最新觀點

就在昨天，韓國大摩出具報告認爲，以龍蝦🦞OpenClaw爲代表的智能體AI將需求從「生成答案」轉向「完成任務」，工作流中頻繁的工具調用與多步編排使CPU計算量猛增，貢獻了主要延遲。同時，由於需頻繁共享上下文與卸載KV緩存，DRAM取代HBM成爲硬約束瓶頸。這移觸發2026年Q2內存價格暴漲，大摩上調SK海力士與三星的盈利預期。 同樣是大摩，韓國分析師才剛在講，OpenClaw 這類 agentic AI 正在把 DRAM 拉回系統核心，成為新一輪需求擴張的關鍵；台灣分析師那邊，卻還在用一套缺乏邏輯連結的框架下修、看淡。這種前後落差，問題已經不只是立場不同，而是推論方法出了問題。 如果 AI 的演進還停留在「生成答案」，那你說 HBM 最重要，其他記憶體只是配角，這個邏輯還勉強說得過去。但現在產業正在往前走的方向，早就不是單次推理而已，而是從回答問題走向完成任務。Agent 要做的事情，是反覆呼叫工具、讀寫資料、串接系統、共享上下文、搬移 KV cache、執行多步驟流程。這種架構下，瓶頸自然不會只剩 HBM，而是一路往系統記憶體、CPU 端、再往下到 SSD 一層一層擴散。 韓國分析師看到的是這件事，所以他們會說 OpenClaw 這種「龍蝦」不是小題材，而是 DRAM 新需求的放大器。因為 AI 開始做事之後，記憶體的角色就變了。以前記憶體比較像配合 GPU 運作的後勤，現在變成整個 agent workflow 能不能跑得動的基礎設施。DRAM 不夠，不是速度慢一點，而是流程中斷、系統崩潰、任務根本跑不完。 但台灣分析師之前那套看法，問題就在於他們還是用很舊的方式看記憶體，把市場切成 HBM 跟非 HBM，把需求理解成只有訓練端受惠，把一般 DRAM 當成會被排擠、會被邊緣化的舊產品。這個邏輯最大的漏洞是，AI 並沒有把需求集中到更少的料號，反而是把整個 memory hierarchy 一起往上拉。HBM 當然重要，但 DRAM 沒有因此不重要，SSD 也沒有因此失去價值。相反地，當上下文變長、推理次數變多、agent 持續在線、資料要頻繁搬移時，系統對 DRAM 跟 NAND 的依賴只會更高。 更諷刺的是，美光法說早就把方向講得很清楚。公司不是只有在講 HBM 強，而是直接講 DRAM 跟 NAND 都處在供給受限狀態，AI 跟傳統伺服器需求一起推升整體記憶體與儲存需求。連終端裝置也一樣，具備 agentic AI 能力的 PC，記憶體規格直接往 32GB 甚至更高走，個人 AI 工作站甚至已經走到 128GB。這代表需求不是集中，而是擴散；不是單點爆發，而是全面墊高。 再往長線看，車用跟機器人更是另一個更大的落差。現在多數車還在 L2 以下，平均只用約 16GB DRAM，但 L4 自駕車會拉到 300GB。人形機器人的運算與記憶體需求，長期看也會往這個等級靠近。這些都代表記憶體的需求曲線不是快走完，而是才剛從資料中心往更多應用延伸。這種情況下還在用舊週期思維看 DRAM，只能說不是太保守，而是根本沒跟上產業結構變化。 所以我對台灣大摩那份悲觀報告的質疑，不是因為它看空就不對，而是它的邏輯前提本身站不住腳。當韓國分析師已經看到 agentic AI 對 DRAM 的新增量，看到瓶頸從 HBM 往系統記憶體遷移，台灣分析師如果還在用「非 HBM 就不行」「傳統 DRAM 沒有新故事」這種方式下修，那不是保守，那是分析架構出了問題。 記憶體這一輪最重要的變化，就是市場不能再只看單一產品，也不能再只看短週期價格。真正該看的，是 AI 正在把運算需求從 GPU 核心往整個系統展開，從 HBM 延伸到 DRAM，從 DRAM 再延伸到 SSD。龍蝦不是在替記憶體續命，而是在證明一件事：當 AI 從會回答問題，變成會自己做事，記憶體的需求天花板會被整個打開。

很多人最近看記憶體，會很自然跟著外資報告走。Morgan Stanley這次把旺宏升為首選，調降南亞科、華邦電評等，市場的直覺解讀也很直接：DDR4這一段大概差不多了，真正更大的機會在MLC NAND。 這個結論，只對一半。 我認同MLC NAND接下來會非常緊。三星、美光、SK海力士、鎧俠陸續退出低容量、舊世代NAND，鎧俠中國這次更正式對TSOP封裝產品發出EOL通知，最後下單日到2026年5月30日，最後出貨到2027年3月15日。這代表2GB到64GB這種低容量市場，供給端不是單純收斂，而是整段產能在消失。