江苏芯缘半导体有限公司



Jiangsu Thankyou Semiconductor Co.,Ltd.

搜索
求是缘半导体周要闻－莫大康(2026.6.15)
来源: | 作者:芯缘 | 发布时间: 2026-06-15 | 174 次浏览 | 🔊 点击朗读正文 ❚❚ ▶ | 分享到:

真正危险的不是AI，而是“AI国家化”开始了


过去两年，大家聊得最多的是 ChatGPT、AI 绘图、AI 替代工作。
但最近，有一个更大的变化正在发生，而大多数人还没意识到。 AI 正在从"商业工具"变成"国家机器"。 美国、欧洲、中国，都已经把 AI 提升到国家安全、战略资源、基础设施级别。这不是比喻，是正在发生的现实。
当 AI 被纳入国家体系后，竞争逻辑就彻底变了。不再是谁产品体验更好，而是：谁能控制未来世界的"智能基础设施"。
AI 为什么突然变成"国家战略资源"？
过去的互联网，只能影响信息流动。你再厉害的平台，也只是在改变信息传播的方式，改不了物理世界。 但现在的 AI，第一次开始影响现实世界本身。 AI 正在做的事情 控制无人机 · 操作机器人 · 调度电网 · 网络攻防 · 自动分析情报……这些都不再是实验室里的演示，已经在现实中发生。
本质变化是：AI 第一次从"软件"，变成了"现实世界操作系统"。各国政府突然意识到，未来最重要的东西可能不是石油，而是 GPU、电力、数据中心、卫星网络和 AI 模型。02

AI与人怎么分工


一、核心分工边界
人类主打：价值、情感、创意、高阶判断
  1. 战略与决策：定目标、选路线、拍板风险、统筹全局
  2. 原创创造：原创设计、文学艺术、前沿科研、全新方案构思
  3. 情感与人际：沟通谈判、服务共情、团队管理、人文关怀
  4. 复杂思辨：与伦理判断、价值取舍、跨领域综合思考、突发难题应对
  5. 监督与把控：审核AI输出、纠错、划定规则、把控质量底线
AI 主打：重复、计算、海量数据、标准化执行
  1. 重复性劳作：文案初稿、数据录入、格式整理、常规流程操作
  2. 算力与数据分析：大数据统计、建模推演、算力运算、趋势筛查
  3. 标准化任务：翻译、基础绘图、代码编写、常规答疑、内容剪辑
  4. 辅助检索：海量信息抓取、资料汇总、文献梳理
  5. 模拟推演：场景仿真、风险测算、多方案快速试错
二、不同场景落地分工
  • 职场办公：人规划思路+对接协作；AI做文档、报表、PPT、信息整理
  • 科研技术：人提假说、设计实验、解读结论；AI跑数据、建模型、仿真计算
  • 文创内容：人定风格、内核、创意框架；AI出初稿、素材、配图、润色
  • 服务行业：人处理复杂诉求、情绪安抚、深度沟通；AI做咨询、登记、基础答疑
  • 生产制造：人把控工艺、安全、异常处置；AI/自动化负责流水线、质检、运维


三、协作模式
  1. 人机接力：人出框架→AI落地执行→人优化定稿
  2. 人机并行：AI批量处理基础工作，人同步攻坚核心难点
  3. AI赋能增强：AI放大人类能力（如医生借助AI读片、设计师用AI快速出稿）


四、关键原则
  1. 人类始终掌握最终决策权与规则制定权
  2. 把枯燥、耗时、低价值工作交给AI，人聚焦高价值事务
  3. 持续学习适配工具，让AI成为“能力延伸”，而非单纯工具

