原文標題：《AI 半導體終局推演 2026(II)》
原文作者：fin，AI 分析師

當半導體結構性演進到 AI 推理主線，內存和存儲成為了最大瓶頸，市場對內存和存儲最大的懷疑就是：

HBM/DRAM/SSD 會不會擺脫傳統周期性？

依賴 HBM 指數增長的 GPU 架構路線進化路線，會不會停止？什麼時候停止？

長鑫擴產的影響有多大？會不會把這個市場重新帶入周期泥潭？

本篇嘗試去建立一個框架來梳理這幾個問題

萬物皆周期，而內存的周期性又特別強，最大的來源在於擴產周期過長，無法快速擴產和需求短缺時期錯配

擺脫傳統周期性幾種可能的方式

1. 定製化：產品不可互換，產能不能隨便轉移，需要簽長約。

2. 結構性的指數級需求增長：需求曲線本身很陡峭，而且供給一直追不上。

3. 技術迭代快速升級：每一代產品都快速淘汰上一代。

滿足任何一條，就能部分擺脫傳統周期；滿足兩到三條，就能擺脫大部分傳統周期

根據這個框架，HBM 在三條裡，大概佔了兩條半

1. 定製化，需要簽長約（較弱，算半條）

HBM 確實有定製化和 Nvidia codesign 的成分，但並不是很強。真正定製的部分只在封裝和 base die，上面那十幾層 DRAM die 仍然是完全 JEDEC 標準化的。

比如當 Samsung 的 HBM3E 在 NVIDIA 的 qualification 上沒過、份額從大約 60% 一路跌到 20% 的時候，它並沒有把這批產能砸在手裡報廢，而是轉手就供給了 Google 的 TPU、AMD。物理上，給 NVIDIA 的 HBM3E 和給 AMD 的 HBM3E，是同一個東西。所以產能仍然是部分可以自由轉移的。

在 HBM4 之后，定制化的程度更高，包括在基础芯片上集成定制逻辑和/或缓存。更复杂的方法是将 HBM4E 内存控制器和定制芯片间接口直接整合到基础逻辑芯片中。

SemiAnalysis 提到 OpenAI、NVIDIA 和 AMD 分别都在进行定制 HBM 的工作，但这指的是基础芯片的定制化，而芯片上的 DRAM 层仍然是标准的。

部分定制化的特性，HBM 主要需要在封装方面进行合作，这也导致客户必须签订长期合约，但产能确实可以转移，因此 HBM 可以勉强算是半定制化。

2. 结构性的指數需求增長（滿足）

最直接的原因是 Nvidia 的令牌工厂令牌吞吐量的硬件升级需求，导致了 HBM 带宽的快速升级更新换代，以及 HBM 大小需求的指數增長。

这实际上是上一篇 AI 半導體終局推演 2026(I) 的結論：

令牌吞吐量 = HBM 大小 × HBM 帶寬，每一代翻倍。

每 GPU 的 HBM 大小大概每年增長 40% 以上

这种需求曲線的陡峭程度，是 DRAM 供應端 14% 的晶圓增長，乘以 9% 的密度提升，很難追上的。

在硬體領域，由於 attn 階段 KV 快取具有極高的帶寬和極高的內存大小需求，這也導致了 HBM 的獨特地位。即使 HBM 的價格提高三到五倍，將資金投入 HBM 帶來的邊際令牌吞吐量提升，仍然比將資金投入其他地方更具成本效益。

其他幾條內存路線，如 SRAM、HBF、CXL、PIM，目前都無法在 HBM 的主要領域 KV 快取/attention 上直接競爭，至少在未來 5 年甚至更長時間內，不太可能找到替代路線。

3. 技術迭代快速升級（滿足）

DDR3 時代已過去 15 年，僅僅進入了 DDR5 時代，而 HBM 的升級換代速度基本上是每兩年一代，比傳統 DDR 要快得多，而且近年來還有加速的趨勢，HBM 大小 x HBM BW 每一代翻倍，目前完全符合這一規律。

每兩年一代 HBM 升級，NV GPU 速度基本是指數型上升：2TB/s -> 3.5TB/s -> 4.8TB/s -> 8TB/s -> 22TB/s，而且 HBM 的速度和推理 token throughput 是完全線性正比的，上一代 HBM 的邊際使用成本會不划算，大家都有動機去盡量用最新的產品，雖然更貴，但是帶來的收益（token throughput）是更多的

