牛鞭效应和产能挤压
供应链管理里有一个经典概念，叫牛鞭效应。意思是，终端需求哪怕只是轻微波动，传导到上游时，也可能被库存、订单、排产、预期和交付周期层层放大。这个现象在AI浪潮里也非常显著。
短缺不是停在一个环节上的，它会沿着供应链一层层传导，甚至被放大。AI服务器需求先拉动GPU，GPU再拉动HBM、DRAM、PCB、MLCC、电源、散热、光模块、铜箔、玻纤布、低损耗材料，最后把压力传导到更上游的晶圆、基材、设备和化学材料。
这个过程有两个特点：一是高端产品需求快速爆发，导致产能持续紧缺；二是高端挤压低端产能后，低端产品也享受了紧缺红利。
以内存为例，AI服务器需要大量高带宽内存，相关产品价格暴涨；三星、SK海力士、美光等存储厂商更愿意把产能转向HBM和高端DDR5，这样，反而挤压了普通DRAM、NAND以及消费电子和传统服务器所需的内存供给，也导致低端产品公司经营改善。
另外，MLCC多层陶瓷电容也在演绎类似逻辑。
AI服务器功耗更高、板卡更复杂、电源管理更苛刻、瞬态电流变化更剧烈，对高性能MLCC的需求也随之增加。
在过去，一部智能手机可能只需要大约1000颗MLCC，一台个人电脑需要约2000颗。但根据行业调研机构TrendForce援引的相关报道提到，每台高阶AI服务器大约配备了高达15,000至25,000颗MLCC。
而且，产品要求也在提高。AI服务器要求的MLCC，彻底告别了过去那种打价格战的中低端规格，而是必须要同时满足“超高容值、超高耐压、超强耐高温、以及超低等效串联电阻（Low ESR）”的特种元器件。完整的AI算力机柜，其高端MLCC的整体消耗量更是直接拉升至几十万甚至上百万颗的恐怖级别。
高端产品的需求虽然旺盛，但全球产能却很有限。村田、三星电机、太阳诱电、TDK等少数公司占据主要优势。当他们厂商把产能、材料、设备、工程资源向高端产品倾斜时，也就导致中低端产品的排产和交付弹性也会被压缩。
这与几年前全球新能源汽车爆发时的情节如出一辙：
一开始，大家觉得缺的只是电动车本身；但很快，缺口开始沿着“电动车-动力电池 -电池正负极材料/隔膜-锂矿/钴矿/镍矿”的路径疯狂向最上游传导。
任何一个在过去看来最卑微、最没有存在感的底层材料环节（比如矿石、或是如今的MLCC和高多层基板），一旦被卡在牛鞭效应的最顶端，就会瞬间变成掐死整个产业咽喉的“致命瓶颈”。
总结起来，如果一个环节同时满足三个条件，它就很容易成为牛鞭效应里的受益者：
第一，是高端需求的必要环节；第二，产能扩张慢；第三，客户会提前锁货。一旦下游担心断供，就会提高安全库存、签长期协议、重复下单，需求就会从真实消费变成“真实消费+安全库存+恐慌预期”。
一旦这三个条件同时出现，短缺就不再是短缺，而会变成一轮产业链重估。然而，不要忽视的是，产能并非永久受限，一旦有人打响扩产的第一枪、降价的第一枪，反转也会快速来临。

戴尔的复兴，不是它忽然成为了AI公司，而是AI忽然成为了戴尔擅长的生意。
它值钱的点，不是卖电脑，而是积累的企业客户关系、服务器产品线、供应链组织能力、系统集成能力和全球交付体系。
AI基础设施周期爆发后，企业和云厂商真正需要的不是一个概念，而是一整套可采购、可部署、可维护的算力系统：
GPU要进服务器，服务器要进机柜，机柜要接入网络和存储，集群要被供电、散热、验证、交付、运维和扩展，这个过程中也面临众多挑战。
比如，AI服务器的功耗和热密度远高于传统服务器，传统的风扇散热已经逼近空气动力学极限；AI集群要求GPU之间、服务器之间、机柜之间可以高速互联，但数据传输速率达到了赫兹级别，铜线之间的电磁干扰（串扰）又极其严重。
“买到卡”和“让卡跑起来”之间，隔着一条残酷的物理鸿沟。高速网卡、交换机、线缆、光模块、电源模块、液冷管路、管理软件，每一个环节都不能掉链子。任何一个地方出问题，AI战略都会重新退回PPT里。
这套系统复杂得远超普通企业的能力。但又恰恰是戴尔的老本行。
比如，戴尔的整柜系统和PowerCool设计，将几十年来在高端企业级市场积累的风液混合散热、冷板式液冷以及智能风道设计都直接平移了过来；精密线束管理和高速高频线缆的布线工艺，可以让线缆在不阻挡散热风道的前提下，精准实现微秒级的信号同步，且互不干扰等等。
戴尔不仅有技术优势，而且，也用一体化架构，让客户更快、更低门槛地部署大规模AI算力集群。它不生产最耀眼的GPU，但也不是低价值的“装配工”，而是让GPU变成可运行、可管理、可扩展的算力资产的总工程师。
旧能力迅速成为新场景下的订单。2026财年戴尔全年收入1135亿美元；AI优化服务器全年收入246.83亿美元，同比增长166%。
当然，这不是一门轻松的暴利生意。AI服务器硬件重、供应链复杂、组件价格敏感，利润率未必像软件那样漂亮。但它的价值在于规模、可靠性、进入门槛、以及客户依赖度。
应对极端物理要求的高级组装能力，也获得了高级定价。

