美光SK海力士千亿扩产，内存新增产能2028年前难落地

内存巨头的千亿投资承诺

在AI算力需求持续爆发的背景下，全球两大内存芯片巨头美光（Micron）与SK海力士（SK Hynix）近期宣布了规模高达数十亿美元的DRAM产能扩张计划。这一举措被市场视为对AI基础设施建设浪潮的直接响应——从数据中心到高带宽内存（HBM），几乎每一个AI应用场景都在吞噬着前所未有的内存资源。

然而，市场的乐观情绪之下潜藏着一个残酷的现实：这些巨额投资所对应的实际新增产能，几乎没有任何一部分能在2028年之前真正落地。这意味着当前内存供应紧张的局面，在未来数年内难以得到根本性缓解。

投资与产能之间的时间鸿沟

半导体制造行业有一条铁律：从资本承诺到产能兑现，中间存在着漫长且不可压缩的建设周期。一座先进的DRAM晶圆厂从破土动工到量产爬坡，通常需要三到五年时间。这不仅包括厂房建设，还涉及极紫外光刻（EUV）等尖端设备的采购、安装、调试，以及良率的逐步提升。

晶圆厂建设的完整周期详解

一座先进DRAM晶圆厂的建设涉及多个不可并行的阶段：首先是选址与环境评估（6-12个月），然后是土建施工包括超净室建设（18-24个月），接着是设备搬入与安装（6-12个月），随后是工艺开发与良率爬坡（12-18个月），最后才能实现量产。超净室的建设标准极为严苛，空气洁净度需达到ISO Class 1级别（每立方米小于10个0.1微米以上颗粒），温湿度波动控制在±0.1℃以内。此外，先进DRAM制造还需要大量超纯水（日均数万吨）、稳定电力供应和特种化学品，这些配套基础设施的建设同样耗时耗资。

EUV光刻：产能瓶颈的核心变量

极紫外光刻（EUV，Extreme Ultraviolet Lithography）是当前最先进的半导体制造技术，使用波长仅13.5纳米的极紫外光进行芯片图案转移。这项技术由荷兰ASML公司独家供应设备，单台EUV光刻机造价超过3亿美元，且交付周期长达18-24个月。DRAM制造从1x纳米节点开始引入EUV，到1α、1β、1γ节点逐步增加EUV层数。EUV的引入虽然提升了芯片密度和性能，但也大幅增加了设备投资和工艺复杂度，是产能建设周期拉长的重要原因之一。ASML的产能本身就是全球半导体扩产的最大瓶颈——即便内存厂商资金充裕，也必须排队等待设备交付。

因此，即便美光和SK海力士今天签下投资合同，产线的实际产出也要等到2028年前后才能形成有效供给。对于正处于AI爆发期的市场而言，这种滞后意味着未来两到三年内，DRAM供需失衡的状态将持续存在。

AI需求如何重塑内存市场格局

HBM成为供需矛盾的焦点

当前内存市场的紧张，很大程度上源于高带宽内存（HBM）需求的指数级增长。英伟达等厂商的AI加速卡对HBM的需求近乎无限，而HBM的生产会挤占传统DRAM的晶圆产能。换句话说，即使内存厂商总产能保持不变，向HBM的产能倾斜也会导致普通DRAM供应的收紧。

从技术角度看，高带宽内存（HBM）是一种通过硅通孔（TSV）技术将多层DRAM芯片垂直堆叠，并通过中介层（Interposer）与GPU/AI加速器实现超高带宽互联的先进封装内存。当前主流的HBM3E产品堆叠8-12层DRAM die，单颗提供超过1TB/s的带宽。HBM的制造不仅需要先进的DRAM晶圆，还需要复杂的后道封装工艺——包括晶圆减薄至约30微米、TSV蚀刻与填充、芯片堆叠键合等步骤，良率控制极具挑战性。英伟达H100/H200及Blackwell系列GPU每颗搭载多颗HBM，单颗HBM消耗的晶圆面积约为普通DRAM芯片的3-4倍，这解释了HBM产能扩张对传统DRAM供应的挤占效应。