Token factory 時代的邏輯是，技術升級（HBM 帶寬）的越多，賺的越多

這個速度差，造成了一個和 CPU 類似的局面：舊產品快速貶值，於是囤貨的價值在變低，比如說，HBM3 的價值貶值的非常快，今天基本上主流產品不會用了

所以 HBM 廠商的理性選擇，從拚當前的產能去佔市場（quantity competition），變成了在穩定性和 HBM 速度上拚技術，拚下一代在 NVIDIA 平台上的 qualification 份額（quality competition），從而避免了在傳統周期的下行波段，大家都不願減產掉市場份額的囚徒困境。

HBM 和傳統 DRAM 比較，三個條件裡滿足了兩個半，那麼 HBM 能擺脫傳統周期性嗎？

內存周期性的來源，主流叙事是，DRAM 有 Commodity 屬性（無差異化 → 價格戰 → 庫存可囤積），所以有周期性。

而 Commodity 屬性本身並不產生周期，它只是一個振幅放大器

特別是 DRAM 領域裡，曾經產生過囚徒困境，在下行周期 Samsung 曾經擴產搶市場份額，誰先減產誰吃虧，導致誰也不敢輕易減產，最後大家都虧損慘烈

實際上周期性的主要結構性來源是供給周期太長，很容易和需求周期錯位。建一座 fab 要 3 年，投資上百億美元，一旦決策就不可逆，而需求增長會有不穩定性，每次出現新範式增長，比如雲服務，移動互聯網手機，疫情線上需求，會有爆發式增長，而過了兩年增長會放緩，供給高於需求，降價過猛，就變成了虧錢周期

萬物皆周期，HBM 這一條同樣是無法避免，但只要 token 需求仍然是指數型增長，結構性的指數增長會減弱周期性，因為需求可預測度更好，而且一旦降價，客戶就有增大 HBM size 的需求（從而增大 token throughput），加上 HBM 有一點定製化要求導致都是長約，從而從周期性轉化成成長周期性，而且這一輪周期會特別長

· 周期性：上行周期賺的多，下行周期虧的多

· 成長周期性：上行周期賺的多，下行周期賺的少

另外，HBM/DRAM 在這三條擺脫傳統周期的條件的基礎上，還有一條重要優勢：

4. 因為 DRAM 密度增長 scaling 越來越慢，以及 HBM 升級換代導致 DRAM 堆疊倍數的增加，供給端的擴產難度持續增加

2000 年附近，DRAM 每片 wafer 上 DRAM bit 密度每年增長大概 45%，也就是說，就算晶圓 wafer 數量不擴產，每年的供給端 DRAM bit 仍然可以增長 45%

十年前，DRAM bit 每年密度增長降到了 20%，而現在，DRAM bit 每年密度增長降到了 9%。以前 DRAM 擴產甚至不怎麼需要新建廠房就能得到每年 20~30% 的 bit volume 上升，現在 DRAM 要擴產，更多的是靠 wafer 數量的增長，也就是新建廠房和 clean room。

另外一個 HBM 快速擴產難度在於，HBM3e 大概需要 3 倍的 DRAM wafer 晶圓，而 HBM4 由於堆疊密度的增加，大概需要 4 倍的 DRAM wafer 晶圓數量，相當於 HBM bit 相對於 DRAM bit 一直變得更難製造，單位 DRAM wafer 數量製造的 HBM bit 越來越少，相當於在通縮

HBM 未來有一天，會不會從成長周期性，變回傳統周期性？最重要的因素是結構性指數增長，那麼

AI 推理時代，這個依賴 HBM 指數增長的 GPU 架構路線進化路線，會不會停止？什麼時候停止？

token throughput = HBM size × HBM bandwidth。這個 HBM 指數增長的第一性原理裡的 HBM size 的增長原因正是 KV 快取 的增長。KVCache 的特性以及 Attention 的特性, 也是非常契合 HBM 的。甚至讓 HBM 領先於其他的技術路線, 能夠最大化地讓 KVCache 和 Attention 階段的利用率。

換言之，如果 KV cache 從架構上不存在了，那麼 HBM size 指數增長邏輯也會受到挑戰

所以這個問題的本質其實是，這一輪以 Transformer 為代表的 attention 機制、以及由它衍生的 KV cache 機制，會不會消失？ 退潮之後會不會被取代？

