratsios 也出席并表态。黄仁勋称内存的重新定义是「AI 时代最伟大的挑战之一」，库克则表示美光「在半导体研究领域积淀深厚，将持续推动内存与计算的突破」。

美光董事长、总裁兼 CEO Sanjay Mehrotra 在声明中强调：「我们今天做出的决定，将决定谁引领明天的 AI 经济，而美国的 AI 未来将建立在『美国制造』的内存之上。」他在接受 CNBC 采访时进一步表示：「内存不再只是系统里的一个组件，内存是 AI 的战略基础设施。没有内存，你就无法让 AI 更聪明或更快，也无法扩展 AI。」

与既有美国投资计划相互独立

美光称，这 100 亿美元与美国此前宣布的「在美投入超过 2500 亿美元用于制造与研发」的计划相互独立。后者预计将支撑超过 9 万个美国就业岗位；美光今年夏天早些时候将该承诺从此前的约 2000 亿美元上调至 2500 亿以上，增幅约 500 亿美元。美光自称是美国唯一一家同时研发并制造尖端内存的企业。

内存为何成为 AI 战略支点

随着 AI 基础设施投资加速，为 AI 加速器供给数据的高带宽内存（HBM）战略重要性骤升。据路透社报道，美国目前仍依赖韩国 SK 海力士与三星供应大部分 HBM，白宫将本土芯片制造视为降低对外依赖、保持 AI 领先优势的一环。也正因如此，一家由客户与华盛顿共同背书的内存研究机构，既是技术布局，也是产业政策落子。

对全球市场而言，内存已然成为 AI 竞争的战略支点。无论是美光此次的百亿押注，还是其他地区对自主内存技术的加码，都指向同一个判断：在模型规模持续膨胀的当下，内存与带宽正取代单纯算力，成为决定 AI 上限的关键变量。

论文题为《Co-packaged optics for high-performance computing and artificial intelligence》，通讯作者为 SK 海力士 AI 基础设施团队负责人洪承勋（Seunghoon Hong）与弗吉尼亚大学电气与计算机工程系李圭尚（Kyusang Lee）教授，合作方包括伊利诺伊大学厄巴纳-香槟分校、南洋理工大学、麻省理工学院和延世大学的研究人员。

瓶颈从封装里挪到了封装外

在生成式 AI 起步阶段，高带宽内存（HBM）解决的是 AI 加速器封装内部的内存瓶颈，通过大幅提升带宽显著改善了性能表现。但当超大规模 AI 集群把数千颗 GPU 和 HBM 堆叠组合在一起之后，新的瓶颈出现在系统之间的数据传输环节，论文称之为”带宽墙”（bandwidth wall）。

论文给出的关键数据是一组明显的剪刀差：算力吞吐通常每两年增长约 3 倍，而互连带宽在同期只增长约 1.4 倍。差距不断拉大，带宽墙就越来越难绕过。

问题的物理根源在铜线。用于把数据送出芯片封装、在机架之间传输的传统电气互连，随着传输距离增加，信号损耗和功耗都会快速上升，因此被越来越多地视为下一代 AI 数据中心的限制因素。

“即便计算芯片变得更强，如果芯片之间的数据传输跟不上，整体系统性能也无法提升，”李圭尚表示，”用光链路替代存在固有物理限制的铜互连，是通往未来可扩展性最有希望的路径。”

CPO 的思路：把光引擎塞进处理器封装

超大规模 AI 模型已经不在单颗芯片或单台服务器上训练，而是运行在按机架（rack）和 Pod 组织起来的庞大网络中。在这类架构下，系统整体性能不只取决于处理器、内存和 AI 加速器之间的连接，还取决于数据在机架之间流动的效率。

CPO 的核心做法是把光收发器与处理器集成到同一个封装内，让高速电信号只需走封装内部的极短距离，剩下的链路交给光信号完成。光引擎离处理器越近，电信号路径越短，带宽密度和能效就同步提升。

针对下一代 AI 基础设施，研究团队给出了三项明确的性能目标：单节点带宽超过 100 Tb/s、每传输一比特数据的能耗低于 1 pJ、芯片间延迟低于 10 纳秒。论文同时梳理了从 2D 封装到 2.5D 中介层、再到 3D 异构集成的演进路径，并逐一列出了商用化必须攻克的关键技术挑战。

