财联社 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 在一场访谈中，系统阐述了存储行业的供需格局、商业模式变化，以及 AI 时代的产能扩张难题。

最引人关注的是，即使美光正大幅提高资本开支，并在全球推进约 20 个扩产项目，当前内存严重短缺的局面仍难在短期内缓解。Sadana 预计，真正有意义的新增供应要到 2028 年才会开始爬坡；至于供需何时重新恢复平衡，美光目前仍 " 看不到明确时间 "。

这场访谈释放的信号远不止 " 内存缺货 "。从多年期供货协议、与客户联合研发，到端侧 AI 和人形机器人，AI 正在推动内存由高度标准化的周期品，转变为决定系统性能、功耗乃至产品竞争力的核心部件。这一变化，正在从根本上重塑存储行业延续多年的商业模式。

一、美光仍看不到供需平衡点

首先，依然是支撑 " 存储超级周期 " 的供应紧张叙事。

Sadana 表示，与一年前相比，内存行业的供需形势已经发生显著变化。当前内存短缺并非局限于个别高端产品，而是已经覆盖所有市场领域。

更关键的是，客户需求仍在向上修正。美光每年从客户处获得的需求预测都在增加，即使供应商全力扩产，目前也无法判断供应何时能够追上需求。

背后的根本原因，是存储芯片对 AI 性能的关键作用。

Sadana 指出，过去评价计算系统性能，关注点通常集中在 CPU 或 GPU。但是AI 系统的表现越来越取决于内存容量、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，推理和训练过程中又有大量数据需要反复移动。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为等待数据而无法充分发挥算力。

Sadana 认为，内存容量与内存性能已经成为衡量 AI 系统能力的两个核心指标，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。

二、内存已从标准化商品变成差异化工具

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，内存厂商很难通过定制设计形成明显差异。

Sadana 指出，AI 改变了这种模式。如今，客户希望利用内存架构提升系统性能、降低功耗，进而建立相对于竞争对手的优势。美光因此开始更早地进入客户的多年产品路线图，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称，美光率先将低功耗 DRAM 引入数据中心，并曾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 可以同时改善密度、体积、性能和能耗，这对电力日益紧张的数据中心尤为重要。

三、长期供货协议

众所周知，得益于供应紧张，美光正在与部分客户签署 " 战略客户协议 "，也就是所谓的 " 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。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，这些协议还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。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 " 彼此叠加，相互构建 "。从大模型到 AI 代理 / 智能体，现在 " 物理 AI" 的浪潮也已经滚滚而来。

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 并不是内存需求的终点。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进一步把 AI 带入现实世界。

他表示：" 这些需求会相互叠加，并不是一轮取代另一轮。"

因此，供应端面对的挑战并不只是满足当前数据中心建设，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的需求。

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，不必把每次请求都发送至云端。

五、人形机器人或成 DRAM 和 NAND 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，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 "，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，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。

这种关系越来越类似 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

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。

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。

这些项目覆盖晶圆制造、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。

资金和设备并不是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 年只是新增供应的起点

尽管扩产力度巨大，Sadana 仍提醒，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，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，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达到新的供需平衡，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，组装、封装和测试还要再花费一个月至一个半月。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。