8个问题聊聊华为韬定律

2026国际电路与系统研讨会25日在上海举行，华为公司董事、半导体业务部总裁何庭波在题为《半导体新路径探索与实践》的主旨演讲中，正式发表“韬（τ）定律”。
在过去六年的实践中，基于韬(τ)定律，华为已成功设计并量产了381款芯片，广泛覆盖了千行百业的需求。其中，将于2026年秋季面世的麒麟芯片，率先采用了逻辑折叠技术，性能大幅提升。
预计到2031年，基于韬(τ)定律的高端芯片晶体管密度将达到1.4纳米制程的同等水平。
通过八个问题，来简要了解下韬定律。
Q1：什么是韬定律？它与主导半导体产业半个世纪的摩尔定律有什么区别？
摩尔定律的核心是“几何缩微”，即通过不断缩小晶体管的物理尺寸来提升密度和性能，但目前已面临物理极限和成本爆炸的双重挑战。
“韬定律”则是一次范式革命，其核心是“时间缩微”，即在不依赖极限缩小晶体管尺寸的前提下，通过系统性降低信号传播的时间常数（τ），来等效提升晶体管密度和系统性能。
韬定律力图突破“卡脖子”。在EUV光刻机和先进制程受限的背景下，“韬定律”是在受约束条件下的工程级解法。
它将传统的“压缩晶体管尺寸”路径切换为“压缩电路设计路径”，使得在现有成熟工艺底座（如14/7nm）上，能够打出等效于先进制程（如7/5nm）的实际性能，从而绕开物理制程的封锁。
韬定律”不是取代“摩尔定律"，而是在地缘政治约束下为中国半导体提供了一条"自立自强"的路径。如果这条路走通了，全球半导体产业的"中心-外围"格局可能被改写——中国不再是只能做"落后两代"的芯片，而是可能在特定性能维度上实现"等效对标"。
Q2：韬定律的整体优化体系是什么？
华为提出了“逻辑折叠(LogicFolding)”等核心技术，构建了贯穿器件、电路、芯片到系统层面的多层级协同优化体系。该体系以系统性降低时间常数τ为目标，旨在驱动各层级性能、能效、晶体管密度的持续提升：
器件层面：通过优化晶体管和互连电阻及寄生电容，从物理底层最大限度缩微器件级时间常数τ；
电路层面：通过逻辑折叠技术突破传统平面布局的物理边界，显著缩短关键路径的走线长度并有效降低信号传播的电阻和电容负载，实现晶体管密度和电路性能大幅提升；
芯片层面：通过“软件、架构、芯片”的全栈软硬芯协同设计，基于实际工作负载实现指令流和数据流的细粒度控制，提高系统级并行度和效率，大幅降低端到端执行时间；
系统层面：定义灵衢总线，重构计算系统互联协议，实现超节点的统一内存编址和原生内存语义，大幅降低系统通信时延。
器件层是必经之路但天花板有限；电路层是核心差异化；系统层是长期战略壁垒。最理想的路径是：器件层做到"不拖后腿"，电路层实现"局部领先"，系统层构建"生态护城河"。
Q3：逻辑折叠技术是什么？和先进封装有什么区别？
逻辑折叠的本质，是把传统平面布局的电路"折"成多层立体结构，像“折纸”一样将电路在三维空间中“折叠”起来。使原本需要绕远路的信号路径被大幅缩短，从而降低走线延迟和寄生效应。
该技术显著缩短了关键路径的走线长度，有效降低了信号传播的电阻和电容负载，从而大幅压缩信号时延（降低时间常数τ）。在同等面积下，能够实现晶体管密度和电路性能的大幅跃升，预计到2031年可等效达到1.4纳米制程的密度水平。
先进封装（特别是3D混合键合技术）则是实现逻辑折叠的底层物理制造支撑。
逻辑折叠并非传统3D封装的简单物理堆叠，而是贯穿器件、电路、芯片到系统层面的全栈同步整合。
比较维度逻辑折叠技术 (Logic Folding)先进封装技术 (Advanced Packaging)产业定位电路设计与架构方法论。属于前端设计层面的系统性重构。物理制造与集成工艺。属于中后端制造与封测层面的物理实现手段。核心目标核心是“压时间”。以系统性降低时间常数（τ）为目标，追求极致的信号传输速度和等效晶体管密度。核心是“降成本与异构集成”。通过提升良率、降低单片制造成本，实现不同工艺节点/材质芯片的集成。技术范围全栈协同。贯穿器件材料响应、EDA电路设计、芯片架构到系统互联（如灵衢总线）的同步整合。局部物理连接。主要聚焦于TSV（硅通孔）、RDL（重布线层）、微凸块及混合键合等物理连接技术。二者关系关系需求方/顶层设计。逻辑折叠对底层的研磨抛工艺、材料响应速度提出了远超传统封装的严苛要求。供给方/底层支撑。3D混合封装工艺是弥补先进制程受限、实现逻辑折叠不可或缺的物理底座。