Anthropic呼吁全球暂停前沿AI开发，警告最新模型已现失控迹象


6月5日消息，据《华尔街日报》最新报道，美国人工智能初创公司Anthropic发布重磅报告，呼吁全球各大企业考虑放缓乃至暂停先进AI系统的开发。该公司在报告中指出，其最新研发的AI模型已开始显现可能脱离人类控制的迹象。
Anthropic在声明中表示，全球各大公司放缓前沿AI开发“很可能是一件好事”，以便让社会制度建设和对齐（alignment）研究能够跟上技术进步的步伐。然而，该公司也坦言现实操作的困境：“如果只有一家公司停下来，竞争对手就会加速前进。”
为此，Anthropic提议建立一套类似“核武器不扩散条约”的全球协调机制，要求包括美国、中国在内的主要AI参与方达成共识，并制定可验证的规则。
此次呼吁的背后，是Anthropic对其最新旗舰模型“Mythos”强大能力的深刻担忧。今年4月发布的Mythos模型被证实具备惊人的网络安全能力，能够在几周内发现主流操作系统和浏览器中潜藏数十年之久的零日漏洞。
更令业界警觉的是，该模型在测试环境中曾展现出自主突破安全沙箱、构建多步骤攻击链的能力。Anthropic明确表示，由于Mythos的破坏性潜力过大，目前仅向少数关键基础设施合作伙伴提供受控访问，绝不面向公众开放。
尽管Anthropic试图以“安全至上”的姿态推动全球监管，但其倡议却招致了多方质疑与批评。白宫部分官员对这一观点表达了不满，认为该公司过度渲染最坏情况，甚至有借安全担忧之名给竞争对手“使绊”的嫌疑。04

WSTS春季预测：2026全球半导体销售额达1.5万亿美元


一、先有基数：2025 年是多少？
WSTS 用的是全球原厂出货金额（billings），不是终端零售价 。


  • 2025 年实际：795.6 亿美元
  • 2026 年预测：1,511 亿美元（1.51T），同比 +89.9%


二、分产品“拆”出来：内存是绝对主力
WSTS 把市场拆成 6 大产品类别，分别预测再求和 ：
  1. 存储器（Memory）
  • 2025：约 2,387 亿美元（占 ~30%）
  • 2026：8,342 亿美元，同比 +249.5%
  • 占 2026 总市场 55%+
  • 驱动：AI 服务器 HBM、DRAM 价格暴涨、订单爆满


2. 逻辑芯片（Logic）
  • 2026：+37%，AI 加速卡、GPU、先进制程（3/2nm）量价齐升


3. 微处理器（MPU）
  • 2026：+20%，服务器/PC/车载需求回升


4. 模拟（Analog）
  • 2026：+10%，工业/汽车稳健


5. 分立器件（Discrete）
  • 2026：+8%


6. 传感器/光电子（Sensor/Opto）
  • 2026：+3%


把这 6 块金额加总，就得到1.51T。
三、方法论：WSTS 是怎么做预测的？
简单说：会员公司上报 → 历史数据拟合 → 分产品/分区域建模 → 专家校准 → 发布


  1. 数据来源（核心）
  • WSTS 是全球主要半导体原厂联合组织（Intel、三星、台积电、SK 海力士、美光、英伟达、高通、联发科等都是会员）
  • 每月会员强制报送出货金额、数量、价格（按产品/区域拆分）
  • 覆盖全球 95%+ 半导体原厂营收


2. 预测模型（自上而下+自下而上）


  • 自上而下：全球 GDP、AI 资本开支、云资本开支、手机/PC/汽车销量
  • 自下而上：每个品类（DRAM、NAND、HBM、GPU、MCU 等）的产能、价格、订单、库存、客户订单能见度
  • 价格部分：重点参考合约价+现货价+大厂报价指引（如三星、美光、SK 海力士的季度财报指引）


3. 这次为什么从 800B猛调到 1.51T？


  • 2025 年底–2026 年初实际数据爆表：Q4’25、Q1’26 内存销售额同比 +200%+
  • HBM 严重供不应求：台积电先进封装产能被 AI 客户包到 2027 年，价格持续上调
  • DRAM/NAND 价格持续大涨，厂商大幅上调业绩指引
  • WSTS 在 2026 年 6 月根据最新数据全面重估模型，把内存增速从原来的 30–50% 上修到 250%


四、总结
1.51T = 795.6B（2025实际） + 内存+250% + 逻辑+37% + 其他小增，本质是AI 驱动的存储器超级周期，由全球大厂真实出货数据+订单+产能+价格模型算出来，再经行业专家校准 。

