AI 推動半導體「超級循環」：儲存晶片成為舞台中央

張海曉（Yongyingfund 的股權基金經理）在《澎湃新聞》的《首席連線》節目近期出場中表示，當前半導體「超級週期」在本質上有別於以往週期，原因在於需求來源發生了轉變：不再是由存貨主導的因素，而是來自 AI 生產端。張海曉指出，終端需求並未因價格上漲而下滑；相反，資本支出仍在持續上升，甚至代幣價格上漲也未能壓制需求，使整個產業傳導鏈條保持順暢。

下游需求爆發重塑儲存供需動態

張海曉梳理出一條清晰的需求演進軌跡，起點可追溯至 2022 年底 ChatGPT 的發行。起初，硬體需求聚焦於追求極致性能的訓練端端點，高頻寬記憶體（HBM）首次實現大規模應用。當模型引入如鏈式思維推理（chain-of-thought reasoning）以及延長上下文以提升結果等新範式後，需求轉向推理端端點，代幣消耗量的年同比增速呈現兩位數百分比成長。

到了 2025 年下半年，能夠具備自主調用工具與完成複雜任務的 AI Agents，從概念走向現實，進一步加大對儲存的依賴。基於這一系列需求爆發，張海曉得出結論：「本輪儲存晶片價格上漲的起點在 2025 年 Q3。」他將供需缺口的扭轉完全歸因於下游需求端的爆發式成長，而這一判斷也已被近期企業財務披露所驗證，顯示 AI 硬體的強勁獲利釋放，特別是在儲存晶片的漲價產品上。

與過往半導體週期的根本區別

張海曉強調，當前的「超級週期」與 2019-2021 年週期在本質上不同，最關鍵的結構性差異在於需求特徵的根本轉變。2019-2021 期間屬於典型的存貨驅動週期，終端需求增長主要來自居家辦公（work-from-home）硬體需求，以及供應鏈中斷所引發的囤貨行為。因此，至 2022 年中之後，產業迅速陷入「去庫存與晶片快速降價」的困境。

張海曉表示：「本輪需求源自 AI 生產端端點。下游並未因價格上漲而減少採購；相反，資本支出仍在上升。即便代幣價格上漲，也未能抑制需求，整個傳導鏈條非常順暢。」他進一步指出，全球 AI 資本支出預計在 2026 年達到 7000 億美元，而這一數字仍在上修。

與此同時，上游供給端的約束顯著放大了供需缺口。主要儲存供應商計劃在 2026 年資本支出增加約 50%，但資本投資與有效供給形成之間存在相當長的時間延遲。此外，新資金主要投向 AI 專用的高效能儲存，而通用儲存產能增量仍有待未來釋放。

產業鏈受益順序：兩條不同路徑

張海曉將產業鏈受益拆分為兩條路徑：第一是整機設備製造商、模組製造商與設計企業的銷售鏈條，這些環節受益來得更早——已被近期財報所驗證；第二是設備、材料與廠房建設的擴張鏈條，受益傳導則相對滯後，會以漸進的進程逐步發生。

值得注意的是，上游整機設備製造商對供給的審慎態度，反映在策略調整上。張海曉透露：「上游整機設備製造商作為資本密集型企業，因擔心未來需求不及預期而造成虧損，正在與客戶主動簽署長期供應協議（LTAs），以鎖定未來需求。」

儲存晶片邁向主舞台

技術架構的演進正在重塑硬體價值的層級。張海曉以「水桶原理（barrel principle）」來解釋這種轉變：在馮·諾依曼（Von Neumann）架構下，運算、儲存與輸入輸出通訊構成三個核心功能，其中某一要素會在不同階段成為效能瓶頸。2023 年時，算力是明顯的約束，但當推理端端點需求爆發後，瓶頸迅速轉移到儲存端。

硬體迭代週期正在加速。2022 年以前，HBM 通常每三到四年更新一次；自 2023 年起，該週期縮短為「兩年升級」。這種加速趨勢在運算晶片與通訊晶片上也同樣可見。與此同時，運算架構的演進正在推動 CPU 回到中心地位。張海曉引述產業動態表示，未來 GPU 對 CPU 的比例可能會從現行 8:1 轉向 4:1，甚至走向 2:1 或 1:1，從而直接帶動更高的記憶體需求，並對記憶體與介面晶片提出更高的傳輸速度要求——而這些升級將持續推高產品單位價格。

國內半導體進展與風險監測

除全球週期同步之外，國內半導體的推進也是另一個關鍵投資關注點。張海曉指出，國內儲存晶片上游整機設備製造商已取得驚人成果，市佔率從零提升至約 10%，成為不可忽視的產業力量。「整機設備能力的提升，將推動中下游設計以及上游設備與材料等領域的發展。過去全球儲存產業歷史中的每一次遷移，都在本地區帶來完整的供應鏈升級，而這一次也不會例外。不過，這注定是長期過程，不是一夜之間就能完成。」

就潛在風險而言，張海曉指出供需雙方的核心變數。在供給端，追蹤產能釋放的時間點至關重要：廠商會先把既有產能最大化利用，接著在既有廠區內增加設備（通常需要 6-12 個月才能形成實際產出），再到新廠區建設（通常需 2-3 年才能形成有效產能）。他提醒：「主要產能釋放預計集中在未來兩年，需持續監測釋放節奏是否超出預期。」

在需求端，重點必須放在 AI 資本支出節奏與技術發展上。張海曉最後總結：「AI 資本支出是最直接的追蹤指標；而新技術會開闢全新的市場空間，影響模型廠商與網際網路巨頭的資本支出預測——所有這些都需要持續觀察。」