Q4：“灵衢”总线如何配合“韬定律”打破大规模集群的通信瓶颈？
针对AI数据中心，“韬定律”在系统层的落地体现为“灵衢（Unified Bus）”总线技术。
核心逻辑是“用网络补物理，用集群补单芯片”。它通过彻底重构计算系统的互联协议，将数万张算力卡在逻辑上融合成“一台超级计算机”，通过系统性降低通信时间常数（τ），成功打破了传统AI集群面临的“通信墙”与“内存墙”瓶颈。
统集群通信高度依赖以太网或PCIe等复杂协议，存在严重的协议转换损耗、中心化调度拥塞以及长尾延迟问题。灵衢总线通过以下四大底层机制实现了架构的降维打击：
核心机制技术原理与突破点解决的通信瓶颈协议归一 (统一语言)摒弃传统数据中心繁杂的协议（PCIe、NVLink、以太网等），为所有硬件建立统一的“算力普通话”。每个处理单元内置UB Controller，实现数据“行李直挂”，中间交换机无需解包透传。消除多层协议嵌套带来的“翻译”时间损耗与通信冗余。总线级互联 (内存语义)将传统的“网络语义”降维为“内存语义”。支持跨芯片、跨机柜的直接内存读写（Load/Store），无需打包成TCP/IP数据包，并引入硬件级重传和纠错机制。解决千卡集群中0.1%慢连接拖垮全局的“长尾延迟”问题，实现极致低时延。平等协同 (去中心化)打破传统以CPU为中心的控制模式。在灵衢架构下，CPU、GPU、NPU、SSD均为平等的“处理单元”，NPU可直接跨过CPU读取SSD数据。消除中心化调度带来的排队等待与I/O拥塞瓶颈，大幅提升并发效率。全量池化 (统一编址)依托内置的UMMU（内存管理单元）进行全局地址翻译，将分散的内存、算力资源整合成单一逻辑资源池（如8节点典配下最大内存池达24TB）。打破“内存墙”，解决单卡显存不足的问题，实现分布式任务调度无需数据搬移。
Q5：在不依赖先进EUV光刻的前提下，τ优化能否真正对标先进制程性能？
理论可行，但有两个关键约束条件。从物理本质上看，芯片的最终性能 = f(晶体管速度, 互连延迟, 架构效率, 散热)。
先进制程的核心优势是晶体管密度高+开关速度快，但代价是互连延迟（因为线宽变细后电阻增大）和散热问题日趋严重。韬定律的逻辑是：如果用成熟制程（如SMIC N+2，等效7nm）的晶体管，通过逻辑折叠大幅缩短互连延迟，再通过架构创新提升每时钟周期的指令效率，理论上可以在"晶体管不如人"的条件下实现"系统性能不输人"。
约束一：晶体管的绝对物理极限。即使互连延迟降到极致，晶体管的开关速度（本征延迟）受限于材料的载流子迁移率。成熟制程的FinFET在开关速度上与3nm GAAFET有先天差距。这意味着某些对单晶体管性能极度敏感的场景（如超高频射频、超低功耗IoT），韬定律的弥补空间有限。
约束二：功耗-性能平衡。逻辑折叠等技术的实现可能需要更多的晶体管来完成等效功能，这可能导致芯片总面积和功耗上升。如果面积超出封装极限或功耗超出散热极限，性能对标就会被打破。
华为官方给出的锚点是"今年秋季麒麟芯片性能将大幅提升"和"2031年达到等效1.4nm"。今年的麒麟芯片是"首次验证"，如果实测性能达到或接近同期高通/联发科旗舰芯片的水平，韬定律的可信度将大幅提升。
Q6：“韬定律”的全面推行，将如何重塑中国半导体产业链的价值分配逻辑？
中国半导体产业的价值分配逻辑，正式从“依赖EUV光刻机的单点几何制程突破”，全面转向“以时间缩微和逻辑折叠为核心的全栈系统级协同”。
在这一新范式下，产业链的价值高地将发生显著的中后道转移：前端的EDA设计工具、中后道的3D先进封装（混合键合）、以及伴随堆叠复杂度指数级上升的测试设备与先进材料，将成为获取超额利润的核心环节。

