标签: 内存芯片

  • AI抢走了内存芯片,印度人先买不起手机了

    几个月前分析师就提醒过,AI 疯狂吃内存芯片,早晚会传导到我们买的手机、笔记本上。现在印度成了第一个明显中招的地方——手机越卖越贵,出货量掉得厉害。

    印度智能手机市场受内存芯片涨价冲击
    AI 数据中心和你的手机,正在抢同一批内存芯片

    先说清楚问题出在哪。手机里的 RAM 和存储芯片,跟建 AI 数据中心要的其实是同一类东西。三星、SK 海力士、美光这些厂商发现,把产能挪去做 AI 加速器用的高带宽内存(HBM),单片晶圆赚的钱多得多,于是纷纷转产。结果就是给手机、电脑用的普通内存供给变少、价格上去了。

    印度为什么比中国还惨

    按出货量算,印度是仅次于中国的全球第二大手机市场。据 Counterpoint Research 的数据,今年第二季度(4 到 6 月)印度智能手机出货同比掉了 10%,是六年来第二季度跌得最狠的一次。同期中国只跌了 2%。

    印度大约 60% 的手机市场集中在 2 万卢比(约合 210 美元)以下的价位段,内存一涨价,最先扛不住的就是这批便宜机。

    Counterpoint 的研究副总裁 Tarun Pathak 告诉 TechCrunch,越便宜的机型,内存涨价占成本的比重越高,所以印度受的冲击比中国大得多。更极端的是 1.5 万卢比(不到 150 美元)以下这一档,出货直接同比暴跌了 45%。中国品牌恰好扎堆在入门和中端,它们在印度的合计份额跌到了 2020 年以来第二个季度的最低点。

    谁受伤,谁还撑得住

    不同品牌的日子差别很大。第二季度只有三星在印度实现了出货增长,同比涨 2%;苹果反而跌了 3%,不过那更多是供货和库存受限,iPhone 想多发都发不出来。走高端路线的品牌明显更抗跌——买贵手机的人对涨价不太敏感,加上分期付款把门槛拉低了不少。

    压力大了,厂商的打法也在变。这周中国品牌一加就宣布,要停掉在欧洲和北美的新品发售,只保留印度市场。Counterpoint 的数据显示,一加第一季度有 74% 的出货去了中国,比一年前的 59% 还高;印度的占比却从 30% 掉到了 19%。说白了就是收缩到还能赚钱的地方,其他战线先让出去。


    最后买单的还是消费者

    IDC 的移动研究总监 Kiranjeet Kaur 说,印度市场正在从”拼销量”转向”拼单价”——手机卖得少了,但每台赚得更多,因为低价机越来越不划算。据 Pathak 估算,不同型号的印度手机价格已经涨了 4% 到 68% 不等。面对涨价,消费者要么咬牙买贵的,要么拖着不换,要么转去二手市场。换机周期也从原来的约 3.5 年拉长到了 4 年左右。

    • 分期付款成了”能不能买得起”的关键,厂商和渠道还在节日季前囤货锁定低成本;
    • IDC 预计印度二季度出货会两位数下滑,比一季度的 4.1% 跌幅还陡;
    • Kaur 判断,内存紧张和手机涨价至少要持续到 2027 年底。

    对印度消费者来说还是双重打击:卢比走弱让进口更贵,厂商的利润压力最终又转嫁到了买家头上。AI 的算力盛宴还在继续,可账单已经悄悄摊到了普通人的口袋里。

  • 三星利润暴涨19倍背后:AI数据中心把内存芯片买疯了

    堆叠的AI高带宽内存芯片与数据流动
    AI数据中心对高带宽内存(HBM)的渴求,正把三星的利润表彻底改写

    三星电子刚交出的二季度成绩单,把整个市场都看愣了。运营利润同比翻了大约19倍(折算下来就是1400%的涨幅),这个数字甚至超过了它过去三年的利润总和。你很难想象一家上年同期还在为内存价格探底发愁的巨头,能在一年的时间里完成这种级别的反弹。