從歷史規律來看：每一次 AI 模型架構革命，真正被保留下來的，是那些在數學上具有某種普適性的 primitive 操作

舉個例子：FFN（前饋網路，也就是模型裡大量的 MLP 層）是 2012 年深度學習時代的產物，但它一路活到了今天的大語言模型裡，並且仍然佔據著模型相當大的參數量。它為什麼能活下來？因為這也是一種 universal approximation theorem（通用逼近定理）：任何足夠寬的 MLP 都能逼近任意連續函數

Attention 大概率也是這樣一個會被保留的 primitive。因為它解決的是一個同樣基礎的問題：序列 sequence 中任意兩個位置之間的 dynamic routing（動態路由），讓一個序列裡任意兩個位置都能按需建立聯繫。這個能力一旦被驗證有效，就很難被丟棄

所以即便未來架構從純 Transformer 向混合架構演進，或者向世界模型演進，但 attention 層依然會存在，KV 快取（或者它經過 latent compression 之後的等價物）依然需要，HBM 依然會作為推理核心之一，這個依賴 HBM 指數增長的 GPU KV 快取架構路線進化路線，不會停止

那麼 DRAM 呢？在未來有沒有擺脫傳統周期性的可能？

HBM 擺脫周期性在市場上有一定共識，但 DRAM 擺脫周期性，市場目前基本沒有共識

還是回到剛才的框架，三個擺脫傳統周期的條件裡，DRAM 是沒有定製化的，所以就只能看技術迭代速度，最關鍵的還是要看，有沒有結構性的指數增長，答案是有的

在 AI token factory 這個概念裡，結構性指數增長的確實主要是 HBM。但事情在 2025 年年底之後起了變化：隨著 agentic CPU 開始釋放潛力，CPU 附帶的那部分 DRAM 需求，正在成為 DRAM 新的結構性指數增長來源

這部分的增長邏輯分兩層：第一層是 CPU 伺服器 TAM 的快速增長，第二層是每個伺服器 CPU core 配備的 DRAM 用量的因為 agentic flow 快速增長

伺服器 CPU TAM 的快速增長的 4 個邏輯在 4 月的 CPU 專篇詳細寫過，簡單的說：

1. AI 加速器集群裡 CPU 和 GPU 配比從傳統的 1：4 變成 1：2，甚至可能往 1：1 邁進

2. Agentic flow 裡 CPU 處理的延遲佔比很高，50~90% 成為重要瓶頸，需要同步擴容

3. AI coding 讓 SDE 的效率大幅提升，程式碼量數量級增長，軟體 API 呼叫指數級增長，直接轉化為這部分 CPU hours 指數級上升

4. Sandbox 為保障資料安全與隔離，如 Analytical Agent 需為每個任務複製大量資料庫和使用者上下文，導致記憶體 (DRAM) 和 CPU 核心的嚴重浪費，而且這個浪費問題五年甚至更久無法解決。另外 CPU hours 在技術上很難通過優化的方法來通縮

這也就是為什麼，上上個季度，AMD 的財報說 CPU TAM 到 2030 年會到 60B，兩個月前，AMD/ARM 把 CPU TAM 的 2030 年預測翻倍到 120B，一個月前，Nvidia 再次把 CPU TAM 的 2030 年預測翻倍到 200B

而上週，Bernstein 再次提升 2030 CPU TAM 指引到 223B。在我看來，2031 CPU TAM 未來上修到 400B 是沒有太大懸念的事情，唯一的懸念是幾個巨頭會什麼時候宣布上修這個指引

第二層，為什麼每個伺服器 CPU core 配備的 DRAM 用量在 agentic 時代快速增長？

1. Agent 是帶狀態的長駐進程，不是無狀態的請求-響應

傳統 web/SaaS 是 stateless 的：請求進來，分配內存，處理完內存立刻回收。而一個 Agent 任務可以跑一分鐘到一小時，這整段時間裡，它的 message history、system prompt、工作記憶、長期記憶、工具結果 buffer 全部常駐 DRAM

和 CPU hours 一樣，每個任務的內存足跡因為 stateful 和 sandbox 隔離 (每個任務複製資料庫和上下文) 的要求，技術上很難壓縮

2. 上下文窗口在指數級變長，每個會話的工作集隨之膨脹，並行度 × 單會話 memory footprint，乘數放大

context window 從 32K → 256K → 1M，reasoning / test-time compute 的序列長度爆炸，未來還會繼續增大。每個活躍會話常駐的 messages 隨 context 長度線性增長

