徽声在线9月16日讯（编辑 史正丞）在当地时间周二举行的一场深度访谈中，美光科技CEO高级顾问、前执行副总裁兼首席商务官Sumit Sadana，就存储行业的供需动态、商业模式转型以及AI时代下的产能扩张挑战进行了系统分析。

当前，内存短缺问题已成为行业焦点。尽管美光正大幅增加资本支出，并在全球范围内推进约20个扩产项目，但内存严重短缺的局面在短期内仍难以缓解。Sadana预测，真正具有实质意义的新增供应要等到2028年才会开始逐步增加；至于供需何时能够重新达到平衡，美光目前仍无法给出明确的时间表。

这场访谈所释放的信息远不止于内存缺货的现状。从多年期供货协议的签订、与客户联合研发的深入，到端侧AI和人形机器人应用的兴起，AI技术正在推动内存从高度标准化的周期性产品，转变为决定系统性能、功耗乃至产品整体竞争力的核心组件。这一转变，正在从根本上重塑存储行业长期以来的商业模式。

一、美光：供需平衡点仍遥不可及

支撑“存储超级周期”的供应紧张态势仍在持续。

Sadana指出，与一年前相比，内存行业的供需格局已发生根本性变化。当前，内存短缺问题已不再局限于个别高端产品，而是广泛波及所有市场领域。

更为关键的是，客户需求仍在不断攀升。美光每年从客户处获得的需求预测都在持续增长，即便供应商全力扩产，目前仍难以判断供应何时能够追上需求的步伐。

这一现象背后的根本原因，在于存储芯片在AI性能中的关键作用日益凸显。

Sadana强调，过去评价计算系统性能时，主要关注点集中在CPU或GPU上。然而，在AI系统中，内存容量、内存性能以及处理器与内存之间的传输带宽正成为决定系统表现的关键因素。

大型AI模型需要长期驻留在内存中，而在推理和训练过程中，又有大量数据需要反复移动。如果内存容量不足，模型将无法完整加载；如果带宽不足，高性能处理器也会因等待数据而无法充分发挥其算力。

因此，Sadana认为，内存容量与内存性能已成为衡量AI系统能力的两大核心指标，而处理器与内存之间的带宽则可能成为整个系统的关键瓶颈所在。

二、内存：从标准化商品到差异化利器

数年前，多数客户使用的是符合JEDEC标准的通用内存，各家公司采购的产品高度相似，内存厂商很难通过定制设计形成明显差异。

Sadana指出，AI技术的兴起改变了这一局面。如今，客户希望利用内存架构来提升系统性能、降低功耗，进而在竞争中占据优势。因此，美光开始更早地介入客户的多年产品路线图规划，与其共同定义下一代系统所需的内存能力。

以美光与英伟达的合作为例，美光率先将低功耗DRAM引入数据中心领域，并在相当长一段时间内成为该领域的独家供应商。与传统DRAM相比，低功耗DRAM能够同时改善密度、体积、性能和能耗表现，这对于电力日益紧张的数据中心来说尤为重要。

三、长期供货协议：稳定供需的新趋势

得益于供应紧张的市场环境，美光正在与部分客户签署“战略客户协议”，即所谓的“长协”。

过去的内存采购协议通常只有一年期限，客户是否采购、供应商能否交货很大程度上取决于当时的价格和市场供需情况。而新的战略协议则要求双方作出多年承诺：美光锁定供应量，客户锁定需求量。

Sadana表示，这些协议需要具备足够明确的投资回报预期，以便美光能够为未来数年的资本开支提供依据。长期协议有望提高收入和需求的可见度，并在一定程度上削弱传统存储市场的周期性波动。

他特别强调，支撑这些长期需求的人工智能技术进展正在“相互叠加、共同构建”。从大模型到AI代理/智能体，再到如今“物理AI”的浪潮已经滚滚而来。

四、智能体AI、物理AI、端侧AI需求将层层递进

Sadana认为，当前的数据中心AI并非内存需求的终点。接下来，智能体AI和物理AI将成为新的增长动力。

这些需求不会简单替代上一轮需求，而是会相互叠加：大模型训练仍将继续进行，推理规模也将进一步扩大；智能体AI将在此基础上增加新的计算负载；而自动驾驶、工业设备和机器人则将进一步把AI带入现实世界。