    但别误会,这跟手机卖得多好没什么关系。真正把利润表顶上去的,是AI数据中心在疯狂扫货内存芯片。

    HBM,这场反弹的真正引擎

    核心角色叫HBM,高带宽内存。当英伟达、AMD这些GPU厂商拼命往外吐新一代显卡时,背后需要一种能在极短时间内吞吐海量数据的内存来配合。这种专用芯片单价高、工艺难,谁能量产谁就能吃下AI服务器的订单。

    有意思的是,三星在这块业务上曾经被老对手SK海力士压着打。但这一季它明显追了回来——靠着HBM3E和更新的HBM4拿下了关键供货协议。分析师们的判断很直接:需求已经不单纯来自亚马逊、谷歌这类传统云厂商了,几乎每个想把生成式AI塞进自家业务的行业都在抢内存。供给追不上需求,三星的议价权和利润率自然就上去了。

    有分析师点破得很直白:只要AI还是全世界企业的头等优先级,能造出最尖端内存的厂商,就站在了价值创造的正中央。

    不只是HBM,普通内存也回暖了

    除了高端的HBM,普通的DRAM和NAND闪存价格也结束了长期供过于求的状态,慢慢爬了回来。这两块业务的复苏叠在一起,才把整体业绩推到了这个高度。

    一个细节很能说明问题:三星内存芯片部门的员工,今年平均能拿到约34万美元的年终奖。一家公司愿意为某个部门开出这种级别的奖金,往往意味着那个部门正在替全公司赚大钱。

    三星的下一注:2纳米和端侧AI

    赚钱之外,三星也在为下一阶段铺路。它在代工业务上砸下重金,押注2纳米制程去跟台积电抢地盘;Galaxy手机则把”端侧AI”当成了核心卖点,想守住移动市场的底盘。

    • HBM4计划在2026年进入量产,支撑参数规模上万亿的AI模型;
    • 同步探索CXL和存内计算(PIM)等新架构,试图绕开数据传输的瓶颈;
    • 但中美出口管制和CHIPS法案要求在美国扩产,是绕不开的外部变量。

    三星这份成绩单,其实是AI基础设施狂热的一面镜子。它提醒我们,在这场看似关于模型和算法的竞赛里,最底层的那块硅片,同样能决定谁赚得盆满钵满。

    📎 原文来源:$am$ung. | The Verge(综合 Reuters 报道)
  • SK海力士市值破万亿,AI内存生意比卖显卡还赚钱





    SK海力士市值破万亿,AI内存生意比卖显卡还赚钱

    SK海力士市值破万亿,AI内存生意比卖显卡还赚钱

    2026年5月27日 · The AI Track

    2026年5月27日,韩国芯片制造商SK海力士股价收盘上涨约9.3%,盘中最高涨幅达14.9%,市值首次突破1万亿美元大关。这不是一家公司的胜利,而是整个AI内存供应链价值重估的缩影。

    就在前一天,美光科技刚突破1万亿美元市值;5月6日,三星电子也达到了这一里程碑。三家内存巨头在短短三周内接连破万亿,AI基础设施的投资热潮从”算力”烧到了”内存”。

    高带宽内存(HBM)已经成为AI供应链的瓶颈环节。英伟达的AI加速器需要高速内存堆栈来高效训练和运行大语言模型,而SK海力士正是这个环节的主要供应商。

    为什么是现在?

    AI训练对内存的需求跟传统计算不一样。大语言模型训练时需要在GPU之间高速传输海量参数,这时候传统DDR内存的带宽就不够用了,必须用HBM(高带宽内存)。

    问题在于HBM的生产难度远高于普通内存芯片。它需要先进封装、专用制造产能,还要跟英伟达这样的核心客户做长周期认证。产能不是想扩就能快速扩的。

    根据Counterpoint Research的数据,2025年第四季度SK海力士占全球HBM收入的57%,三星占22%,美光占21%。三家把HBM市场吃干抹净,定价权牢牢攥在手里。

    数字会说话

    • 股价涨幅:今年以来SK海力士累计上涨超过200%,部分估算接近250%;同期美光涨约245%,三星涨约149%
    • 业绩表现:SK海力士4月公布的季度利润同比翻了五倍,同时公司预计未来三年HBM需求将超过现有供应
    • 市场份额:SK海力士在HBM市场占比57%,是英伟达AI加速器的核心供应商
    • 后续计划:SK海力士正计划通过美国存托凭证(ADR)赴美上市,拓宽国际投资者准入渠道