图片

黄仁勋GTC 2026演讲宣告AI新时代，英伟达从芯片商迈向AI工厂架构师


北京时间2026年6月1日，英伟达创始人兼CEO黄仁勋在中国台北举行的GTC大会上发表主题演讲。在这场面向全球70多个国家和地区播出的活动中，黄仁勋不仅发布了一系列新产品，更系统阐述了他对当前及未来AI产业发展的核心判断。
在产品层面，英伟达正式宣布其史上最具野心的VeraRubin AI系统已实现全面量产，并推出了专为AI时代设计的Vera CPU。同时，公司发布了名为Nemotron 3 Ultra的开源AI模型，以及面向Windows系统个人电脑的RTX Spark超级芯片，标志着英伟达正式进军PC芯片市场。此外，英伟达还推出了用于构建AI工厂的DSX平台、专为机器人出租车服务的Alpamayo 2推理模型，以及面向人形机器人的Isaac GROOT开发平台。
黄仁勋在演讲中明确宣告：“AgentAI（代理式AI）已经到来。”他指出，AI的下一波浪潮正从生成式AI转向代理式AI，其核心特征是能够理解人类意图，并自主调用工具完成任务，这将彻底改变人机交互方式。他演示了AI Agent如何根据文字指令自动生成动画或CAD设计，并断言：“这就是未来电脑的运作方式。”
针对业界对AI冲击就业的担忧，黄仁勋反驳称“这完全是无稽之谈”。他以GitHub平台的数据为例，指出AI编程的使用次数从2023年的3亿次激增至2026年前几个月的14亿次，而软件工程师的数量实际上在增加。他强调，AI并未减少工作机会，反而创造了新的需求和生态。
从商业价值角度，黄仁勋提出了“Token就是资产”的观点。他认为，Token已成为AI公司获利的营收单位，驱动了全球对AI算力的巨大需求。他形容这种需求“火箭式飙升”，并幽默地将其与台湾股市的走势图相类比。
对于AI工厂这一新兴业态，黄仁勋揭示了其惊人的资本密集度。他透露，一个1GW等级的AI工厂起步成本高达200亿至300亿美元，未来甚至可能达到每GW800亿至1000亿美元。为此，英伟达推出的DSX平台旨在让建设者能在投入资金前，于数字模拟器中完成整个工厂的设计与验证。
在谈及软件产业时，黄仁勋持乐观态度。他认为，代理式AI的普及不会威胁软件公司，反而会因其需要调用更多工具而带来巨大发展机遇。他同时宣布，英伟达与微软在过去三年深度合作，“即将重新定义个人电脑”。搭载RTXSpark芯片的AI PC将于今年秋季由戴尔、联想等厂商推出，届时AI Agent将直接在个人电脑中运行。
演讲最后，黄仁勋总结了英伟达的定位演变：“英伟达确实已经成为一家基础架构公司。”他表示，公司的目标不仅是提供GPU或系统，更是协助客户构建能创造最大营收与利润的AI基础设施。他展望，代理式AI的模式将从电脑扩展到机器人、卫星乃至云端基站和工厂，深刻改变未来对各类设备的定义。

Cadence 携手 NVIDIA 发布业界首款具备全自主芯片设计能力的虚拟工程师


中国上海，2026 年 6 月 8 日 —— 楷登电子（美国 Cadence 公司，NASDAQ：CDNS）近日宣布推出业界首款具备全自主能力的 AI 虚拟工程师，将 ChipStack™ AI Super Agent 提升至 Level-5 自主水平。全新的智能体能力基于 Cadence 的 AI 驱动电子设计自动化（EDA）产品组合，结合 NVIDIA Nemotron[1]模型构建，并由 NVIDIA OpenShell[2]运行环境提供安全保障，赋能客户在自动化工作流程中运行动态仿真。在NVIDIA，数千名工程师正每年使用数十亿计算小时数来运行数百万次测试以验证其设计。每位工程师都将使用ChipStack 智能体，配合 Cadence® Xcelium™ Logic Simulation 和 Jasper® Formal Verification 来运行数百次动态仿真，从而使 RTL 验证周期提速 40 倍以上，并将通常长达五周的验证周期缩短至不到一天，极大提升复杂半导体设计的验证速度。
从 AI 辅助迈向自主工程设计
ChipStack AI Super Agent 现具备 Level-5 自主水平，可独立执行复杂的芯片设计和验证工作流程，同时允许工程师根据需要进行检查、指导和协作。该智能体与协作环境原生集成，并兼容 Codex 或 Claude Code 等工具，为自主活动提供了极高的透明度，帮助团队随时掌握系统的进度和决策。
ChipStack AI Super Agent 不再依赖逐步提示，而是能够评估中间结果，决定下一步行动，并在规格理解、RTL 生成、验证规划、形式分析、仿真、调试和设计收敛等任务间不断迭代，直至目标完成。工程师的角色也将从执行单项任务转向监督结果并引导目标。在前沿部署中，自主验证工作流已将传统上需要数周的验证周期缩短至不到一天。
引领代理式 AI 新时代
此次发布体现了 Cadence 在由 NVIDIA 提供支持的代理式 AI的创新速度。继 2025 年 11 月收购 ChipStack 后，Cadence于 2026 年 2 月推出首款产品，并于 4 月在 CadenceLIVE 上将其扩展为 AI 超级智能体产品组合，推出用于定制和模拟设计的 ViraStack AI Super Agent、用于数字实现和签核的 InnoStack AI Super Agent 以及作为跨设计堆栈协调代理工作流程的编排框架的 Cadence AgentStack。Cadence 现正努力将这些功能扩展至完全自主水平。
可用性
ChipStack AI Super Agent 和 AgentStack 编排框架的 Level-5 自主能力预计将于 2026 年下半年向早期体验客户开放。