原廠的資本支出、技術路線、產能配置，全都往高層數、高容量、高毛利產品集中，MLC NAND與傳統TLC的缺口只會越來越明顯。這也是為什麼市場開始重新定價旺宏，因為當國際大廠陸續退出之後，剩下還能穩定承接的供應商，定價權自然會被拉高。 但如果因此反過來認定DDR4後面不行，我覺得市場又看得太簡化了。 DDR4現在最大的問題，不是需求變少，而是需求早就不是過去那種單一市場邏輯。很多人盯著PC端DDR4現貨，看到價格沒像去年那樣一路急拉，就開始懷疑需求是不是開始反轉。問題是，現在的DDR4早就分成不同市場在走。消費型DDR4、工業型DDR4、伺服器型DDR4，本來就不是同一條報價曲線。尤其DDR4 ECC DIMM很多早就改成一季報一次合約價，根本不是用零售現貨市場就能看完整體需求。 更重要的是，DDR4現在不只存在於傳統記憶體模組，而是已經嵌進整個AI基礎設施與系統周邊。 GB300機櫃開始出貨之後，裡面的Spectrum Infinite Band需要DDR4，NVSwitch也是標配DDR4。這類元件不是系統最貴的部分，但卻是整櫃能不能順利交付的必要零件。對客戶來說，幾萬塊的DDR4漲價根本不是問題，真正不能承受的是幾億等級的AI機櫃因為少一顆成熟記憶體而卡住出貨。這種需求不會因為PC市場平淡就消失，反而會跟著整機出貨一起往上走。 除了系統端，SSD這條線也常被忽略。 很多人談NAND，只想到SSD本體的儲存容量，卻忽略了很多SSD本身還要配一顆外掛DRAM cache。這顆cache不是裝飾品，而是用來處理FTL、mapping table、metadata、垃圾回收、wear leveling，直接影響效能、延遲與穩定度。尤其企業級、工業級、高負載應用的SSD，對這層DRAM cache的依賴更高，而這裡用的往往就是成熟規格的DDR4或LPDDR4。也就是說，SSD不只是NAND需求，背後同時也在拉DDR4。 這件事很重要，因為它代表DDR4的需求來源，早就從PC擴散到儲存、網通、交換器、AI伺服器周邊、工控與各種系統級模組。市場如果還拿PC端的報價鈍化去推論整體DDR4轉弱，最後很容易把真正有支撐的那一塊看掉。 所以我自己的看法很清楚。 Morgan Stanley升評旺宏，背後抓到的是MLC NAND供給退出的趨勢，這個方向沒有問題。低容量NAND未來幾年會是越來越稀缺的市場，價格彈性也很大，旺宏自然有機會成為最大受惠者之一。 但DDR4不是行情結束，而是需求結構變了。 PC端DDR4漲不動，不代表DDR4需求消失。很多需求只是從你最容易看到的地方，轉移到你平常不會用消費市場去追蹤的地方。AI機櫃要用，交換架構要用，工控設備要用，很多SSD自己也要一顆DDR4當cache。這些需求的共同點是量未必像消費市場那麼大，但黏著度更高，替代性更低，系統容錯空間也更小。 這也是我想講的重點：現在的記憶體市場，真正麻煩的地方不是供給不好估，而是需求比過去更難估。 HBM最強，大家都知道；MLC NAND缺貨，市場現在也開始接受；但真正容易被忽略的是，AI帶來的排擠效應不是只把資源吸到高階產品，而是沿著整個系統架構一路往外傳導，最後連DDR4、MLC NAND、SSD cache這些原本被認為成熟、邊緣、缺乏想像力的品項，都一起變成供應鏈不能斷的關鍵零組件。 如果還是只用供給去判斷多空，最後很容易顧此失彼。 因為這一輪記憶體真正的變數，從來不只是誰在擴產，而是需求正在你沒注意的地方，一層一層長出來。

熬夜看了GTC，我認為市場如果還只是盯著 GPU 新品、峰值算力或 token throughput，已經有點跟不上了。真正該看的，不只是算力再往上堆多少，而是 NVIDIA 正在把 AI 從模型競賽，推進到 agent 真正落地的基礎設施階段。 黃仁勳在 GTC 2026 直接把 OpenClaw 放到 NVIDIA 生態系裡（就是那隻龍蝦🦞！），官方同步宣布 NemoClaw，主打用單一指令就能把 Nemotron 模型與 OpenShell runtime 拉起來，讓開發者更容易部署可長時間運作、具備安全與隱私控制的 autonomous agents。NVIDIA 官方也明講，現在要做的不只是訓練模型，而是讓 AI agent 能夠被安全地部署、擴展、持續運作。這個方向，不是概念，而是今年 GTC 很清楚的主軸。  當 AI agent 開始不是做一次性問答，而是持續在線、持續調工具、持續連資料、持續執行任務，背後消耗的就不只是 GPU，而是從先進製程、先進封裝、測試、散熱、電源、互連、光通訊，一路延伸到記憶體與存儲。