    韩国股市的新引擎

    SK海力士的上涨带动了整个韩国大盘。5月27日当天,韩国综合股价指数(KOSPI)盘中最高上涨5.1%,收盘上涨2.3%。

    目前三星和SK海力士合计占KOSPI指数市值的40%以上。韩国股市跟全球AI基础设施需求的关联度越来越高。今年以来KOSPI指数接近翻倍,韩国成为这轮AI基础设施周期中公开股票市场的最大受益者之一。

    同日,韩国交易所还上市了挂钩三星和SK海力士的单股票杠杆ETF。跟踪SK海力士股价每日两倍收益的杠杆ETF首日上市即上涨18%。

    内存行业的逻辑变了

    过去几十年,内存芯片一直被当成周期性大宗商品。短缺时价格飙升,厂商疯狂扩产,然后供应过剩、价格暴跌,周而复始。

    AI需求正在改变这个规律。现在内存需求不再主要来自智能手机、笔记本电脑等消费电子产品,而是越来越多来自AI数据中心。数据中心的内存采购是长期合同、大规模、持续性的,不像消费电子那样季节波动剧烈。

    分析师目前预计内存需求将持续超过供应直到2028年。这也支撑了投资者对HBM业务占比较高的厂商给出更高的估值。

    风险也不能忽视

    股价涨得快,风险也在积累。KOSPI指数对少数AI相关芯片股的依赖度越来越高,这可能会加剧市场波动。供应链中断、客户集中度高、全球数据中心投资放缓等因素,都会对韩国整体股市产生更大影响。

    另外,杠杆ETF的流行也带来了额外风险。这类产品会放大单日波动,增加期货和现货市场的短期压力。5月27日SK海力士盘中涨幅达14.9%,收盘回落到9.3%,这种剧烈波动在杠杆产品普及后会更常见。

    还有一点,AI数据中心的建设节奏如果放缓(比如因电力、冷却、监管等因素),内存需求的增长也会受影响。这轮上涨的底层逻辑是”AI基础设施持续扩张”,如果这个逻辑被打破,估值回调不会客气。


  • XCENA拿了一轮1.35亿美元:AI的最大瓶颈不是算力,是内存

    做AI芯片的公司在2026年并不稀奇,但一家韩国初创公司拿了1.35亿美元融资,理由是”AI的最大瓶颈不是算力,是内存”——这个说法至少让投资圈认真听了。

    数据在CPU、GPU、内存之间来回跑,每一次都要钱

    XCENA的核心判断很简单:你现在每次跟AI说一句话,数据都要在内存、CPU、GPU之间跑一个来回。数据从内存取出来,CPU预处理一遍,送到GPU算,结果再写回内存。生成一个词要走一遍这个流程。

    这不是纯理论问题。它意味着你每用一次AI,都伴随着一笔不算小的数据传输成本。日活几亿次请求的规模下,这个开销是真实的。

    XCENA的估算是:原本需要10台服务器才能跑完的AI推理任务,如果用他们的方案,1台就够了。

    把计算搬到内存旁边去

    他们的办法是做一枚叫MX1的芯片,思路叫”存算一体”——计算不要老盯着GPU做,把一部分活儿搬到内存模块附近完成。

    具体说,MX1通过CXL(Compute Express Link,一个专门连接处理器和内存的高速通道)跟CPU对接,把预处理、KV缓存管理、数据缓存这些事情,在内存模块里面直接做完。数据不用出门,结果也不用搬回来。

    XCENA MX1芯片
    XCENA MX1芯片原型(图源:TechCrunch)

    技术上有几个值得说的地方。MX1基于开源RISC-V指令集设计,里面有数千个小型高效核心,专门为数据搬运和预处理优化过。竞争对手Marvell的方案只用少量通用核心,理论上效率有差距。

    XCENA还做了垂直整合——内存层级、互联总线、DRAM控制器全是自研的。大多数芯片公司会把这类工作外包,他们选择自己做,理由是只有全栈控制才能把内存效率压榨到极限。

    三星、SK海力士的前员工出来创业,时机刚好

    这家公司2022年创办,三位创始人Jin Kim(CEO)、Dohun Kim(CTO)、Harry Juhyun Kim(CPO)全部来自三星和SK海力士。做内存的人出来做AI基础设施,这个组合在2026年看起来挺合理的。