最激进的部分：把光延伸到内存接口

论文最具前瞻性的内容，是提出”以光为中心”（optics-centric）的长期架构设想。目前 CPO 主要解决处理器之间、机架之间的光互连，而 SK 海力士的方向是把光互连继续向内推进，一直延伸到内存接口。

当前的 AI 服务器把 HBM 紧贴 GPU 放置，用数千条电气引线连接，以便快速供给运算所需数据。但 GPU 性能越高，需要的内存容量和数据吞吐量也越大，而 GPU 周围的物理空间有限，持续增加 HBM 堆叠会遇到硬性约束。

SK 海力士给出的方案是不再让内存只能待在 GPU 身边：借助”光中介层”（optical interposer）结构，用光信号把运算资源池与内存资源池直接连接起来，多个 AI 加速器共享同一个大容量内存池。中介层是连接多颗芯片的薄基板，在其中铺设光信号通路，可以缩短 GPU 与内存之间电信号必须走的距离。

“把光互连延伸到内存之后，就能绕过运算芯片周围的物理约束，突破内存容量与布线数量的上限，”李圭尚说，”多个加速器共享一个巨大的内存池，让 AI 模型的规模化拥有更高灵活性。”

不是马上就能买到的产品

需要说明的是，这篇论文并不意味着相关产品立即商用。要在 AI 数据中心大规模应用 CPO，仍有不少技术门槛尚待跨越，包括降低光器件的功耗与发热、开发适配光互连的内存一致性协议、验证光器件在数据中心高温环境下的长期可靠性，以及控制 2.5D/3D 先进封装的良率和量产成本。

论文强调的另一个关键概念是”共同设计”（co-design）——CPO 不是单一器件的升级，而需要把内存器件、控制器、光器件和封装作为一个整体系统协同设计。

这也解释了这篇论文对 SK 海力士自身的意义：其角色正从 HBM 的部件供应商，向参与定义 AI 基础设施系统架构的合作方转变。洪承勋表示，内存公司的角色正在从”单纯提供产品”演变为”帮助客户构建整个系统竞争力的合作伙伴”，公司将继续扩大与客户和生态伙伴的开放合作。

人工智能的算力竞赛，正在把一种原本低调的芯片推上风口：高带宽内存（HBM）。全球最大的 HBM 制造商 SK 海力士，正押注 7200 亿美元（约合人民币 5 万亿元），在韩国建设号称全球最大的内存工厂网络。CNBC 近日获准深入其扩建现场，揭开这场「内存之战」的一角。

一栋楼顶 50 层公寓那么高

最直观的冲击来自建筑本身。在美国，新建芯片厂往往是一层平铺的大体量建筑；而在韩国，SK 海力士选择向上生长。龙仁（Yongin）半导体集群的第一座厂房，设计高度将与一栋 50 层公寓楼相当，内部由六层洁净室跨楼层相连。CNBC 记者于 2026 年 7 月 21 日探访了仍在施工中的龙仁集群，并走进清州（Cheongju）的内存洁净室——这是该厂首次接受镜头参观。

HBM 由多层通用动态随机存取存储器堆叠而成，是带宽最高、能支撑 AI 处理器快速取数的内存。正因为这些堆叠耗用了大量 DRAM 产能，消费电子的内存供应反而被挤压；AI 巨头们签下的采购合同，也从过去短期的「大宗商品」变成了长达数年的长约。

市场高度集中，供不应求

据 Counterpoint Research 数据，今年第一季度，SK 海力士掌控了高带宽内存市场 58% 的份额，韩国同行三星与美国美光各占 21%。行业高度依赖少数几家玩家，而 AI 芯片巨头为了锁定供应，愿意承担更高风险。

SK 海力士自身的体量也随之膨胀：过去一年市值增长超过五倍，目前已突破 1 万亿美元。为给扩建筹资，公司 7 月在纳斯达克上市募资 265 亿美元，创下境外企业赴美上市的最高纪录。不过新投资者近一个月并不轻松——美股价从 7 月 14 日近 195 美元的高点回落约 21%，最新报 154.41 美元，与 AI 芯片板块及韩国市场的整体波动同步。

「这就像一场战争」

SK 集团会长崔泰源（Chey Tae-won）在首尔接受 CNBC 采访时直言：「这就像一场战争。人人都想买内存芯片，没有它，就造不出 AI 算力和 AI 芯片。」他坦言「价格涨得太快」，希望这轮大扩产能缓解局面。