這不是單點商機，是整串基礎設施重估值。 算力往上堆，本質就是更多電晶體、更高密度、更複雜堆疊。於是先進製程、2nm、1xnm 相關設備與材料、CoWoS、SoIC、CoPoS、SLT、先進封裝耗材、CCL、PCB、建廠，全都不是陪襯，而是核心受惠。因為 AI 伺服器不是只多一顆晶片，而是整個系統級複雜度都在上升。電晶體暴增之後，封裝、傳輸、供電、散熱、測試，每一關都會變成瓶頸，誰卡住，誰就有議價權。 HVDC、大電流、大電壓也是同樣邏輯。電晶體越多，功耗密度越高，資料中心最後一定走向更高效率的供電架構。這不是選配，是大型 AI cluster 成本結構裡愈來愈重要的一段。加上 CPO、矽光子、光電轉換與檢測需求往上，未來真正有技術門檻的，不只是做出產品，而是能不能在高電流、高電壓、高速光傳輸的條件下，把良率、可靠度與檢測一起做到位。這種領域最後通常就是自然寡占。 但這次 GTC 我認為更值得市場重估的，是 AI agent 對記憶體與存儲的拉動。 OpenClaw 這波在全球尤其是中國爆紅，連「養龍蝦」都變成流行語，不是在養真的龍蝦，而是在講部署會自己調工具、跑流程、完成任務的 AI agent。OpenClaw 的 GitHub 熱度非常高，NVIDIA 也公開表示要支援 OpenClaw 生態。這件事的重要性在於，AI 正從「回答問題」走向「持續工作」。  一旦 agent 變成數位員工，記憶體需求就不能再只看 HBM 或 DRAM。因為 agent 要有短期工作記憶，要接知識庫，要留任務狀態，要保留 context、workflow、cache、snapshot、審計紀錄，還要反覆讀寫向量資料庫。GPU 解決的是算力，HBM 解決的是高頻寬，DRAM 解決的是即時工作集，但大量歷史資料、任務痕跡、長上下文與企業知識，最後不可能都放在最昂貴的那層，勢必要往 enterprise SSD 與 NAND 下沉。 所以我一直講，AI 不是只有 GPU story。agent 真正開始大量進企業之後，最先被重新定價的，不只會是 GPU 供應鏈，也會是整個 memory hierarchy。因為資料中心一定走向分層存儲，高價值、高頻資料留在上層，大容量、低成本、可承接海量 context 與歷史紀錄的，會往高容量 SSD 走。 更關鍵的是，需求在往上走，供給卻沒有同步失控擴張。前幾年 NAND 廠大虧損後，資本支出一直偏保守，這代表如果 AI agent 真的從 demo 變成企業常態工作負載，enterprise SSD 和 NAND 的有效產能會比市場現在想得更容易吃緊。這也是為什麼我現在看 NAND，已經不會只用過去那種庫存循環去看，而是開始用 AI 工作負載結構改變去看。 另外一個容易被低估的是測試。算力越大、封裝越複雜、晶片價值越高，測試時間只會拉長，不會縮短。AI 晶片、先進封裝、探針卡、探針、SLT、系統級驗證，後面都還有很長的需求尾巴。再加上高熱密度下的解熱需求，散熱也不只是搭配題，而是必要條件。沒有散熱，算力根本兌現不了。 所以如果用一句話總結這次 GTC，我的看法很簡單：agent 元年，是整個 AI 基礎設施鏈條再擴張的一年。從先進製程、先進封裝、供電、光通、測試、散熱，到 DRAM、NAND、enterprise SSD，整條線都會被重新拉動。 龍蝦越多，資料越多；資料越多，記憶體和存儲越重要。AI agent 如果真的開始變成企業裡的數位員工，那市場接下來要重估的，就不是單一 GPU，而是整個算力、電晶體、記憶體、存儲與系統基礎設施的總需求。這才是這次 GTC 真正的延伸商機。

最近歐美與中國最紅的就是「養龍蝦」，不是在養真的龍蝦，而是在講部署 AI agent。因為 OpenClaw 這類 agent 框架在那邊很紅，大家就把這種會自己調工具、讀資料、跑流程、做任務的 AI 系統，半開玩笑叫做「龍蝦」。所以所謂「養龍蝦」，本質上就是把 AI 從單純聊天，變成能長時間在線、持續做事的數位員工。 如果今天龍蝦只是回你一句話、做完一個問答，那它吃掉的其實只是一些 API call，對硬體影響有限。但真正開始進企業、進客服、進知識管理、進行政流程、進供應鏈協作的龍蝦，不是這樣。它是長時間在線、持續調工具、持續讀寫資料、持續保留狀態、持續執行任務的。它不是問完就結束，而是一直活著、一直工作、一直把資料堆積下來。這時候，龍蝦吃掉的就不只是算力，而是整個記憶體與存儲體系。 