現在把兩層乘起來。

第一層，CPU server 的 TAM，朝 2030~2031 看大概是 5–7 倍的量級 (60B → 120B → 200B → 223B，我認為還會到 400B)

第二層，每顆 CPU 的 DRAM 配比，大概 3–4 倍 (4~8GB → 16~32 GB/core)，但這個增長可能大部分是一次性紅利

兩個獨立變量相乘，server 側的 DRAM 需求是量級的增長

2030 年，即便按保守的 300B CPU TAM，一个 CPU core 按 $50 來算，agent 時代最保守按 16GB/core，這算出來新增量最少都是 96EB，而今年的 DRAM 總產量只有 47EB，明年勉強 60EB，這是非常驚人的增量

雖然這個 agentic CPU 帶來的 DRAM 指數級增長，在第二層很大程度上是一次性紅利，但持續時間會持續很久很久，因為這個短缺的缺口實在是太大了

回到文章開頭那個框架。三個擺脫傳統周期的條件裡，第一條 DRAM 定制化，基本可以忽略

而第二條：一個結構性指數級、而且很難逆轉的需求來源是成立的。commodity DRAM 現在也具備了部分擺脫傳統周期性的資格。沒有 HBM(兩條半) 那麼徹底，但已經是實質性的變化

第三條，技術迭代速度，DRAM 的節奏也跟以前不一樣了

因為以前的 DRAM 技術迭代速度是嚴重依賴消費電子的，DDR 的進步對於 performance 用處並不大，但可預見的未來裡，碳基消費的傳統 DRAM，會遠遠小於硅基消費（CPU 伺服器）DRAM 的用量

以前 DRAM 的速度升級帶來的邊際效用是很低的，但現在因為 CPU 伺服器對 memory 的需求增大，以及端側 AI 對 DDR 速度的要求也增大，比如蘋果為了跑本地大模型，LPDDR 速度越來越快

速度升級的邊際效用高了不少，所以 DDR6 和 LPDDR6 的速度迭代需求比以前提升了太大了，這在圖裡也可以看到，LPDDR6/DDR6 的迭代時間縮短了，而且速度斜率，重新開始抬頭

以前新一代 DDR/LPDDR 技術出來，大家的反應都很冷淡，等降價了才會用

而現在 LPDDR6 出來，各家恨不得都在搶著能盡量早上就盡量早，因為速度的提升帶來的 performance 提升是觸手可及的

另外，DDR 的供給還要被 HBM 額外抽一道稅。HBM 每年的擴產速度太快，導致每年都有一批原本可以做 commodity DDR 的 wafer 被拉去做 HBM，而 HBM 的轉換比極低，HBM3E 大約要 3 片 DDR wafer 的產能才能做出等量的 bit，HBM4 是 4 片。所以每年大約有 3% 到 5% 的 DDR bit 增長，是被這個 HBM bit tax 直接吃掉的

所以 DRAM 位元容量，雖然未來每年能夠增長約 24%（14% 來自晶圓增長，9% 來自每片晶圓的DRAM密度增長），但考慮到HBM位元稅後，傳統的非HBM商品DDR，每年的位元增長大約只有 20%（約10% 的晶圓增長 × 約9% 的節點密度提升）

中國長鑫擴產的影響有多大？如果不講武德拼命擴產，會不會把這個市場重新帶入週期泥淖？

長鑫這幾年的擴產速度還是很快的，2025年每個月還是 20 萬晶圓，2026年北京晶圓廠及新增生產線的貢獻就能達到 32~35 萬。

正在建設中的上海工廠一期和二期，一期預計到 2027 年每月新增 10 萬片晶圓產能，二期預計到 2028 年每月新增 10 萬片晶圓產能，也就是說，2027 年每個月 42 萬晶圓，2028 年能達到每個月 50 萬晶圓。

但需要注意的是，長鑫的DRAM位元密度大概只有御三家的一半左右，所以長鑫的每個月 50 萬晶圓晶圓能產出的DRAM位元容量只有其他家的一半，這裡計算晶圓每月時，就按等效一半來算

將這個折扣套上之後，長鑫對整個DRAM行業的衝擊還是小了很多，從 2025 年年底到 2028 年年底，長鑫對DRAM位元產能CAGR的影響大概只有 1.5%，全行業的DRAM產能CAGR 大概從 12.7% 上升到 14.2%