设计端：从“制程驱动”转向“设计驱动”，EDA工具壁垒重估

传统摩尔定律下，密度提升高度依赖晶圆厂的物理制程迭代；而在韬定律下，通过优化晶体管互连电阻、寄生电容以及突破平面布局，设计环节的权重急剧上升。这要求EDA工具必须具备强大的多层级协同优化能力，SPICE建模、寄生参数提取、3D版图验证等环节的国产EDA厂商将迎来全新增量逻辑。
制造与封装端：价值量向“3D IC与混合键合”倾斜

逻辑折叠的物理实现高度依赖3D堆叠（如SRAM+Logic Die形式）与超细间距混合键合技术。这意味着芯片制造的附加值正从前道光刻向中后道先进封装转移，具备TSV（硅通孔）、混合键合、减薄抛光（CMP）能力的设备商和封测厂将切分更大的产业蛋糕。
测试与材料端：复杂度跃升带来的“量价齐升”
测试环节：3D堆叠导致芯片内部节点和互连线呈指数级增长，测试频次和复杂度大幅提升，测试机与探针卡的需求将远超行业平均增速。
材料与散热：多层有源层堆叠会导致发热量猛增，对导热胶、固晶膜、底部填充胶等先进封装材料，以及终端的液冷散热组件提出了极高要求，相关材料单颗价值量显著提升。
产业链细分领域核心逻辑与边际变化EDA与设计IP逻辑折叠需要全流程工具支撑，器件建模、噪声分析、WAT测试与良率分析需求爆发。先进封装与代工承接3D IC制造与封装需求，成熟工艺代工与先进封装协同发力。N+2/N+3工艺的价值被重新评估，产能利用率和ASP有望提升。如果韬定律被验证有效，SMIC的估值框架可能从"落后的代工厂"重估为"新兴技术体系的制造底座"。核心半导体设备混合键合、CMP减薄、电镀等3D堆叠核心工艺设备需求激增。测试设备与探针卡3D堆叠导致测试节点增多，测试机与探针卡迎来量价齐升。关键材料与散热解决3D堆叠带来的高热量与应力问题，导热材料、精密结构件价值量提升。
Q7：如何验证韬定律？
有三条标准：① 单核/多核跑分对比：与高通骁龙9 Gen 5/Gen 6、联发科天玑9500+同期对标。如果多核性能接近或超越同期竞品，则逻辑折叠对"τ"的优化有效；如果单核仍有较大差距，说明晶体管本征速度的短板仍需改进。② 能效比：逻辑折叠可能带来的面积/功耗增加是否可控。这决定了手机续航和散热表现，直接影响用户体验。③ AI/GPU子项性能：NPU和GPU对"τ"的敏感度不同于CPU，它们更依赖并行计算能力。如果AI算力（TOPS）能接近同期竞品，说明灵衢总线的系统级互联优化是有效的。
Q8：有哪些风险？
三个核心风险：
① 工程化验证风险：
从论文/理论到量产芯片再到大规模良率爬坡，中间有巨大的鸿沟。逻辑折叠可能导致芯片面积显著增加，如果面积增加50%但性能只提升20%，那在商业上是不划算的。今年的麒麟芯片是第一个"大考"。
② EDA工具链成熟度风险：
逻辑折叠需要全新的电路布局工具，而EDA工具的开发周期极长（通常5-10年才能达到商业成熟度）。如果华大九天等国产EDA不能及时提供成熟的支撑，韬定律的推广速度会严重受限。
③ "效率-功耗-散热"三角困境：
逻辑折叠缩短了走线，但可能在立体结构中产生更集中的热点（hotspot）。散热问题在先进制程中已经是主要瓶颈，在成熟制程上通过"堆叠"来换性能，散热压力只增不减。
传统的石墨片或单层VC均热板已无法压制这种三维热量聚集。若热管理失效，芯片将被迫启动热保护机制进行降频。行业测算显示，在3D堆叠架构下，若散热不达标，处理器可能需要降频30%甚至50%才能控制温度。这种被动的降频将直接抹平“韬定律”通过缩短信号时延带来的性能增益，导致技术逻辑在商业应用中失效。
在"正确方向"和"可执行路径"之间，仍需要麒麟芯片的实测数据来架桥。2026年秋季的Mate 80系列发布会，将是中国半导体产业近5年最重要的一场发布会。