他表示：“这些需求会相互叠加、共同增长，并不是一轮取代另一轮。”

因此，供应端面临的挑战并不仅仅是满足当前数据中心的建设需求，而是要同时为多轮AI需求准备产能。

Sadana也预计，随着AI能力从云端向边缘设备扩散，未来汽车、PC、智能手机、工业设备以及新的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需求的持续增长。

端侧模型需要在有限的功耗和电池容量下运行。模型既要足够大以提供有价值的功能；又要足够小以完整装入设备中，避免每次请求都需发送至云端处理。

五、人形机器人：DRAM和NAND的下一个大市场

在Sadana看来，机器人可能成为本十年后半段至2030年代的重要存储需求来源。

人形机器人初期将主要进入工厂等结构化环境执行任务明确、自由度较低的工作；随着认知和运动能力的提高，它们才会逐步进入家庭等更加复杂、非结构化的场景。

Sadana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。与手机或电脑相比，这意味着非常高的单机存储价值量。一旦人形机器人实现规模化生产，将同时拉动DRAM和NAND的需求增长。

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”，不过其全面普及仍需要较长时间。

六、存储合作模式：越来越接近ASIC定制

为了在AI硬件市场形成差异化优势，一些客户已经开始与美光讨论长达5至7年的研发路线图。内存不再是在处理器设计完成后才进行适配，而是从系统研发早期就参与联合设计。

Sadana表示，客户很难同时与大量供应商开展如此深入的联合研发工作。这类项目通常只涉及一至两家内存厂商作为合作方，并在一段时间内成为独家供应商；其他厂商则需要数年时间才能追赶上来。

这种合作关系越来越类似于ASIC定制模式：客户投入更多研发资源并参与产品定义；内存厂商则获得更加长期和稳定的产品需求保障。

七、美光全球扩产项目：约20个在推进中

Sadana透露，美光2025财年（注：截至去年8月底）的资本开支略高于130亿美元；2026财年预计将接近这一数字的两倍；而2027财年则可能超过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。

总体来说，美光在全球大约有20个不同规模和类型的投资项目正在推进中。

具体项目进展方面，Sadana介绍称：爱达荷州的ID1晶圆厂预计在2027年年中产出首批晶圆；ID2晶圆厂预计在2028年末前后产出首批晶圆；纽约州规划建设四座晶圆厂，首座预计2030年实现产出；日本、新加坡等地也在积极推进扩产计划。

这些项目覆盖了晶圆制造、封装测试等前端和后端环节，但多数项目短期内还无法转化为实际供应能力。

资金和设备并不是扩产面临的唯一约束条件。全球正在同时建设数据中心、电厂、晶圆制造厂和封装测试基地，对高水平工程、建筑和设备安装人才形成了巨大需求。

Sadana表示，目前能够完成复杂半导体设施建设的专业人员不足；晶圆厂建成后，负责运营和维护生产线的技术人员同样短缺。

八、2028年：新增供应的起点而非终点

尽管扩产力度巨大，但Sadana仍提醒称：晶圆厂无法迅速建成并投入运营。新厂需要完成审批、基础设施建设、设备安装、调试和良率爬坡等多个环节；晶圆厂集群还需要达到一定规模才能跨过成本曲线的拐点。

在关键的产能增长节点预测方面，他表示：“真正具有实质意义的新增供应要到2028年才会开始逐步增加。”

Sadana预计，2028年只是初始爬坡阶段，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。

至于内存行业最终何时能够达到新的供需平衡状态，Sadana再次强调称：美光目前仍无法给出明确答案。

九、先进内存制造周期：长达五个月，HBM复杂度更高

Sadana最后强调称：先进存储并不是一种可以快速复制的标准化产品。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时间；组装、封装和测试还要再花费一个月至一个半月时间。产品越复杂，所需时间越长。

HBM尤其如此。以12层堆叠HBM为例，需要把12颗DRAM裸片垂直堆叠在基础裸片上，再与GPU连接；同时还需要处理高速数据传输带来的功耗、散热和封装问题。

NAND的复杂度同样在不断提高。随着产品由200多层向300层、400层以上演进，制造难度不断上升。与此同时，单块SSD的容量已经可以达到约245TB，需要在极小体积中实现超高密度存储并保证可靠性。

（徽声在线 史正丞）