· DRAM 月產能 (kwspm) 2025E → 2028E CAGR

· 三星 685K → 920K 10.3%

· SK Hynix 519K → 725K 11.8%

· 美光 340K → 560K 18.1%

· 非中國其他 150K → 218K 13.3%

· 中國 (密度折半) 117K → 274K 32.8%

· 含中國總計 1811K → 2697K 14.2%

· 無中國總計 1694K → 2423K 12.7%

就算是長鑫未來還能保持增產速度，2030 年對全行業等效產能每年 DRAM bit volume 增產 CAGR 的影響，大概也不到 3%，從 20% CAGR 變成 23% CAGR，僅此而已

另外，長鑫被光刻機所限制，而 DDR6 需要更高速率（14400 MT/s 起步）和更高密度, 御三家做 DDR6 大概率會用 1c 或更先進節點（~12nm 以下），已經全面用 EUV。長鑫可能會在 DDR6 上速率受限，密度也只有一半。

即便是成長性周期，為什麼 DRAM 的這輪超級周期會持續很長時間，起碼五年看不到頭？

第一個原因是，剛才談到的 CPU 伺服器需求端的巨量增長帶來的結構性 DRAM 需求指數增長，這裡結合 DRAM 供給端的 bit volume CAGR 大概穩定 20% 增長，就可以很清晰的看到，DRAM 未來幾年的缺口為什麼越來越大：

非 HBM 的傳統 DRAM 供給端大概是每年增長 20%，而需求端，按 2026 年 60B CPU TAM，每個 CPU 消耗 DRAM 平均 8GB/core，每個 core $30~35 來算，需求是 16EB

2030 年按 400B CPU TAM，每個 CPU 消耗 DRAM 平均 16GB/core，每個 core $80 來算 (CPU 漲價超過一倍)，需求是 80EB，這部分 DRAM 的增長 CAGR 大概是 50%，遠遠超過目前的估算

不同於 HBM 是直接和 token throughput 掛鉤，從而和 GPU 賺錢效率直接掛鉤，DRAM 不夠對於 agent flow 的影響主要是速度，比如說，8GB/core 和 16GB/core 比起來，部分 workload 速度可能降低 30%，部分低價值 task 實在要等等也能忍，結構性指數增長的動機很強，但需求不如 GPU 那麼剛性

Semianalysis 說今年的 DRAM 缺口式個位數百分數，明年是超過 10%。從 agent CPU 數量激增導致的 DRAM 結構性來看，這個缺口每年都會繼續加大，在 2030 年之前看不到降低的可能

另外一個 DRAM 能延續強勢很久的邏輯是，因為 DRAM 漲價之後，被漲價消滅的那部分需求，不是真的消失了，只是延遲了，需求蓄水池太多了。

所謂蓄水池，是指那些「內存一旦降價就會立刻被釋放出來的潛在需求」。它們的存在，意味著即使供給階段性跟上了，價格也很難崩，因為總有新的需求從蓄水池裡湧出來接盤：

內存換算力/速度是一個蓄水池：

有大量本來需要靠額外內存來優化速度和算力的需求，在內存太貴時被壓著，一旦內存降價就會被釋放出來。

比如 Nvidia 的 CPX prefill 加速，本來的設計初衷是用額外的低成本 GDDR7，來做一個專門的 prefill 加速器，結果 LPDDR/GDDR 都太貴了，比漲價前的 HBM 還貴，這個方案的 ROI 就不划算了，但等到普通內存降價，這樣類似 CPX 的優化方案就還會回來

低價值 task 是一個蓄水池：內存漲價導致 token 價格居高不下時，高價值的 task 被優先保留，低價值的 task 被延後；內存一降價，這些被延遲的需求就回來了。

端側 AI 是一個蓄水池：AI PC 的內存配置可能從 24GB 一路漲到 128GB。蘋果已經明確要求最新的端側 AI 滿血版需要從 8GB 升級到 12GB 內存