養一隻龍蝦，表面上看像是在部署 agent，實際上你是在養一個數位員工。這種數位員工要有短期記憶，要有長期記憶，要接知識庫，要留 workflow，要留 log，要留 cache，要留 snapshot，要接向量資料庫。今天一隻龍蝦也許還不明顯，但一家公司如果開始養幾十隻、幾百隻龍蝦，而且這些龍蝦還要 24 小時工作，最後最先被吃緊的，不只是 GPU，也不只是 DRAM，而是 NAND，是 enterprise SSD，是整個存儲層的有效產能。 這也是為什麼我一直認為現在看NAND，不能再用過去那種單純景氣循環的框架。AI 訓練要放資料集，AI 推理要放 checkpoint、cache、向量資料庫，企業 agent 要保留長上下文、任務狀態、文件索引、審計紀錄。這些東西不是瞬間消失的，它們是持續累積、持續膨脹的。也就是說，AI 不是只在前端拉高算力需求，後端其實也在持續掏空存儲產能。 很多人還是習慣把AI看成 GPU story，我認為這樣看已經不完整。GPU 解決的是算力，HBM 解決的是頻寬，DRAM 解決的是即時工作集，但龍蝦真正活起來之後，它的大部分記憶、資料、紀錄、上下文，不可能都放在最昂貴的那一層，最後一定要往下沉到 SSD，沉到NAND。這就是為什麼 NAND 在 AI 時代的角色會被重新評價。它不再只是裝置裡面的儲存元件，而是龍蝦能不能大量繁殖、長時間運作的基礎設施。 這裡面 QLC 的意義也會越來越清楚。因為龍蝦吃資料，而且不是只吃一點。它吃的是訓練資料、推理資料、企業知識、歷史紀錄、任務痕跡、模型中間層快取。不是所有資料都值得放在最高性能、最高成本的層級，所以資料中心一定會往分層存儲走。高價值、高頻存取的留在上層，大容量、相對低成本的就往 QLC 這類高容量 SSD 走。這不是低階替代，而是 AI 時代資料量爆炸後必然發生的架構調整。龍蝦越多，QLC 越重要；龍蝦越常駐，enterprise SSD 越容易變成瓶頸。 更關鍵的是，供給端現在又不是毫無節制地擴產。前幾年 NAND 廠商經歷過大虧損之後，資本支出明顯收斂，擴產速度保守，技術轉換週期也變長。也就是說，龍蝦這邊開始大量吃存儲，另一邊供給卻沒有同步大幅放開。這種結構下，NAND 的吃緊就不是短期補庫存，而是 AI 工作負載改變之後，整個產業鏈開始重新定價。 所以真正把這件事看清楚之後，邏輯其實很簡單。補貼養龍蝦，表面上是在補 agent，實際上是在加速一種新的工作負載進入企業與資料中心；而這種新的工作負載，最終不只推升 CPU、DRAM、一般型伺服器，也一定會一路往下吃到 NAND 與 enterprise SSD。龍蝦越多，NAND 越缺；龍蝦越常駐，存儲越重要；龍蝦越像真正的數位員工，NAND 就越不像過去那種單純看景氣循環的老產業。

「輝達執行長黃仁勳喊DRAM廠儘管去擴產，因為擴增產能多少，輝達就會用掉多少產能。」 在 Morgan Stanley 科技大會上的談話。 如果任何一家記憶體的廠商老闆跟你說類似的話，你可以說他是為了自己的股價，或是從他的角度被樂觀氛圍蒙蔽，但從黃仁勳的角度，他是要採買記憶體的買家，說難聽一點，他應該希望記憶體價格下跌，他為什麼還要這樣說呢？ 回想一下上次有類似言論就是對台積電的產能，因為後來證明真的需求太大，如果不喊話，廠商因為過往不好經驗，不敢擴廠，那到時候真的會嚴重供需不足。 如果是以前，循環股走到這裡，我大概早就先賣了。因為過去大家對這個產業的理解很固定，景氣上來，價格漲，廠商擴產，最後供給追上需求，報價反轉，股價提前見頂。這套邏輯過去大多數時候都成立，所以市場現在看到記憶體股漲，第一反應還是老問題，擔心擴產、擔心報價見頂、擔心又回到上一輪的循環。 但這次我們研究完之後，結論很清楚，這不是用舊框架就能看懂的一輪。 這次的核心，不是手機、PC回補庫存，也不是短單追價造成的價格波動，而是 AI 基礎建設把整個記憶體產業的需求結構改掉了。HBM 吃掉大量晶圓資源，先進製程與封裝資源持續往高階產品集中，結果不只是 HBM 緊，連一般 DRAM、server DRAM、甚至 NAND 的供給彈性都被一起壓縮。也就是說，這不是單一高階產品的景氣，而是整個產業的有效供給都變得更珍貴。 SK 海力士在摩根大通韓國大會上，管理層直接指出，DRAM 與 NAND 兩端都存在嚴峻的供需缺口，這一輪內存上行週期持續的時間，可能比市場原本預期更長。供應商庫存低，渠道庫存也低，出貨 bit growth 跟產出 bit growth 幾乎同步，代表新增供給一出來，很快就被市場吸收，不會先堆成庫存。