曝英特尔拿下超300万张AI芯片大单


6月8日消息，据The Information今日报道，四位知情人士透露，在台积电努力满足芯片制造激增需求之时，谷歌、英伟达等几家AI芯片巨头正在悄悄地转向英特尔，作为其最先进芯片的备用制造商。其中两人称，谷歌在测试英特尔先进封装技术数月后，最近向英特尔下了订单，在2028年生产超过300万张谷歌自研AI芯片TPU。根据摩根士丹利的最新估计，谷歌预计将在2027年和2028年生产超过600万张TPU。四人中有两人透露，英伟达尚未向英特尔下订单，但它正在测试是否可将英特尔技术用于制造一款即将推出的、将4个图形芯片组合成一个单元的处理器。这项工作与英伟达下一代GPU架构Feynman系列相关，Feynman系列将于2028年发布6月8日消息，据The Information今日报道，四位知情人士透露，在台积电努力满足芯片制造激增需求之时，谷歌、英伟达等几家AI芯片巨头正在悄悄地转向英特尔，作为其最先进芯片的备用制造商。其中两人称，谷歌在测试英特尔先进封装技术数月后，最近向英特尔下了订单，在2028年生产超过300万张谷歌自研AI芯片TPU。根据摩根士丹利的最新估计，谷歌预计将在2027年和2028年生产超过600万张TPU。四人中有两人透露，英伟达尚未向英特尔下订单，但它正在测试是否可将英特尔技术用于制造一款即将推出的、将4个图形芯片组合成一个单元的处理器。这项工作与英伟达下一代GPU架构Feynman系列相关，Feynman系列将于2028年发布08

数据中心光模块市场五年内翻倍，内部互联成最大增长引擎


AI正在从根本上改变数据中心内部互联的角色，以至于数据中心内部网络正变得与计算本身同等关键。数据中心内部的后端网络（负责将AI加速器彼此互联，并与内存连接以实现工作负载分发）实际上正在成为计算系统的延伸
那么，数据中心内部网络究竟面临的是一场革命还是一次演进？或许两者兼而有之。
数十年来，铜缆一直是数据中心内部连接的默认选择。铜的价格低廉、易于部署，且在短距离内表现良好。但随着数据速率攀升和传输距离延长，铜缆因衰减和电磁干扰导致信号完整性急剧恶化，逐渐力不从心。
相比之下，光纤能够以更高的数据速率、在更长的距离上传输信号，且损耗极低、不受电磁影响。目前，几乎所有超过约5米的400Gbps数据中心连接（即单机架之外的任何高性能连接）都已转向光纤。更快的AI加速器甚至正在推动机架内部连接也向光纤过渡。最终，AI工厂数据中心的每一条连接都将通过光纤实现。
过去几年，光链路速率经历了令人瞩目的跃升，从100Gbps迅速推进到400 Gbps、800 Gbps，如今1.6 Tbps也已崭露头角。然而，要满足AI训练和推理的需求，仅靠更快的端口还远远不够。
传统上，数据中心采用纵向扩展（scale-up）策略实现增长，即在单个机架内添加更大规格的服务器或更多处理器。现代AI正在颠覆这一范式。大型AI模型和分布式训练需要协调数千个处理器/加速器同步运行。这意味着，数据中心建设需要转向横向扩展（scale-out），将海量节点跨机架、跨排、甚至跨相邻建筑互联，形成一个统一的计算结构，协同处理共享任务。
虽然分布式计算并非新概念，但这些AI计算架构在规模和性能上已达到前所未有的水平。业界正在构建庞大的AI训练集群，在个位数微秒级延迟下，这些横向扩展网络可处理每秒数太比特（Tbps）的流量，将数千个机架互联起来，每个机架内部配备数十颗GPU。基于对大型AI集群的公开测算（以整个平台的光学器件平均配置计），此类部署通常每颗GPU需要配备3至6个光模块。在一个拥有数十万颗GPU的数据中心内，仅服务器与机架顶部（ToR）交换机之间，以及ToR交换机与核心交换机之间的短距连接，所需光模块数量就可能超过100万个。
XPO、NPO和CPO共同表明，数据中心内部光学的演进已不仅仅是追求更高速的链路，而是要在AI时代从根本上重新设计光学、电子学与计算如何融合。
AI时代的数据中心互联，既在需求与规模层面经历一场革命，也在数十年的光学技术积淀之上持续演进。
近封装光学（NPO，亦称板载光学）将光学引擎从前面板移至更靠近交换芯片的位置，从而缩短了电信号传输距离，提升效率。这种方式在功耗和信号质量方面带来显著改善，但牺牲了灵活性——因为光学器件不再易于更换。
共封装光学（CPO）则将这一理念推向极致，将光学器件直接集成到交换芯片封装内部。通过大幅缩短电互连距离，CPO有望实现超低延迟和卓越的能效。但与此同时，它也对长期以来的可维护性、制造兼容性和互操作性假设提出了挑战。
可插拔光学模块仍在被重新定义。2026年初，一个行业联盟提出了一种名为超密集可插拔光学（XPO）的新概念，旨在大幅提升前面板光接口密度——这是数据中心内部互联的关键瓶颈。单个XPO可提供前所未有的12.8Tbps带宽，虽然尺寸大于八通道小型可插拔模块（OSFP），但相比当今的可插拔方案，仍可将前面板密度提升约四倍。由于XPO集成了液冷技术，这些模块还能支持功耗更高的相干光学器件。
为支撑AI带来的光通信爆发式增长，创新不仅聚焦于更高速的链路，更关注光学模块自身的设计与部署方式。在数据中心内部，能效与密度是关键考量因素。这催生了新型光通信架构，既降低了功耗和尺寸，又提升了部署灵活性。09

美国防部更新1260H清单，188家中国企业纳入管控范围


6月8日，美国国防部依据《2021财年国防授权法案》第1260H条款，完成新一轮涉华军事关联企业清单(1260H清单)更新工作，更新后清单收录中国企业共计188家，其中包括比亚迪、阿里巴巴、百度、长江存储、长鑫存储、宇树科技等知名企业。
该清单的核心规制效力，为禁止美国国防部及下属相关机构与清单内企业开展采购、技术协作等各类合作事宜，是近年来美方针对中国高新技术产业实施限制性管控的重要行政工具。
结合本轮及近年多轮清单调整态势来看，该清单的管控边界持续向民营高端科技产业延伸。今年2月，美国国防部曾对清单进行大规模调整，一次性新增78家市场主体，比亚迪、阿里巴巴、百度等国内头部民营企业悉数入选，覆盖新能源汽车、互联网平台、人工智能等前沿战略性产业。但长江存储、长鑫存储两大国内核心存储芯片企业被移出清单。(点击回顾)
针对本次名单增减调整的判定标准与核心依据，美国国防部未发布任何官方说明。且该版本清单曾出现发布、撤回、重新发布的反复流程，暴露了其认定规则的随意性，引发国际社会广泛质疑。
从规制属性来看，1260H清单与全方位封锁式的实体清单存在本质差异，其管控范围仅限定于美国国防部体系内的采购与合作项目，不直接限制企业民用市场业务拓展、常态化商业合作及市场化融资等经营活动。受清单调整消息影响，相关企业境外上市股价短期内出现小幅波动，但并未引发持续性、系统性的负面市场反应。
复盘该清单历年迭代脉络可发现，从最初聚焦传统军工企业，到逐步延伸至航空航天、航运基建、通信基础设施等国家战略核心领域，再到汽车、电池、新能源、人工智能(AI)及机器人产业链的入选企业数量不断增加，其管控覆盖范围呈现明显的扩张趋势。
6月9日，蔚来发布公告称，被列入“中国军事企业”（CMC）名单缺乏正当依据，公司既非中国军事企业，也非国防工业军民融合贡献者。CMC名单并非制裁名单，相关采购限制不影响业务及证券交易；蔚来将积极与美国国防部沟通，必要时采取法律行动维护公司及股东利益。10