常規消費電子、Agent PC、低端手機，因為內存漲價而減少的需求，全都是蓄水池。

這麼多蓄水池疊在一起，構成了一個極厚的需求緩衝墊。這就是為什麼 DDR 這輪的結構性增長，後勁會比市場想象的要強。

還有一個 DRAM 價格很難大幅下降的原因在於，HBM 和 DRAM 產能可以互相轉換，所以整個 DRAM complex 是一起 re-rate 的

在上行期 DRAM 的利潤率遠超 HBM，HBM 的漲價幅度甚至變成了由 DRAM 去推動。今年新簽約的 HBM4 的價格，就是當期 DRAM 的價格 x 4，也就是正常堆疊倍數對應 HBM4 的價格

一旦 DRAM 降價毛利下滑，因為 HBM 的長約透明性，利潤率都是有保障的，HBM 就會間接抽走更多的 DRAM 產能，HBM 的降價也會讓 GPU 廠商更有動力盡可能的升級 HBM size，這樣也間接保障了 DRAM 的價格地板

DRAM 的結構性指數增長的需求有了，density scaling 放緩擴產難度在增加，廠商擴產計劃都很謹慎，長鑫這幾年帶來的影響也是有限的，再加上需求的蓄水池非常龐大，這四個原因導致了，在可預見的至少五年甚至更長時間內，DRAM 是很難進入周期低谷的。

NAND SSD 有希望擺脫傳統周期性嗎？

NAND 的結構性增長動力沒有 DDR 那麼強，今年的缺貨主要原因是幾個主要玩家的生產紀律保持得很好，並沒有大規模擴產，每年的產能增加主要來源於技術改進：NAND 堆疊層數的增加

第一個結構性增長來自 AI，主要來自 KV cache 的 offloading，把 HBM 溢出的 warm/cold KV cache 卸載到 NAND SSD 上。

但神奇的事情是，這個 kv cache offloading 的增長甚至還沒有大規模發生，SSD 就已經缺的比 DRAM 還嚴重了，漲價也比 DRAM 要更多。等到明年 Rubin CMX 放量，加上 KV cache offloading 大規模應用，SSD 的缺貨也會因為這個結構性增長而增長

第二個，另一個去年年度總結裡提到的未來可期的 AI 視頻帶來的結構性增量，今年已經有出圈的態勢了

Seedance 體量在以一年十倍到四十倍的速度增長。目前它還卡在缺卡算力不足的階段，需求被算力壓著沒完全釋放。但等到缺卡階段過去，AI 視頻對 NAND 存儲的結構性需求增長，會持續相當長的一段時間。

第三個結構性增長也同樣來自於 agent flow 帶來的 Sandbox 使用量的指數級增長，Sandbox 為保障數據安全與隔離，如 Analytical Agent 需為每個任務複製大量數據庫和用戶上下文，導致內存 (DRAM) 和 CPU 核心的嚴重浪費，同樣會帶來大量的 SSD 的浪費（需求）

第四個也許在 2030 年之後發揮作用的結構性增長，來自於 HBF 路線需要用到 SSD，在不少投行分析中被寄予厚望，但這個技術路線還有些遙遠，主要角色定位只能作為存放大模型的 weights，寫一次權重然後做只讀，而且必須要和 GPU/HBM 封裝在一起（48TBps/96TBps），否則靠 PCIE7/8 速度太慢完全無法用，只能說未來可期，下一篇 AI 半導體終局推演 2026(III) 會有更詳細的分析

總之，NAND SSD 的結構性增長沒有 HBM 那麼強，但是勝在便宜，價格到 2027 年也只有 $0.8/GB，是同期 DRAM 的四十分之一，所以也算是多級快取裡的萬金油屬性，結構性增長來源太廣泛了

也就是說，不存在 DRAM/HBM 單獨漲價繁榮，而 SSD 不漲價的情況，因為如果這樣的情況發生，那麼大家就會想辦法用 SSD 去承載 DRAM/HBM 的部分功能，用更低的成本實現類似的效果。HBM、DRAM、NAND 不是三個獨立故事，而是同一 AI memory hierarchy 在不同溫度層的結構性增長

結構性指數增長的需求有了，NAND SSD 擺脫週期了嗎？那麼就要看 NAND SSD 廠家的生產紀律了，唯一可能不遵守生產紀律的，只有長存。畢竟這是一個囚徒困境，一旦有一家不講武德拼命擴產，整個 NAND 產業要擴產的難度比 DRAM 簡單的多。

但最起碼的，這一輪 NAND 同樣是超級周期，幾個結構性指數增長帶來的需求，下行期推遲到 2030 年問題不大。

原文連結

歡迎加入律動 BlockBeats 官方社群：

Telegram 訂閱群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia