徽声在线9月16日讯（编辑 史正丞）当地时间周二，美光科技CEO高级顾问、前执行副总裁兼首席商务官Sumit Sadana在一场深度访谈中，全面剖析了存储行业的供需动态、商业模式革新，以及AI时代下产能扩张所面临的挑战与机遇。

尤为引人注目的是，尽管美光正大幅增加资本投入，并在全球范围内推进约20个扩产项目，但当前内存市场的严重短缺状况仍难以在短期内得到有效缓解。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，美光目前尚无法给出明确的时间表。

此次访谈所释放的信号远不止于“内存缺货”这一表面现象。从多年期供货协议的签订、与客户共同研发的深入合作，到端侧AI和人形机器人的兴起，AI正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、美光对供需平衡点仍持谨慎态度

首先，支撑“存储超级周期”的依然是供应紧张的市场格局。

Sadana指出，与一年前相比，内存行业的供需状况已发生显著变化。当前内存短缺已不再局限于个别高端产品，而是广泛覆盖所有市场领域。

更为关键的是，客户需求仍在持续向上修正。美光每年从客户处获得的需求预测都在不断增加，即便供应商全力扩产，目前也难以判断供应何时能够满足需求。

这一现象背后的根本原因，在于存储芯片对AI性能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模型需要驻留在内存中，推理和训练过程中又涉及大量数据的反复移动。如果内存容量不足，模型便无法完整加载；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。

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、内存从标准化商品转变为差异化工具

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，内存厂商难以通过定制设计形成明显差异。

Sadana指出，AI的出现改变了这一局面。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，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，这对于电力日益紧张的数据中心来说尤为重要。

三、长期供货协议成为新趋势

众所周知，得益于供应紧张的市场状况，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状况。而新的战略协议则要求双方作出多年承诺：美光锁定供应，客户锁定需求。

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”的浪潮汹涌而来。

四、智能体AI、物理AI、端侧AI需求将层层叠加

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将成为新的增长来源。

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，推理规模也会进一步扩大；智能体AI将在此基础上增加新的计算负载；自动驾驶、工业设备和机器人则会将AI带入现实世界。

他表示：“这些需求会相互叠加，并非一轮取代另一轮。”

因此，供应端面临的挑战不仅在于满足当前数据中心的建设需求，更在于要同时为多轮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增加。

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，能够为用户提供有价值的功能；又要足够小，可以完整装入设备，避免每次请求都发送至云端。

五、人形机器人或成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、存储合作模式日益接近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。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，其他厂商则需要数年才能追赶上来。

这种关系越来越类似于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。

七、美光全球约有20个扩产项目正在推进

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，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。

资金和设备并非扩产面临的唯一约束。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年仅是新增供应的起点

尽管扩产力度巨大，但Sadana仍提醒称，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：“真正有意义的新增供应要到2028年才会开始爬坡。”

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，美光目前仍无法给出明确答案。

九、先进内存完整制造周期长达五个月，HBM复杂度更高

Sadana最后强调，先进存储并非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）