這一點非常關鍵，因為過去記憶體反轉，通常都是供給先開出來、庫存先往上堆，價格才開始下來，現在這個機制還沒有出現。 更重要的是，海力士現在談的已經不是短期景氣，而是多年期的供貨框架。LTA 變多，雙邊約束更強，供貨量跟價格區間都要提早談，這代表產業的商業模式正在改變。以前記憶體比較像現貨市場邏輯，價格變化快，能見度低；現在開始往中長約走，代表上游希望把未來幾年的供給先鎖住，下游也怕拿不到貨。當買賣雙方都開始接受這種模式時，代表大家看到的都不是一季兩季的需求，而是更長時間的供給壓力。 以前記憶體是景氣好就漲、景氣反轉就跌的標準景氣股，現在它在 AI 時代的位置，已經慢慢往戰略資源靠攏。算力很重要，但沒有足夠的記憶體去支撐容量、頻寬、功耗與資料搬移效率，再強的 GPU 也無法完整發揮。對系統廠來說，記憶體不是配角，而是整個 AI 基礎建設能不能順利擴張的核心環節之一。 這也是為什麼股價到現在還是被很多人用舊觀念壓著。大家記得過去的創傷，記得上一輪的崩跌，記得每次漲價最後都會迎來擴產與反轉，所以本能上不願意給高評價。但問題是，這次真正限制產業的，不只是廠商願不願意擴產，而是先進產能、技術節點、產品組合、良率爬升、封裝能力，這些都不是喊了就有，也不是一年之內可以完全打開的東西。表面上看起來是擴產，實際上有效供給增加的速度，可能遠低於市場想像。 所以如果你問我，為什麼這次我沒有像以前那樣，把它當成一般循環股提早處理掉，答案也很簡單。不是我忘了循環，而是這一輪的驅動力，已經不只是循環。以前市場是在景氣與庫存之間擺盪，現在市場面對的是 AI 長週期投資、供給彈性下降、商業模式改變，以及記憶體產業地位的重新定價。 股價當然不會一路直上，市場也一定還會反覆震盪，因為多數人還是習慣用舊邏輯看新產業。但至少從現在看到的供需、庫存、資本開支、長約模式、以及買方的態度來看，我認為這一輪真的不是以前那一套。這也是我到這個時間點，還願意繼續看下去的原因。

市場有一個很有趣、也很典型的現象：只要股價一跌，世界突然就充滿利空。最近幾天就看到各種版本的故事開始流傳。有人說長江存儲光刻機大突破，不只 NAND 要大擴產，甚至準備跨入 DRAM；也有人說三星表面退出 DDR4，其實偷偷在幫Intel、AMD的客戶重啟產線；再加上美股資料顯示，主要科技股裡面，看跌／看漲持倉比最高的是美光，達到 1.30，同時也是美國放空比例最高的一批公司之一。很多人看到這些訊息，很自然就得出一個結論：既然供給要暴增，記憶體股跌好像很合理。 但如果回到產業本身，冷靜去看「真實產能」與「擴廠節奏」，會發現市場情緒跟產業現實其實是兩個世界。 先看大家最愛講的長江存儲。這家公司擴產確實很快，但沒有市場傳的那麼誇張。現在YMTC 的 NAND 主要集中在武漢兩座廠。Fab1 大約 10 萬片／月，Fab2A + 2B 約 10 萬片／月。實際有效產能 2024 年大概在 16 萬片／月，2025 年提升到 20 萬片以上。以全球 NAND 產能來看，這大概是 7–8% 的占比，技術節點是 232-layer 3D NAND，加上他們自己的 Xtacking 架構。 市場真正關注的是 Fab3。這座廠 2025 年開始建設，原本預期 2027 才量產，但目前的訊息是可能提前到 2026 年下半年開始出貨。初期產能大概 3 萬片／月，完整規模可能 5 萬到 10 萬片／月，技術會往 294 層以上的 NAND 前進。 如果把這些擴產都算進去，YMTC 的產能節奏大概是這樣： 2024 年約 16 萬片／月 2025 年約 20 萬片／月 2026 年約 23 萬片／月 2027 年接近 30 萬片／月 換句話說，三年產能接近翻倍。但問題來了。就算真的翻倍，供需會崩嗎？答案其實很簡單：不會。 因為記憶體需求的成長速度，遠遠比很多人想像的更快。現在很多機構對 DRAM 與 NAND 的需求增長預估是每年 40%～50%，而且很可能還低估了。AI 伺服器、推論叢集、KV cache、AI storage，全部都在同時吃記憶體。這種需求不是線性成長，而是類似算力一樣的指數型成長。 所以就算所有市場傳言全部成真：長江存儲產能翻倍、 三星偷偷重啟 DDR4、中國 NAND 全力擴產：整個產業的供給增速，仍然很難追上需求。 更有趣的是，這次 Fab3 其實有一個市場沒有太注意的點。業界一直有傳言說，部分產能未來可能會轉去做 DRAM 或 HBM 相關的方向。