韩国总统李在明，自称大蚂蚁（也就是大散户），鼓励老百姓持有AI相关股票（韩国主要也就是存储），爹妈给娃开户等等。

这其实就是我们 杠杆也是支持实体经济、六个钱包正好 的翻版。

有时代背景下的正确一面：

比如AI趋势不可逆、韩国存储公司必然赚钱，普通人与其被AI取代，不如成为AI公司的股东；

财阀模式下，韩国年轻人出路不多，不如炒老登资产给人解套，都不如开新场子搏一把；

用投资化解问题，这思路美国也用。据说这波韩国人赚钱后生育率都提升了。

但是要确保这个逻辑演绎，有几个要素：

1、财阀不再割散户。

李在明这次应该也拿到了美国的支持，牵头国会向财阀开刀，整治公司治理等问题，改善“韩国折价”问题。

我去调研时，也问了韩国投资人，怎么看 铁打的财阀、流水的总统。他们说，也担心，但目前看李在明可以的。

改革已经在推动了，财阀也在让步了。

2、韩国人的炒作情绪。

炒，一定会过头。过头到需要十来道金牌压制。

这是人性，总统也没办法。这也就导致：上涨猛烈、下跌也会。

不过李在明只要确保不在自己任期内发生就行。

3、存储周期见顶

目前随着全球AI，存储业绩依然在高猛增长。
但周期可以拉长，不能规避。同样的，只要李在明任期内不见顶就行。

他的一个优势就是：韩国折价，确实存在。

之前财阀割韭菜太厉害了，所以同样的资产，比如存储公司，虽然是全球龙头，估值就是比排名靠后的美国公司便宜。

这是李在明号召股市大战的重要基础。存储抹平，还有汽车、船舶等等。

可以这么理解，李在明是在把财阀的资产，转移给散户、大众。

不管最终能不能接住，这都是很精彩的故事了。

2019年夏天，北京酒仙桥的京东方总部，62岁的王东升在一片掌声中正式宣布交棒。

在外界看来，这位“中国半导体显示产业之父”，已经完成了属于自己的历史使命，不仅让中国告别了“少屏”的窘境，还留下了一个年营收破千亿、全球出货量第一的面板帝国。完全可以解甲归田、享受余生。

然而，王东升却没有停下来。转身就进入了一个和面板同样深、同样重、同样慢、更加靠近幕后的产业：半导体硅片。

早在2015年时，京东方和大基金一起组了个半导体投资公司，在2019年时也逐渐形成了硅片、封测等业务。王东升参与的正是其中的硅片业务，并在2020年4月，将公司迁至西安，于是有了今天的主角：

西安奕斯伟材料科技有限公司，聚焦制造12英寸硅片。

五年多后，西安奕斯伟登录科创板，简称“西安奕材”。随后不到1年，公司市值已经达到了1360亿左右；距离京东方的1563亿市值，不到一个涨停板（20%）的距离。很有可能，今年就会实现市值超越。

