原视频:《内存暴涨,谁在哭?谁在笑?》
频道:小Lin说
解析说明:YouTube/TranscriptAPI 未取得官方字幕;本文基于 RSSYES 镜像音频与本地 Whisper 转录整理,个别数字和名词按上下文校正,重点保留视频的商业逻辑与产业链分析。
一句话总结
这期视频表面讲的是“内存涨价”,真正讲的是 AI 算力需求如何把 DRAM 行业的老周期,改造成 HBM 驱动的新产业格局。
过去,内存行业像典型大宗商品:
- 需求好 → 价格涨 → 厂商扩产;
- 扩产多 → 供给过剩 → 价格崩;
- 利润差 → 高负债、低效率玩家出清;
- 然后下一轮需求再来。
但 AI 爆发后,核心变量变了:GPU、TPU 和各类 AI 加速芯片不只需要算力,也需要极高带宽、低延迟的内存。于是 HBM(High Bandwidth Memory,高带宽内存) 从一个过去“不太赚钱、太超前”的小众技术,变成 AI 时代的关键瓶颈。
为什么韩国股市会被两家内存公司带飞?
视频开头用了一个很抓人的对比:过去一年,美股、A 股、黄金都有不错表现,但韩国股市尤其夸张,核心原因之一就是 三星电子和 SK 海力士。
这两家公司不是普通大公司。按视频的说法,它们在韩国资本市场里的权重极高,两家公司市值加起来能占到韩国主要股指相当大的比例。换句话说,韩国股市很大程度上就是“半导体周期 + 两大内存巨头”的放大器。
更有冲击力的是利润传导:SK 海力士因为 HBM 爆发,利润和股价大幅跃升,员工年终奖也水涨船高;三星员工看到海力士的奖金,自然会有强烈对比。这就是标题里的“谁在笑”:
- HBM 供应商笑;
- 持有相关股票的人笑;
- 赶上 AI 订单的公司和员工也笑。
而“谁在哭”,则是被挤出普通内存产能的下游行业:手机、PC、汽车电子、消费电子厂商,以及最终可能面对涨价的消费者。
先分清:硬盘不是内存,DRAM 才是今天的主角
视频专门解释了一个基础概念:我们日常说手机“16GB + 512GB”,两个数字其实代表两类存储。
| 类型 | 常见叫法 | 作用 | 特点 |
|---|---|---|---|
| 长期存储 | 硬盘、闪存、SSD、手机存储 | 长期保存数据 | 容量大,断电不丢,但速度相对慢 |
| 临时存储 | 内存、DRAM | 运行时临时存放数据 | 速度快,断电就没,像人的短期记忆 |
本文讨论的“内存暴涨”,主要指 DRAM 相关市场,尤其是 AI 带火的 HBM。
DRAM 的本质是短期记忆:CPU/GPU 计算时,需要不断从内存拿数据、写数据。算力越强,对“喂数据”的速度要求越高。如果算力芯片像一个超级厨师,内存带宽就是上菜速度;厨师再快,菜上不来,也只能干等。
内存霸主为什么从美国到日本,再到韩国?
视频的第二条主线是产业史。
第一阶段:美国开局
早期 DRAM 基本是美国公司的天下。Intel 在 1970 年推出商用 DRAM,此后德州仪器、AMD、摩托罗拉等公司都参与竞争。
第二阶段:日本冲上来
到了 1980 年代,日本电子工业崛起。东芝、日立、富士通、三菱、NEC 等企业进入 DRAM 市场。它们背后有财团、银行和政府产业政策支持,能承受长期研发和大规模资本开支。
视频提到,日本企业一度拿下全球新兴内存市场约 80% 的份额。其打法是:
- 大规模投资;
- 技术协同;
- 低成本扩张;
- 用价格和品质压制美国对手。
第三阶段:韩国接棒
日本还没高兴太久,韩国企业来了。三星、现代电子、LG 半导体等企业复制甚至强化了日本模式:财阀 + 政府支持 + 高杠杆 + 逆周期投资。
韩国财阀比日本财团更激进。管理层控制权更强,扩张时更敢加杠杆。这种打法在景气期非常猛,在危机来临时也非常脆弱。
1997 年亚洲金融危机就是一次大考。大量韩国企业高负债,一碰就倒。IMF 救助要求韩国财阀重组、聚焦主业,半导体行业也因此大洗牌。
最后,韩国形成了今天的双雄格局:
- 三星电子;
- SK 海力士。
而日本企业在后续周期中逐渐退出 DRAM 主舞台。Elpida 破产保护后被美光收购,曾经统治全球内存市场的日本军团正式谢幕。
内存行业为什么总是“暴涨暴跌”?
