三星利潤超過英偉達，存儲定義AI，半導體周期的長度與寬度

三星剛剛公布的第二季度營業利潤超過了英偉達，成為世界上最賺錢的公司，這在是AI產業是標志性的。過去兩三年，英偉達幾乎獨自定義了AI基礎設施的價值中心；但最新一輪財報顯示，價值正在從GPU本身，外溢到HBM、DRAM、NAND、企業級SSD、光互連與系統帶寬。

AI競賽的，不再只是更多FLOPS，而是更快、更便宜、更穩定地搬運數據。AI的瓶頸正在從計算短缺轉向數據搬運不足。

（說明：數據來自公司財報，均換算成美元；三星為2026年二季度初步業績，SK海力士按三星公告隱含匯率約1美元兌1530韓元估算。三星是綜合電子集團，其利潤并不全部來自存儲，但這一季的爆發主要由AI數據中心帶動的內存與存儲價格上漲驅動）

大模型訓練和推理不是單純讓GPU做矩陣乘法。模型參數、激活值、KV cache、訓練數據、梯度、優化器狀態，都要在各種數據寄存之間不停地移動。GPU核心再強，如果HBM容量不夠、帶寬不夠、KV cache放不下、跨GPU通信太慢，算力就會被閑置。過去我們把AI服務器看成GPU機器；現在更準確的說法是，它是一套由計算、內存、互連和存儲共同構成的數據搬運機器。

其中HBM不是普通DRAM，而是貼近GPU的高帶寬內存。它決定模型能否裝下，推理能否高吞吐，GPU之間能否減少遠距離通信。隨著16-Hi HBM、HBM4、HBM4E推進，內存廠商不再只是GPU的配套供應商，而是AI系統性能上限的共同定義者。

同時，AI需求還在向傳統DRAM、NAND、企業級SSD外溢。HBM裝熱數據，DDR承擔CPU側調度與批數據，SSD承接模型文件、檢查點和高速持久化存儲，HDD則退向更冷的數據歸檔。這意味著，AI并不只是帶動一種芯片，而是在重塑整個存儲層級。

內存、存儲和帶寬系統可能正在迎來一個新的超級周期。過去，存儲產業的周期主要由PC、手機和消費電子庫存主導，手機賣得好，DRAM和NAND漲價；終端需求放緩，庫存積壓，價格下跌。那種周期更短、更劇烈、也更容易被消費電子庫存打斷。

但ChatGPT之后，主導變量變了。新的需求來自AI數據中心資本開支，來自更大的模型、更長的上下文、更密集的推理、更重的多模態生成，以及未來AI PC、AI手機、智能眼鏡、機器人、車載智能體等新智能設備。過去是消費者采購和升級電子買設備帶動存儲，現在是模型運行和智能體工作帶動存儲。

因此，這一輪半導體周期正在變長、變寬。所謂變長，是因為AI數據中心建設更像電力、通信和云基礎設施，投資周期更長，客戶更愿意提前鎖定供給。所謂變寬，是因為GPU擴張會自然拉動HBM、DDR5、NAND、eSSD、光模塊、交換芯片、先進封裝、半導體設備、玻璃基板、電力與液冷。GPU是第一波，內存、存儲、帶寬和封裝是第二波。當GPU集群越建越大，瓶頸自然從計算核心外溢到數據搬運系統。于是，半導體周期也從消費電子周期，轉向AI基礎設施周期。

2026/6/30 閱讀全文>

與此同時，越來越多定制芯片和系統架構出現，試圖削弱通用GPU的壟斷地位。Google TPU、AWS Trainium/Inferentia、微軟Maia、Meta MTIA、AMD MI系列、Cerebras晶圓級芯片、Groq LPU、Etched Sohu、Tenstorrent，以及中國的昇騰、寒武紀等，都在從不同方向挑戰“通用GPU帝國”的模式。有的強調推理效率，有的強調低延遲，有的強調片上SRAM，有的強調內存靠近計算，有的強調特定模型結構的專用化。但它們有一個共同點，就是都想辦法更高效地搬運數據。

2026/7/3 閱讀全文>

這些嘗試背后的共同邏輯是，當AI工作負載越來越穩定、推理規模越來越大，通用GPU的靈活性就不再總是最優解。企業真正關心的是，主要負載是Transformer推理、推薦系統、視頻生成、代碼智能體，并不需要用最昂貴的通用GPU，而是可以用更適合內存訪問模式和數據流的芯片。

但這并不意味著英偉達已經失去統治力。英偉達仍是全球市值最高的公司之一，它真正的護城河不只是GPU芯片，而是CUDA生態、NVLink/NVSwitch網絡、整機架系統、軟件庫、開發者生態和云廠商部署標準。GPU對AI算力基礎設施的壟斷正在瓦解，英偉達平臺沒有瓦解。

所以，AI正在從GPU單極時代進入系統多極時代。GPU仍是發動機，但內存是燃油系統，封裝是機體結構，光互連是高速公路，SSD和NAND是后勤倉庫。過去，市場只給發動機估值；現在，市場開始重新給整臺機器估值。

三星季度利潤暴漲19倍，并且預計2026年的利潤將超過了其過去40年半導體業務部門利潤的總和，與其他兩家巨頭一起，這樣驚人的業績，由一種變革性的力量驅動，帶寬、容量和數據搬運效率定義著AI，也重新定義著半導體的周期。