换句话说，5年多时间，王东升，再造了一个王东升。

这次不一样，周期变成长
存储是半导体里的大宗品，重资产、高资本开支，需求爆发远快于供给扩张；它没有很强的粘性、开发生态等，更像煤炭、铁矿石，供需关系影响深远。这也导致，周期几乎是躲不开的命运。
需求起来，库存下降，价格上涨，利润暴增；利润暴增后，厂商扩产，设备进厂，新产能投放；等供给真正释放时，需求往往已经放缓，价格开始下跌，库存重新堆高，利润表迅速变脸。于是，厂商减产、砍资本开支、行业出清，然后等待下一轮短缺。
过去三十年，存储行业几乎一直这样运行。从PC、到手机、到云计算，一轮轮周期。
最近的一次2020-2021年，疫情把居家办公、云服务和消费电子需求同时拉起来，存储又迎来繁荣；然而当存储厂商扩产之后，却发现2023年，需求又没了。DRAM、NAND价格大跌。

又回到了周期。
如今，分析师们不再说recovery（复苏），而是说super growth（超级成长）。大家觉得这次，真的不一样。
确实，这次和以往周期不一样，诸多共振，让盈利周期拉长。
首先是供给的创伤后遗症。需求爆发，确实更猛，大厂FOMO情绪，资本开支加剧。但更关键的要素是：需求爆发正好处于供给亏损中。2023年，三星、海力士都经历着行业低谷，从低谷情绪中走出来需要时间。
我去韩国调研的时候，就听到半导体业内人士表示，韩国存储厂商刚在2022-2023年被坑了一次，心有余悸。这次说什么也不会那么快相信的。所以，三星、SK海力士，也都非常默契地控制扩产。
讲真，玩默契控产，韩国公司也是老玩家了。面板时代就经常这么干。要不是中国企业发力，估计会一直玩下去。
接着，就要说下，扩产的关键因素，中国公司了。
长鑫存储（DRAM产品）、长存科技（NAND产品）都在准备IPO，融资之后，扩产是不可避免的。而且长鑫存储财报显示，其一季度营收同比增长719%，净利润扭亏为盈，达到了330亿元。手里有钱，更会扩产。
只是，这次多了几道墙。
一方面，美国对先进半导体设备和技术出口的限制，使中国存储企业的扩张速度被迫放慢。长鑫、长江存储当然在扩，但它们越来越需要依赖国产设备、国产材料和本土供应链，来完成产能爬坡。
国产替代提升了产业安全，也拉长了扩产周期。
另一方面，HBM高端产品也存在技术代差。国产厂商仍在追赶DDR、LPDDR、3D NAND和企业级SSD等中高端产品。有报道长鑫称，已经向国内AI芯片客户交付HBM3样品，并规划建设HBM后段封装能力。但距离韩国高端产品，仍有至少两年的技术代差。
所以，供给，这一次，真的和以往不太一样，节奏慢多了。
另外，这次存储行情也迎来了产业、资金、政策的多重共振。
韩国总统李在明，非常希望通过股市来做点事情。上台后就表示，要推动韩国指数超过5000点。为了达到这个目标，国会也通过了相关法律，向韩国财阀的公司治理弊病开刀，来提高股市吸引力，修复所谓的“韩国折价”，让那些在海外炒币的韩国资金，能更偏好本土资产。
韩国股市里最有全球竞争力、最能讲AI故事的资产，恰好就是存储。SK海力士和三星，涨的不只是两家公司，而是整个韩国市场的信心。所以，青瓦台有动力、也有一定能力来维持存储的行情。
而A股，虽然没有这么明确的指数预期，但也能明显感受到，有形的资金、无形的手，在呵护市场，尤其是科技行情。
至于美国，特朗普投资英特尔，已经成为经典。通过AI制造实力领先，也是其渴望之事。
所以，这一轮存储行情，既有真实的基本面，也有浓烈的情绪泡沫；既可能比过去任何一轮都走得更久，但也不可能彻底摆脱存储行业的古老宿命。
只要价格足够高，扩产迟早会发生；只要扩产发生，未来某一天供需就会重新接近均衡；只要均衡被打破，周期就会回来。
区别只是，这一次周期的钟摆被AI拉得更高、更远，也更慢。