这种结构性矛盾使得内存价格在过去一段时间内持续上行。厂商们的巨额投资本质上是在为下一轮需求做准备，但这些准备在短期内无法转化为可用的市场供给。

AI模型对内存的饥渴需求

AI大模型对内存的需求正以超摩尔定律的速度增长。以GPT-4级别的万亿参数模型为例，仅模型权重的存储就需要数TB内存，训练过程中的中间激活值和梯度更是成倍放大内存需求。单个AI训练集群可能部署数千到数万张GPU，每张GPU配备80-192GB HBM，一个大型训练集群的HBM总容量可达PB级别。推理侧的需求同样可观——随着AI应用从文本扩展到多模态（图像、视频、语音），单次推理的内存消耗也在快速攀升。据行业预测，2024-2028年间AI相关的DRAM需求年复合增长率将超过30%，远超整体DRAM市场约10-15%的增速。这种需求增速与产能扩张速度之间的剪刀差，正是内存市场持续紧张的根本原因。

谨慎的产能规划逻辑

内存厂商在扩产决策上一贯保持谨慎。历史上，DRAM行业曾多次经历因产能过剩而导致价格崩盘的惨痛教训。

DRAM行业的周期性波动堪称半导体产业之最。2008年金融危机期间，DRAM价格暴跌超过70%，直接导致德国奇梦达（Qimonda）破产、日本尔必达（Elpida）被美光收购、台湾多家DRAM厂退出市场。2015-2016年间行业再次经历低谷，促使三星、SK海力士和美光这三大幸存者形成寡头默契，转向更为理性的资本支出策略。2018年后，三家厂商合计占据全球DRAM市场约95%的份额，行业从此进入相对有序竞争的阶段。这段整合历史深刻影响了当前厂商的扩产决策——它们宁可承受短期供应不足的批评，也不愿重演产能过剩导致全行业亏损的历史。

因此，即便面对AI带来的旺盛需求，美光和SK海力士也不会盲目扩张，而是采取相对保守的节奏，确保供需的动态平衡，避免重蹈周期性产能过剩的覆辙。这种谨慎在一定程度上解释了产能落地节奏缓慢的原因——厂商宁愿维持价格的坚挺，也不愿冒着未来供给过剩、价格暴跌的风险激进扩产。

对下游产业的深远影响

成本压力向AI应用层传导

内存供应的持续紧张与价格上涨，将直接推高AI基础设施的建设成本。对于云服务商、AI初创公司乃至消费电子厂商而言，内存成本的上升都会侵蚀利润空间或最终转嫁给终端用户。在AI模型规模不断膨胀、对内存带宽和容量需求日益增长的当下，这种成本压力尤为明显。

以具体数字来看，HBM在AI加速卡中的成本占比已从早期的约20%上升至40%以上。英伟达一颗Blackwell架构GPU的BOM成本中，HBM是最大的单一成本项。当HBM价格因供应紧张而持续走高时，这些成本最终会体现在云计算的GPU实例价格中——这意味着训练和部署AI模型的经济门槛正在被内存供应链所抬高。

寡头格局进一步巩固

内存制造的高门槛与长建设周期，实际上进一步巩固了美光、SK海力士以及三星等少数玩家的市场地位。新进入者几乎不可能在短期内建立起有竞争力的产能——仅建设一座先进DRAM晶圆厂就需要超过100亿美元的投资，还需要数十年积累的工艺know-how和数千名经验丰富的工程师。这种寡头格局在AI驱动的需求周期中将更加稳固，三大厂商对全球内存市场的定价权将持续加强。

结语：耐心是唯一的解药

美光与SK海力士的千亿投资，无疑传递出行业对AI长期前景的坚定信心。但投资与产能之间横亘着数年的时间鸿沟，这提醒我们：在半导体这个高度资本密集、周期漫长的行业里，任何供给侧的调整都不可能一蹴而就。

对于依赖内存的整个科技产业链而言，未来两到三年或许都要在供应偏紧的环境中运营。真正的产能释放要等到2028年前后，而在此之前，市场只能在需求与供给的错配中寻找平衡。这既是AI浪潮下的产业阵痛，也是理解未来内存市场走向的关键坐标。

核心要点