华尔街预判DRAM与NAND结构性紧缺将持续至2028年末


高盛、摩根士丹利、Cantor Fitzgerald等多家机构近期发布的存储行业研判报告显示，当前全球DRAM内存、NAND闪存的供给紧张局面，或将贯穿2027年全年，直至2028年末新增产能全面达产满产后方能逐步缓解。对存储行业来说，这有望成为近年来持续时间最长、确定性最高的超级景气周期。
AI产业的高速崛起，是本轮存储产业长缺货周期的核心诱因。目前，单台AI训练服务器对DRAM内存的搭载容量，是普通商用通用服务器的8-10倍，NAND闪存的搭载量也达到传统服务器的3倍。2026年，大约66%的DRAM产能被优先供给了AI服务器赛道，传统消费电子领域可分配的DRAM产能被压缩至30%以内，行业需求重心完成根本性转移。
供需两端增速的严重错配，进一步固化了行业紧缺格局。数据显示，近两年全球DRAM、NAND的年度需求增速分别高达45%、38%，但行业整体产能供给增速仅维持在16%-17%，导致行业供需缺口持续扩大。与此同时，微软、谷歌、Meta、阿里云等海内外头部云服务商，为保障算力业务稳定落地，纷纷签订3-5年的长期供货合约，通过预付保证金的方式锁定产能与供货价格。这种大规模长协锁货导致现货市场流通货源大幅萎缩，进一步加剧了终端市场的供给紧张态势。
高盛在报告中指出，2026-2028年，全球DRAM供需缺口依次为5.0%、5.9%和3.9%；NAND闪存2026年、2027年供需缺口分别为4.4%、4.6%，2028年小幅收窄至3.0%；HBM高带宽内存紧缺程度最为突出，缺口分别为5.4%、6.0%和4.3%。整体来看，2027年很有可能将是本轮存储行业供需矛盾最尖锐的年份。
相较于持续爆发的存储需求，行业供给端受多重刚性壁垒约束，短期无法快速释放增量产能，这也是本轮紧缺周期长期化的关键。一方面，三星、SK海力士、美光三大全球存储龙头，基于盈利考量调整产能结构，将80%的先进制程产能倾斜布局HBM、DDR5等高附加值产品，直接挤压了通用DRAM、NAND的产能供给。另一方面，半导体产能建设至少需要2-3年周期，而EUV光刻机等核心核心生产设备的交付周期更是超过18个月，进一步加剧了行业短期扩产的可能性。
从新增产能落地节奏来看，2028年前行业将持续处于产能空窗期。以美光ID1新厂为代表的行业核心新增产线，最快仅能在2027年年中启动投产，且半导体产线完成产能爬坡、实现稳定量产需要12-18个月，直至2028年才能完成全面满产、实现规模化供货。与此同时，行业库存缓冲空间基本耗尽，全行业库存水位处于历史低位，完全无法对冲持续扩张的市场需求，行业紧缺格局不存在短期修复的条件。
持续的供需失衡，推动全球存储价格开启长达三年的持续性上涨行情。相关报告显示，二级市场现货价格已率先兑现上涨逻辑，2026年5月DRAM现货价格季度环比涨幅达40%，预计同年8月季度将再度实现15%的环比上涨，涨价趋势持续落地。预计进入2027年后，行业涨价节奏有所放缓，但整体依旧维持高增态势，DRAM与NAND均价同比涨幅区间预计为25%至35%，HBM凭借刚需属性延续强势行情，同比涨幅可达44%至50%。
量价齐升的行业态势，推动全球存储市场规模持续扩容。据预测，2027年全球存储产业总规模将达到1.21万亿美元，2028年进一步逼近1.4万亿美元。其中，HBM作为AI算力的核心刚需配套产品，市场规模有望从2026年的560亿美元，攀升至2028年的1680亿美元。受此影响，资本市场的估值逻辑也从行业传统沿用的P/B市净率估值模式，转向科技成长赛道主流的P/E市盈率估值。基于此，Cantor Fitzgerald等机构给出了美光1500美元、闪迪2900美元的目标股价，高度看好行业长期盈利修复与增长空间。
总体而言，综合各大投行量化数据与产业产能落地节奏，在2028年末新增产能全面释放之前，全球DRAM、NAND行业将长期维持“需求高增、供给受限、库存低位、价格上行”的结构性紧平衡格局。
☆ END ☆