制造火种，等待燎原
故事开始的时候，没有人会觉得这是一个故事。
2008年前后，半导体行业被一个老问题困住：处理器越来越快，内存却跟不上。工程师们管这叫“内存墙”。
当时主流的解决思路是二维平面处理，拼命把晶体管越做越小。但物理学有它冷酷的极限，漏电和发热，导致平面越来越挤不下更多电路。
需要有人想些别的法子。
韩国京畿道的SK海力士，在那时还远没有今天的光环。那是一家两次被资本市场放弃、被现代集团甩出去、又被韩国债权银行托管多年的公司。
虽然公司平庸，但工程师们还是想为行业做点努力：既然平房铺满了，那就盖摩天大楼吧。
工程师们想把内存芯片像盖楼一样叠起来，再用穿过硅片的细小通孔，把每一层连起来。这种工艺学术名字是TSV（硅通孔）。就像建设一座立体、双向120车道的超级立交桥，大幅增加车流；TSV也可以让数据传输带宽指数级飙升。
太平洋对岸，AMD也在为同一面墙发愁。它的GPU性能被显存带宽死死压住，DDR路线几乎走到尽头。碰巧的是，AMD一位高级研究员也在探索3D堆叠内存，从而让GPU能更方便获取数据。
于是，在2013年，AMD与SK海力士在一场行业会议上正式宣布，联合开发HBM（高带宽内存）。
2015年，世界上第一款搭载HBM的消费产品出现：AMD的Radeon Fury显卡。芯片旁边那一小块方形的堆叠内存，被工程师视作未来，却被市场视作累赘。
因为HBM太贵了。毕竟TSV（硅通孔）工艺听上去优雅，做起来却是噩梦：由于硅片非常薄，打孔就很难；每多一层，良率就掉一截；只要其中一颗裸片有缺陷，整摞芯片就得全部作废。
而且，下游也真的用不到。无论游戏玩家、还是消费终端，都并不需要这么夸张的带宽。
随后的几年，HBM一直被认为“屠龙之术、可惜没龙”。跟风生产HBM的三星，合并了内部团队；海力士自己的HBM产线，也几次差点被停掉。
直到一场谁也料想不到的AI变革来临。
训练一个模型，不只是让GPU拼命计算，更需要让GPU不断读取参数、样本、激活值和中间结果。GPU越强，对数据的胃口越大；模型越大，对内存带宽的需求越强。
Scaling Law的暴力美学，和手机、电脑相比，指数级提升了对计算能力、数据带宽的消耗能力。英伟达H100之所以能如此优异，也离不开HBM的支持。
鲜有人问津的HBM，成为AI必需品被抢购；多年坚持的海力士，终于等来了奖励。
而且，不只是HBM，存储芯片，都成为了稀缺资源。
如果说HBM是离GPU最近的弹药箱，DRAM就是工作台，NAND和企业级SSD则是后方仓库。AI作为一个长期工作的系统，需要的记忆层级也复杂：
最热的数据放在HBM里，次热的数据放在DRAM里，更冷、更大的数据则沉到NAND、企业级SSD、数据中心后端。
于是，一场链条式的供不应求开始演绎：AI先点燃了HBM，HBM又挤占了先进DRAM产能；高端产能越紧，普通DRAM和NAND的价格也越容易被推高。各类存储芯片的库存，都在减少，供应不求也愈演愈烈。
十年前的火种，开始燎原。

韩国首尔上方的空气，有两种味道：一半是甜味，一半是火药味。
存储巨头SK海力士，每年将10%的营业利润用于发放绩效奖金。这导致2025年时，员工人均奖金达到了60多万元人民币；而市场预测未来两年，这个数字会飙升到300万元、610万元，甚至绝大部分都不会递延；而且所有正式员工，包括工人、前台、保洁、保安等都有份。
这不仅让SK海力士员工乐翻天；也直接让SK海力士的工装，成了相亲市场的 “硬通货”。韩国婚介公司表示，SK海力士员工现在和医生、律师平起平坐，相亲成功率比普通白领高3倍。
然而，同行的悲欢离合并不相通。
同为存储巨头的三星电子，却迎来了成立以来最大的罢工，4万多名员工走上街头、对薪酬涨幅高呼不满。
这不是三星电子遭遇的第一次罢工。2023年末，当时整个存储行业都遭遇低谷，三星半导体部门也遭遇了首次亏损，节流自然就提上日程。部分员工降薪10%，年终奖更是拖了许久。
员工不得不采取罢工抗议。随后很快就达成了和解，员工表示，大环境不好，可以理解。
然而，这一次就不同了。2025年末，三星电子半导体部门，不仅扭亏为盈，而且利润还创下了历史新高。可惜，员工基本工资涨幅却不到3%，年终奖更是少得可怜。
公司困难，我当家人；公司发达，我是外人。
尤其当和同行比较之后，三星电子的员工，更是难抑愤怒了：同样的存储，同样的资本主义，做人的差距，咋就这么大呢。
这次罢工甚至惊动了青瓦台，总统也督促双方尽快谈妥。因为存储影响着韩国指数、影响着民族情绪，甚至被认为影响着韩国国运。
事实上，被存储撕裂的疯狂，并不只发生在韩国。
在华尔街，分析师们在2023年末，用一篇篇报告看空存储行业，断言产能过剩的萧条周期将会持续很久；然而到了2026年，就开始激辩，存储是不是已经彻底摆脱了周期宿命，化身AI时代的成长之星。
在华强北，密麻麻麻的档口和倒爷们，在2023年谈存色变，一块块存储芯片犹如烫手山芋；然而，在低谷期咬牙囤货的公司，比如德明利，却惊喜发现，仓库里的晶圆早已成为金条。
2023年德明利净利润暴跌62%，仅为2500万元；到了2026年第一季度，单季度就爆赚33.5亿元，同比增速高达近50倍。与此对应，公司股价也从2024年初最低点大涨了20倍。
长鑫存储IPO在即，上市之后，估计也是万亿市值起步，迈向2万亿。甚至有人预测会超越宇宙行，成为第一市值。
还有无数遍布全球各地的二级市场投资人，激荡在存储的浪潮里。没买的懊悔、买了的焦躁；后悔卖早了、遗憾买少了，却又担心真加仓就又被套了。
毫无疑问，一块指甲盖大的存储芯片，已经撬动了整个世界。只是，它从哪里开始，又会走向何方？