原因很簡單，中國現在最大的瓶頸不是 NAND，而是 AI server memory。HBM、DDR5、AI 伺服器用 DRAM 都極度稀缺。所以 YMTC 和 CXMT 之間其實一直有合作與技術延伸的討論。 這背後其實透露三個訊號。 第一，中國 NAND 不會退出市場。第二，AI storage 的需求爆發，正好給 YMTC 一個成長空間。第三，中國 NAND 很可能優先供應內需，而不是低價 dumping。 這也是我一直講的一件事：在 AI 時代，記憶體會慢慢變成戰略物資。中國 NAND 不但不會像很多人說的那樣低價傾銷，甚至未來很可能反過來限制出口，優先供應本土 AI 產業。 所以如果單純從產業供需去看，DRAM 與 NAND 的需求每年增加 40%～50%，甚至更多，而供給就算照所有「利空版本」去算，也很難追得上。未來幾年，記憶體很可能會是整個 AI 產業鏈裡最缺的一環。 當然，我完全理解市場為什麼會懷疑。記憶體不像先進製程晶圓代工那樣有明顯的技術壟斷，也不像光通訊設備那樣導入門檻高、驗證周期長。市場過去看記憶體，習慣把它當成高度循環、沒有護城河的產業。 但問題是，AI 改變了需求結構。記憶體現在不是 PC 或手機的配角，而是 AI infrastructure 的核心。 而股價為什麼會跌？ 其實原因也不複雜。不只記憶體跌，幾乎整個科技股都在跌。 最近市場最大的變數是伊朗事件可能拖很久，油價暴漲，通膨疑慮升溫，市場開始擔心經濟成長被拖累。當風險上升到「可能影響經濟成長」，資金自然會降低風險部位。 AI 沒死，但市場開始質疑 AI 的估值。 所以你會看到一個很有意思的現象： NVDA 業績好到誇張，但股價卻沒有繼續創高。 當市場開始修正 AI 的評價時，整個 AI 產業鏈都會一起跌。既然 AI 都在跌，記憶體憑什麼不跌？記憶體跟 AI 是高度綁定的產業，AI 修正，記憶體股價跟著修正，其實一點都不奇怪。 這種局面，本質上就是資金風險管理的問題。 AI 並沒有消失，需求也沒有崩潰。當 AI 與記憶體的股價修正完成，手上的現金就會變成最重要的資產。那時候市場會再次回到產業基本面，而不是短期情緒。 等到那一天，你就會理解一件投資市場很殘酷、但也很真實的事情：別人的痛苦，往往就是你的機會。

如果你把中國 AI 這一波，只當成美股 AI 的延伸，那很多價格行為你會完全對不上。 高盛近期出了一篇大報告有關分析中國AI發展與評價，中國 AI 不是跟著納斯達克起舞，而是在形成自己的資金邏輯。相關性下降、全球基金長期低配、AI 收入曝險開始被量化，這些條件疊加在一起，本質上是一場「配置修正」行情，而不是單純情緒交易。 從這個報告，我覺得就算不投資陸股，也可以分析研究產業結構。 DeepSeek 之後，除了模型進步，中國要把 AI 真正推進到產業端，會極度依賴兩樣東西：算力與記憶體。這不是口號，是物理現實。你只要理解推理階段的 token 消耗、KV cache 的佔比、資料中心的電力密度，就知道 AI 成本曲線往下走的同時，對底層資源的消耗在極度加速。 這裡是關鍵，中國 AI 若要走獨立行情，代表它不能依賴外部供給。地緣政治已經說得夠清楚，先進算力受限，先進製程受限，那剩下能掌握的是什麼？就是戰略物資。 算力是戰略物資，記憶體也是。我一直強調一個觀點：中國記憶體不但不會像某些所謂「專家」講的那樣，大量低價傾銷國際市場，反而更可能被內部吸收，甚至在某些階段出現出口限制。原因很簡單，如果 AI 是國家級產業升級的核心，那 DRAM、NAND 就不是普通商品，而是基礎設施材料。 當你把記憶體放進「AI 工廠」這個框架，就會理解這個邏輯。AI 工廠不是幾張 GPU 卡，而是一整條從電力、機房、互連、散熱到儲存與運算資源調度的工程體系。推理規模一旦放大，記憶體需求是線性甚至超線性成長。HBM 吃緊大家都知道，但真正影響供應鏈穩定性的，往往是中低階 DRAM 與大容量 NAND。這些東西在 PC、手機可以延後拉貨，但在資料中心不行。 這也是為什麼我之前一再講，全球記憶體不只是景氣循環，而是結構轉折。AI 把 bit demand 重新拉回高增長區間，而中國若要走自己的 AI 路徑，它不會把有限的戰略資源拿去打價格戰。 想像一個場景：如果中國 AI 資料中心加速建設，內部算力需求持續擴張，國內記憶體產能有限，那優先供給誰？是國內 AI 集群，還是海外客戶？這是一個政策選擇，不是市場選擇。 所以那些認為「中國記憶體未來會低價外銷、衝擊全球價格」的論點，我一直覺得忽略了一個前提——當一個產業被上升到戰略層級，它的定價邏輯就不再只是市場競爭，而是國家資源配置。 