需求端的紧迫可见一斑：英伟达 CEO 黄仁勋在一片晶圆上给崔泰源留言「请多造一些」。7 月，SK 海力士宣布与多家大客户签署 10 份长期协议；英伟达则作为 SK 集团 5000 亿美元合作的一部分，锁定了稳定的 HBM 供应，并约定共同开发下一代内存，其中还包括到 2027 年与 SK 电讯合建新数据中心。黄仁勋、AMD CEO 苏姿丰近期都曾亲赴韩国洽谈内存供应，崔泰源也时常与微软、谷歌、Meta 的掌门人碰面。

不止是周期，更是拐点

这轮扩产并非 SK 海力士一家之事。韩国总统李在明（Lee Jae Myung）6 月公布计划，要在五年内将本国内存产能翻一番，其中也包括三星的多座大型新厂。崔泰源认为，AI 智能体的普及将在十年内把内存总需求推高近十倍——需求不再受人口规模限制，而取决于智能体的数量。他判断，2026 年可能是「最困难的芯片短缺年」，尽管存储行业历史上充满泡沫与过剩，但这一次的 AI 需求是「真正的转折点」，而非单纯的周期上行。

来源：CNBC（记者 Katie Tarasov、Jeniece Pettitt），原文发布于 2026 年 8 月 13 日前后。

推着他往外走的不只是自己的判断，连顶头上司都在劝。「我的组长跟我们所有人说，赶紧跳槽去 SK 海力士。」李说。

47.6 万对 13.5 万：一张奖金表引发的离职潮

让整个团队情绪低落的，是一个具体数字：SK 海力士今年准备发给员工的奖金约为每人 47.6 万美元，且以现金为主。这家公司靠制造高带宽内存（HBM）赚得盆满钵满——这类芯片正是英伟达 AI 加速器的核心配套，为其带来了创纪录的利润。

相比之下，三星这边差距悬殊。今年 5 月，三星在与工会长时间拉锯后达成协议：未来 10 年，每年拿出半导体部门营业利润的 10.5% 作为员工奖金，且主要以三年分批归属的公司股票发放。这一举措，是在 SK 海力士去年同意拿出营业利润的 10% 分给员工之后做出的。

问题出在计算方式上。三星按各部门自身的盈亏单独核算奖金。同样在做 HBM 生意、同样赚到大钱的存储部门，今年每人约拿 40 万美元；而李所在的晶圆代工部门——为特斯拉、谷歌这类客户制造它们自行设计的逻辑芯片——长期处于亏损状态，每人只有约 13.5 万美元。员工转述公司的说法是：业绩不好的部门，没法拿到同等水平的奖金。

看着工会与公司角力了好几个月，李对结果并不买账：「就算三星以后做得好，我也不觉得这些好处能落到我头上。」

「除了两个组长，整个 30 人团队都投了」

情绪很快转化成了行动。李提到，SK 海力士 7 月发布了一则招聘启事，「除了我们两位组长，我整个团队 30 个人全都投了简历」。李本人甚至去应聘了对手的入门级岗位，一位在三星干了八年的同事也投了同一个职位——两人都被拒了，但他们还盯着一个面向资深工程师的岗位，指望能等到回音。

数据佐证了这股风潮。三星工会 6 月的一项调查显示，晶圆代工部门有 81.5% 的员工表示希望在未来两年内换东家，整个半导体部门也有接近一半的人这么想。4 月时，三星工会负责人就已透露，过去四个月里有 200 多名工会成员转投 SK 海力士。在匿名职场社区 Blind 上，大批三星工程师公开表达了为更高奖金出走的意愿。

接受《麻省理工科技评论》采访的三星与 SK 海力士员工，均因担心遭到公司报复而要求只用姓氏或化名。三星拒绝置评，SK 海力士未回应采访请求。

2019 年的一个判断，改写了两家公司的位置

几十年来，SK 海力士一直活在三星的阴影里。它规模更小、更拼，在韩国顶尖工科毕业生的求职清单上通常排在三星之后。

转折点出现在 2019 年。三星判断 HBM 会长期停留在小众市场，缩减了相关团队；SK 海力士却选择继续加码。随后 AI 浪潮把 HBM 的需求彻底点燃——这类芯片负责以极高速度向 AI 芯片输送海量数据，价格随之涨到了前所未有的水平。如今 SK 海力士稳坐全球 HBM 市场头名，三星反倒成了追赶者。