在使用Agent（智能体）之前，你会给你的智能体先做个性格测试吗？未来大学生毕业，主要技能是什么？是要抢下AI手里的工作吗？ 大模型如何影响大学师生关系？等等等等。

这些问题，很有趣；尤其当你在酒吧里听到时。这就是我的一次惊喜活动，在深圳参加“腾讯TCAMP学术酒吧”。

虽然带学术两个字，虽然现场有大学博导、教师、博士硕士研究生，但这并不是讲技术参数的分享会，也有不少创业者、产品人参与其中，从而开启了一场思想碰撞。而话题，则大部分归集到了一个方向：

当AI越来越强，我们到底该怎样重新理解人的价值？如何和AI共处？

大家视角不一、思路不同，所以也并没有形成单一答案，而是让这个值得追问的问题，变得更清晰了。

AI的强大 VS 人的焦虑

活动开场，深圳河套学院助理院长吴辰晔，就分享了“成长”和“焦虑”。在当下的AI时代、以及就业压力下，处理焦虑就显得格外重要。

过去，学生会焦虑学校、成绩、论文、就业；今天，这些问题仍然存在，只是上面又压了一层新的阴影：如果 AI 已经能写、能算、能总结、能分析，那我还凭什么证明自己？我今天学的东西，会不会在几年后就失效？我还需要努力吗？

吴辰晔用自己的成长经历、科研之路，讲述了一个观点：人在动态环境中需要自适应，而这种自适应的前提，恰恰是先形成某种自我确信。不是盲目乐观，也不是逞强，而是知道自己在往哪里走，知道哪些困扰只是阶段性的噪音。

厦门大学管理学院会计学硕士研究生秘圣淼的分享，则把这个话题推到了更有趣的地步：AI 时代，知道自己要做什么越来越重要。

他分享了自己所在的财务领域，AI是如何比人类高效得多。继而给出判断：

如果很多岗位本质上只是把人放在一个标准化接口上做输入输出，那这些类似API接口的工作最终都会交给Agent API完成，而不是人类。我们过去对“工作”和“教育”的理解在AI时代将会被重塑，面向未来的教育，该如何适应未来的就业形势？

当前的大学生被高强度训练为在规则体系下寻到绩点、升学、就业等最优解的人才。然而，如果AI Agent更适合执行规则、收集信息，更适合用强化学习的方式在环境中找到最优解，那么应该让智能体来完成本科生学业领毕业证。

那未来的大学生该被培养更难更复杂的技能去和智能体争高下，还是走向“定义问题本身”给智能体一个方向？

2026年的AI已经允许所有人以飞快的速度，将自己理想中的产品变为现实，2030年必然更强、那当代大学生的第一使命就是先要知道自己想要什么，知道自己热爱什么，至少想起什么是热爱。这才是在AI时代与AI共生的最佳方式。

最后，他讲述到每一代人都有自己的长征路，一百年前的中国青年让中国人真正站起来看世界，而我们这代站起来的青年不是用来和机器比谁更像机器，更是要思考，机器把人从什么劳动里解放出来，又把人带向什么生活，给我们的后代一个什么样的世界。

行情好的 明星都不想接戏了