高盛提到中國 AI 的優勢在電力與基礎設施，這點我認同。但如果往下一層挖，你會發現算力與記憶體才是底層約束。沒有穩定的記憶體供應，推理成本下不來；沒有足夠的儲存容量，大模型商業化只是口號。 這也是我為什麼在全球配置上，把記憶體視為 AI 週期裡最容易被低估、卻最難被替代的環節。GPU 可以迭代，模型可以開源，演算法可以優化，但 bit 不會自己憑空出現。 中國 AI 的獨立行情，本質上是產業獨立性提升的定價過程。而產業獨立性的核心，不是 App，不是聊天機器人，而是戰略物資的自給與掌控。 未來幾年，你可能會看到一個現象：全球資金討論中國 AI 的時候，焦點不再只是模型能力，而是基礎設施完備度與資源可得性。而在這條線上，記憶體會扮演比市場想像更重要的角色。 很多人還在用過去消費電子的框架看記憶體，覺得價格高了就會傾銷、產能多了就會崩盤。但如果 AI 是下一個十年的工業底座，那記憶體就像鋼鐵與電力一樣，是基礎材料，材料不會亂丟，它會被鎖在體系裡，為戰略目標服務。 中國 AI 是不是獨立行情？我認為是。但真正獨立的，不只是股價，而是供應鏈與資源配置邏輯。當這個邏輯轉變完成，你會發現，記憶體不再只是循環股，而是國家級基礎建設的一部份，這才是這一輪最容易被忽略的核心。

美伊戰爭打響，恐懼與貪婪與產業無關，剛好靜下心來回答很多人對SanDisk 跟 SK Hynix 聯手推 HBF 的疑問，從這波記憶體缺貨開始（去年9月），就不斷有人想要了解HBF未來的走向，我一次把我的理解跟大家說明。 這半年記憶體從「景氣循環」直接變成「戰略物資」，你只要跟任何一間做伺服器、做 AI 模組、做系統整合的公司聊，就會知道現在市場不是在問「要不要買」，是在問「你拿不拿得到」。也因為這樣，任何看起來像是要打破記憶體牆的新名詞，都會被放大檢視。問題是，HBF 不是來取代 HBM 的，它其實是在承認一件事：HBM 解的是頻寬，但它永遠不可能用一個合理的成本，去承接接下來推理時代那種爆炸式的資料量。你想像一下，HBM 就像超跑的油門反應，快到不可思議，可是它的後車廂就是小；SSD 像貨櫃車，能載，但你要它跟超跑一起跑，超跑就只能在那邊空轉。HBF 的定位，說穿了就是想在這兩者中間硬擠出一層，讓 GPU 不要因為資料搬不動而閒著，讓那些塞不進 HBM 的權重、上下文，不必每次都繞遠路去找 SSD。 新聞講「準備推出統一格式」，市場就容易腦補成「要量產了」。我反而想提醒大家，真正的難題不是 SanDisk 疊不疊得起 NAND，而是它能不能被 Nvidia 這種等級的「系統國王」放進參考設計。你看這個產業的節奏就知道了，任何要進 AI 伺服器核心架構的東西，從概念、規格、到整套生態的驗證，沒有三年起跳幾乎不可能。尤其 HBF 不是插在主機板上就好，它想要的位置很貪心，是靠近 GPU、靠近 interposer、甚至靠近 CoWoS 的那個世界。那個世界現在是誰說了算？TSMC 的產能說了算，封裝良率說了算，還有最現實的一件事：你多放一個新記憶體層進去，面積變大、散熱更難、成本更高，客戶到底願不願意為那個「中間層」買單。 而 HBF 最致命、也最容易被忽略的，是 NAND 的天性。NAND 不是 DRAM，它天生就怕熱、怕寫、怕長期在高溫高壓環境裡被操。HBM 在那個工作條件下是合理的，因為 DRAM 的特性允許它在高頻高功耗下長期運轉；但 NAND 你讓它一直待在高熱區域，它的 retention 會掉、錯誤率會上升、壽命會衰退，最後系統就得用更強的 ECC、更保守的寫入策略、更偏向讀多寫少的使用模型去救它。也就是說，HBF 如果要活下來，它的角色很可能不是「Flash 版 HBM」這麼浪漫，而是「準持久型的高速資料池」：讀很多、寫很少，讓 KV cache 這類資料以特定方式被管理，甚至以類 pSLC 的方式犧牲容量換壽命。這一套做下去，成本就會上去，而成本一上去，市場自然會問：那我為什麼不把更多事情交給更成熟的 SSD offload 或 CXL 記憶體池化？ 所以我一直強調一個順序：HBF 真正放量之前，產業一定會先把更容易落地、且不用重做封裝設計的路徑跑完。你會先看到 HBM 繼續往更大容量、更高堆疊走，因為這條路 Nvidia 跟 Hynix 已經跑得很熟；你會先看到 NVMe SSD 叢集跟軟體層把 KV cache 外掛做得更完整，因為這條路成本最低、導入最快；你也會先看到 CXL 的 pool 化在資料中心慢慢成形，因為它解的是資源調度效率，而不是硬塞新硬體進 GPU package。