今年 5 月，两家公司市值双双突破 1 万亿美元；6 月，SK 海力士一度超过三星，成为韩国市值最高的上市公司。

抢人抢到 2040 年

判断存储芯片需求将继续攀升，两家巨头都在大手笔扩产。上个月，它们公布了到 2040 年投入超过 2 万亿美元的长期计划，其中一项核心工程是在首尔以南的龙仁市建设半导体「超级集群」。

为了给扩张配上人手，SK 海力士仅 2026 年上半年就新增了 2152 名员工，目标是五年内把制造产能翻一番；三星则计划未来五年招聘 6 万人，重点投向半导体部门。

即便如此，缺口仍然填不满。按照行业预测，到 2031 年韩国半导体产业需要约 30.4 万名从业者，届时人手短缺规模约为 5.4 万人。

AI 芯片的下一程竞争，除了写在晶圆上，也写在工资条上。谁能率先拿下新一代 HBM，很大程度上取决于谁的会议室里坐着更多有经验的工程师。

来源：MIT Technology Review，记者 Michelle Kim，2026 年 7 月 28 日

这份成绩单超出了市场预期。此前市场对三星二季度营业利润的一致预测为 84.19 万亿韩元，实际数字高出约 6.3%。当季净利润达到 71.62 万亿韩元，同比增长 1299.9%，同样超过 68.36 万亿韩元的预估；每股收益 10849 韩元，营业利润率高达 52.2%，创下三星成立以来的最高水平。

存储芯片是绝对主角

拆开财报看，这轮利润爆发几乎完全由半导体业务驱动。负责芯片业务的设备解决方案（DS）部门当季营收 127.5 万亿韩元，环比增长 56%；营业利润 89.2 万亿韩元，占全公司营业利润的 99% 以上。其中存储业务营收 120.8 万亿韩元，同比暴增 471%，营收和利润双双创下历史最高纪录，DRAM 和 NAND 的位元出货量均达到历史峰值。

背后的逻辑并不复杂：全球科技巨头持续投入巨资建设 AI 基础设施，训练和推理任务对算力的需求快速膨胀。AI 加速器需要大量高带宽内存（HBM）作为配套，云计算厂商也在不断扩充服务器集群，带动服务器 DRAM 和企业级 SSD 需求一路走高。三星表示，当季服务器产品收入占整体销售的比例达到历史最高水平。

在下一代产品上，三星已完成 HBM4 的规模量产并向主要客户批量交货，同时率先向大客户送出了业界首批 HBM4E 样品，在下一代 AI 存储的竞争中抢先卡位。

手机业务的另一面：增收不增利

不过，财报的另一面没有那么光鲜。负责手机、电视、家电等整机业务的设备体验（DX）部门当季营收 48 万亿韩元，营业亏损 8000 亿韩元。其中手机与网络业务（MX/Networks）营收 33.2 万亿韩元，亏损 7000 亿韩元——尽管 Galaxy S26 系列和 Galaxy A 系列销量保持增长，但存储芯片等零部件价格上涨明显挤压了终端利润。

这构成了一个耐人寻味的循环：存储涨价让三星芯片部门赚得盆满钵满，却同时抬高了自家手机的成本。AI 产业链的利益正在重新分配，上游存储和芯片供应商成为最直接的受益者，消费电子终端则被夹在成本上涨与需求疲软之间。

下半年芯片缺货还将继续

展望下半年，三星预计 AI 基础设施资本开支仍将保持强劲，智能体（Agentic AI）的普及会进一步拉动服务器 DRAM、企业级 SSD 和 HBM 的需求，存储市场预计继续供不应求。三星称，尽管在努力扩产，供应紧张的局面短期内难以缓解，公司将聚焦 HBM4、DDR5、SOCAMM2 等高附加值产品。

同在本周，韩国另一家存储巨头 SK 海力士公布的二季度财报显示，其营业利润同比大增 557% 至 60.5 万亿韩元。两大巨头联手印证：存储行业正处在一轮由 AI 驱动的超级周期之中。财报公布当日，韩国 KOSPI 指数早盘涨幅扩大至 4%，三星电子股价上涨超过 4%。

来源：Samsung Newsroom – Samsung Electronics Announces Second Quarter 2026 Results，部分数据综合澎湃新闻、CNBC 报道