    本轮1.35亿美元由韩国VC机构Atinum、IMM Investment联合领投,跟投方包括Corstone Asia、老股东SBI Investment、Mirae Asset Capital。公司累计融资已达1.85亿美元,估值5.7亿美元。


    一个有趣的行业背景:2026年5月,三星、SK海力士、美光三大内存芯片厂商的市值首次同时突破1万亿美元。内存价格的上涨和AI需求的持续拉动,正在把”内存中心架构”从学术概念推向产业现实。

    MX1目前还在原型阶段,预计2026年底在三星代工厂量产,2027年开始产生收入。目标客户很明确:每年在AI基础设施上花几百亿美元的超大云厂。对这些公司来说,内存效率提升5%,可能就意味着几亿美元的成本节省。

    XCENA不直接跟英伟达在训练侧竞争——他们瞄准的是推理侧的内存密集型层。这个位置刚好卡在GPU算力和内存带宽之间的夹缝里,是一个有理由存在的细分市场。

  • 这家芯片初创把计算搬进内存,1.35亿美元融资到手

    每次你向ChatGPT提问,你的请求都会触发一场数据接力赛。信息离开内存,经过CPU预处理,传输到GPU进行繁重计算,然后再返回——而AI生成的每一个字,整个流程都会重复一遍。

    瓶颈是结构性的。这意味着每一个请求中,数据都要经过行业中一些最昂贵、功耗最高的芯片进行路由。这种低效正是XCENA试图解决的问题——这家在韩国和美国都设有办事处的初创公司,刚刚在B轮融资中筹集了1.35亿美元,估值达5.7亿美元。

    “几十年来,CPU和GPU都变得更智能了。内存从来没有。XCENA想改变这一点。”——创始人Jin Kim

    把计算搬进内存

    XCENA的芯片MX1通过CXL(计算快速链接)连接到CPU——本质上是处理器和内存之间的专用快车道——在数据需要离开内存模块之前就对其进行处理。它是把计算带到数据附近,而不是反过来。

    该公司声称,以前需要10台服务器完成的工作,现在可能只需要1台就可以完成。

    XCENA MX1芯片原型
    XCENA MX1芯片原型(图源:TechCrunch)

    为什么是内存,不是算力?

    XCENA的业务押注于一个论点,即”推理不仅是计算问题;它越来越是一个内存扩展问题。”

    虽然GPU擅长矩阵乘法——AI模型训练背后的繁重数学计算——但周围的许多数据编排,包括预处理、KV缓存管理(存储之前的对话上下文的系统,这样模型就不需要重新处理它)、数据缓存,仍然在CPU上运行。XCENA的芯片在内存模块本身内直接处理这些任务。


    创始团队来自三星和SK海力士

    XCENA首席执行官Jin Kim于2022年与首席技术官Dohun Kim、首席产品官Harry Juhyun Kim共同创立了这家初创公司,三人都来自三星和SK海力士——这两家内存巨头为英伟达的GPU提供芯片。

    本月,主导全球内存芯片市场的三家公司——三星、SK海力士和美光——市值首次都超过了1万亿美元。XCENA押注的是,AI基础设施正朝着以内存为中心的架构更广泛地转变。

    竞争对手和差异化

    XCENA最接近的竞争对手包括Astera LabsMarvell,这两家纳斯达克上市公司都在研发下一代内存连接技术。

    差异化因素在于知识产权。XCENA有数千个核心,每个核心都基于RISC-V构建并专门针对数据处理进行了优化。相比之下,Marvell的方法依赖少数几个通用核心。


    时间表和挑战

    MX1目前仍然是原型。大规模生产的芯片预计将在2026年底从三星的代工生产线下线,该公司预计从2027年开始产生收入。

    XCENA的理想客户是每年在AI基础设施上花费数百亿美元的超大规模企业,即使内存效率有微小的提升,也可能意味着数亿美元的节省。

    • B轮融资1.35亿美元,估值5.7亿美元
    • 累计融资总额达1.85亿美元
    • MX1芯片基于RISC-V开源架构
    • 目标客户:超大规模AI基础设施运营商
    • 量产时间:2026年底;收入预期:2027年