當英偉達GPU作為AI算力核心被全球科技巨頭斥巨資爭搶時，一種芯片因其核心地位被視為GPU的“咽喉”——這就是DRAM內存芯片。

摩根士丹利近期指出，全球半導體行業正在進入一個新的“存儲超級周期”。本輪超級周期由爆炸式的AI算力需求驅動，其中心是并非用于長期存儲數據的NAND閃存等，而是用于AI計算高速數據處理的DRAM（動態隨機存取存儲器，也就是常說的“內存”），特別是其頂尖形態——HBM（高帶寬內存）。

隨著AI模型參數量突破萬億級別，行業正在達成共識：在AI時代，算力的上限不完全取決于GPU等邏輯芯片計算得有多快，而取決于作為數據輸送管道的DRAM內存能以多快的速度“喂養”這些芯片。

算力提升的關鍵：打破“內存墻”

ChatGPT和Claude等生成式 AI模型的訓練依賴于海量數據的并行處理。在這種高強度負載下，傳統的內存架構已成為系統性能的短板，即所謂的“內存墻”，也就是DRAM內存的數據傳輸速度落后于GPU、CPU的計算速度，導致算力無法完全釋放。

在此背景下HBM應運而生，通過將多個DRAM芯片垂直堆疊，并與GPU封裝在一起，提供了數倍于傳統內存的數據傳輸速度。目前，HBM已成為英偉達H100、H200等旗艦產品和即將推出的Blackwell架構芯片的標準配置。

業內人士認為，沒有HBM，就沒有這一輪AI大潮，它是計算系統的核心。這一轉變正在重塑存儲芯片行業的估值邏輯。HBM的關鍵地位和技術門檻，使得掌握DRAM技術的企業成為了AI價值鏈的戰略中樞。

制造鴻溝：DRAM 與 NAND 的分道揚鑣

盡管DRAM和NAND Flash均屬于存儲芯片，但在制造層面兩者屬于完全不同的方向，這使得“跨界”的可能性微乎其微。

NAND Flash的主要功能是數據存儲，當前業界主要通過增加堆疊層數（如 232 層或更多）來提升存儲容量等關鍵性能。

相比之下，DRAM是系統的短期記憶，直接與CPU、GPU進行交互，制造工藝側重于極微觀層面的電路精密度和電荷控制能力。

專業人士認為DRAM的制造工藝難度更接近 CPU等邏輯芯片，遠高于 NAND。如果以NAND的堆疊層數來對標，那目前國內DRAM的生產工藝大概可換算為400+層的NAND水準。

這導致了兩者的生產線幾乎無法互通，一家NAND 工廠無法簡單地轉產DRAM，這涉及數年的工藝重新調試、數十億美元的設備更換，在工藝上和經濟上都是巨大的挑戰。

HBM：DRAM 技術的集大成者

HBM的短缺進一步凸顯了DRAM在AI算力中的“咽喉”地位。

HBM本質上是DRAM芯片的3D封裝體。根據拆解分析，在HBM的物料清單中，DRAM 裸片的成本占比超過70%。這意味著HBM 的產能上限嚴格受限于高端DRAM的產能。

更為關鍵的是，HBM的制造良率遵循“乘法效應”。由于 HBM 通常涉及8層、12層乃至更高層數DRAM芯片的堆疊，任何一層芯片的微小缺陷都會導致整個堆棧報廢，這直接對DRAM芯片的制造要求提升了幾個數量級。

DRAM的極高技術難度、重資產投入使得行業的進入門檻極高。目前，全球主要的DRAM制造商包括SK海力士、三星、美光和中國的長鑫科技，長鑫科技也是中國唯一一家具備大規模量產DRAM能力的企業。

DRAM企業：超越商業價值的戰略資源

AI驅動的需求激增正在加劇DRAM市場熱度，然而熱潮之下更需要理性分析分得市場一杯羹的可行性。

SEMI國際半導體協會分析指出，新建先進DRAM晶圓廠的資本支出通常在 150 億至 200 億美元之間，且需要18至24個月的建設及認證周期。此外，HBM并不是“單機游戲”，還需要經過DRAM廠商與GPU廠商長達數年的協同設計驗證。

這意味著DRAM注定是“少數人的游戲”，無論是新進者或者是有一定積累的其它類型存儲企業，進入DRAM領域不僅必須跨越巨大的技術鴻溝和資金壁壘，而且在缺乏DRAM核心知識產權和長期工藝積累的情況下進軍HBM領域，極大可能最終面臨巨額資金損失與資源浪費等局面。

隨著AI軍備競賽的升級，存儲芯片行業正在迎來巨大的市場機遇，尤其是DRAM企業已站在聚光燈下。在新的存儲超級周期中，DRAM制造能力已不再僅僅是商業資產，而已成為決定算力分配權的關鍵戰略資源。