當這些路徑跑到某個臨界點，大家才會回頭問：是不是還需要一個介於 HBM 與 SSD 之間的新階層？那時候 HBF 才會有它真正的舞台。 那麼，這件事會不會加劇缺貨？我偏向會，尤其是在過渡期。因為只要 HBF 被定位成「AI 專用高階 NAND」，它就會像 HBM 之於 DRAM 一樣，把最好的晶圓、最好的產能、最好的封裝資源往 AI 方向吸走。市場會開始出現更明顯的分層：一邊是消費性 NAND，價格依然循環；另一邊是 AI 等級 NAND，規格客製、供貨鎖定、議價權上移。這也是為什麼我覺得那種「NAND 永遠是 commodity」的論述，在新的 AI 基礎設施架構下會越來越站不住腳。不是NAND本身變神了，而是它被迫走向「被系統設計綁定」的路徑，一旦綁定進 GPU 叢集，你就不再用傳統的供需循環看它，而是用「誰掌握生態、誰掌握標準、誰拿得到產能」去看它。 最後回到這次合作最核心的意義：SanDisk 需要的不是技術背書，而是生態通行證；SK Hynix 提供的也不只是產能，而是它跟 Nvidia、雲端大客戶、以及先進封裝供應鏈之間的既有關係。兩邊一起喊 OCP 標準化，本質上就是在搶下一個位置：讓未來資料中心的記憶體金字塔從兩層變三層、甚至變多層，而那個新樓層由誰定義。三星選擇自己做、自己定，這很三星；美光現在全力押 HBM4，短期不想分心也合理。但不管誰最後勝出，方向其實很一致：AI 進入推理、代理與長上下文時代後，資料量會逼整個記憶體架構全面重寫。HBF 只是其中一塊拼圖，它如果成功，世界會多一個「高毛利、深度整合、產能被鎖定」的新戰場；它如果暫時不成，市場也不會回到過去，因為記憶體牆已經被證明不是理論題，而是每一筆 capex、每一台伺服器、每一張 GPU 都在真實付出的成本。 HBM 讓 GPU 會思考，但推理時代真正決定成本的，是資料放在哪裡、怎麼搬、誰能穩定供應，而 HBF 正是在這個問題上，嘗試把「儲存」變成「基礎設施的一部分」。

這次受數字台灣訪問中，我提到幾個歷史罕見的現象： 各大科技龍頭（如高通、聯發科、華碩、思科）因零組件缺貨而紛紛調降營運展望。這並非需求不足，而是因為 AI 基礎設施正在極度消耗資源 。 AI 與伺服器需求的黑洞：全球雲端服務供應商（CSP）的資本支出大幅增加，資金集中在算力建置與記憶體採購。伺服器記憶體模組在短短半年內漲幅高達七、八倍，顯示出市場對軍備競賽級資源的極度渴求。 新應用帶動爆發性需求：隨著 AI 軟體（如影片生成技術）的普及，對儲存與記憶體的消耗量呈現 10% 到 20% 的跳躍式成長，使記憶體成為 AI 產業鏈中最大的瓶頸。 高階產品的產能排擠：記憶體三大廠（美光、三星、海力士）正全力將產能從低階產品移往高階的 HBM（高頻寬記憶體）。例如美光正準備停掉部分消費型品牌（Crucial）的模組業務，這將導致低階市場出現供應缺口並引發加價潮。 擴產緩慢：新建產能至少需要一年半到兩年的時間，且面臨無塵室空間與設備不足的問題。目前的產業態勢是「各國都在衝，但總產能反而在縮小」，因為轉換製程會犧牲初期的良率。 我也提到記憶體產業投資邏輯與評價重新定義： 以 PCB 產業為例，過去 PCB 被視為低本益比產業，但在被納入 AI 關鍵供應鏈後，評價已大幅提升。記憶體產業目前正處於類似的評價修復階段，目前的獲利與本益比仍被市場低估 。 佈局優先順序： 製造商（Makers）：擁有「金礦」的人，在稀缺時代最具競爭力。 模組廠：需具備戰略地位，能將顆粒加工成高階 AI 或伺服器模組，賦予產品更高價值。 通路商：雖然短期內受惠於庫存漲價利潤最高，但未來可能面臨拿不到足夠貨源的風險。 最後是台灣的利基與機會： 運算中心的演進：未來的運算中心將從 CPU、GPU 進化到以記憶體為核心的架構（如 CXL）。記憶體不再只是輔助，而是提升算力的關鍵「羅賓」角色 。 「窮人版」HBM 與邊緣運算：台灣廠商雖然不一定追求最尖端的 HBM 技術，但在邊緣設備（Edge Device）如智慧眼鏡等應用上，透過與晶片廠提前進行客製化設計（Design-in），在特殊規格記憶體市場中擁有強大的競爭力與發揮空間。 填寫問卷可加入社群，持續交流、追蹤更多法人觀點與研究文章：https://cmy.tw/00CiQA https://youtu.be/sVOnTDjHQqM?si=m55KpUDAJXWZ9l0P