视频里最重要的产业经济学解释是:DRAM 是典型的 高固定成本 + 产品高度同质化 + 强周期 行业。
这意味着什么?
- 前期要投巨资:晶圆厂、设备、工艺、良率爬坡都需要大量资本。
- 产能建设有滞后:今天看到价格好,扩产要很久之后才形成供给。
- 边际成本相对低:产线建好后,多生产一条内存的边际成本没有前期投资那么夸张。
- 产品同质化强:普通 DRAM 很容易陷入价格竞争。
所以行业反复进入同一个循环:
这也是为什么资本市场过去不太愿意给传统内存公司很高估值。因为今天利润再好,下一轮供给过剩可能就把利润打没。
HBM 为什么改变了游戏规则?
HBM 的关键价值在于解决 AI 芯片的“内存墙”。
传统 GPU 显存通常围绕芯片平铺,距离较远,带宽有限。GPU 算力越来越强后,普通显存很难跟上数据吞吐需求。HBM 的思路很“暴力”:
- 把多层内存芯片垂直堆叠;
- 通过先进封装和硅通孔等技术连接;
- 放在离 GPU/AI 芯片更近的位置;
- 大幅提高带宽、降低延迟和功耗。
视频里用的比喻很形象:如果强大的 GPU 像闪电侠坐在中央,普通显存送数据太慢,HBM 就是把补给站直接堆到他身边。
但 HBM 难点也明显:
- 工艺复杂;
- 良率要求高;
- 成本高;
- 需要和 GPU/AI 芯片厂深度协同;
- 不是简单堆产能就能做好。
这就是它和普通 DRAM 最大的区别:HBM 不再只是标准化大宗品,而更像定制化、高壁垒、强绑定的关键组件。
SK 海力士为什么突然翻身?
视频把 SK 海力士的翻身归结为一个长期投入终于撞上时代风口的故事。
2010 年代,AMD 想解决显卡带宽瓶颈,找到海力士合作研发 HBM。当时这个方向非常超前:市场小、成本高、客户少,短期看并不划算。消费级显卡上的 HBM 早期商业表现也不理想,AMD 后来甚至放弃在消费级显卡上继续使用 HBM。
但海力士没有完全停下。它持续投入 HBM 和先进封装相关能力。视频提到,到 AI 爆发之前,HBM 仍然只是 DRAM 市场里很小的一块,但海力士已经积累了十多年经验。
转折点是 ChatGPT 和生成式 AI。AI 算力需求爆发后,英伟达高端 AI GPU 对 HBM 的需求急剧上升。此时,谁的 HBM 能过验证、能上量,谁就掌握了新周期的钥匙。
视频中提到,2023—2024 年,SK 海力士的 HBM 基本包圆了英伟达高端显卡的重要订单,因此成功弯道超车,利润和股价都出现爆发式增长。
这不是简单的“运气好”,而是:
- 在低谷期押了一个高难技术方向;
- 熬过长期不赚钱阶段;
- AI 需求突然把这个方向推成瓶颈;
- 先发积累转化为客户认证和产能优势。
三星和美光会一直落后吗?
视频并没有把故事讲成“SK 海力士永远赢”。相反,它强调三星和美光也在快速追赶。
三星过去在 HBM3、HBM3E 上遇到一些验证和节奏问题,但它的半导体综合实力、客户资源和资本开支能力依然很强。美光也在调整资源,把更多产能和战略重心转向 AI 内存。
一个很有代表性的变化是:普通消费级业务会被压缩。视频提到,美光关闭经营多年的 Crucial 消费者品牌,不是因为内存做不下去,而是因为 AI 相关市场太赚钱,资源要向高利润方向集中。
这解释了为什么普通手机、PC、汽车内存也涨价:
- HBM 和普通 DRAM 在部分前段产能上存在竞争;
- 厂商会优先把资源投向利润更高、客户更急的 HBM;
- 下游普通 DRAM 供给变紧;
- 手机、电脑、汽车电子等行业被迫承担涨价。
所以我们普通人感受到 AI 的方式,可能不是“我用上了更聪明的应用”,而是“手机、电脑、内存条变贵了”。
真正变化:估值逻辑被改写
视频最后的核心判断是:HBM 正在把内存行业从传统周期品,推向更高确定性的价值链环节。
过去内存公司估值低,是因为它们被视为周期股:
- 产品同质化;
- 价格波动大;
- 利润不可持续;
- 景气高点容易扩产过头。
但 HBM 带来了几种新特征:
| 传统 DRAM | HBM / AI 内存 |
|---|---|
| 标准化程度高 | 更定制化 |
| 主要拼成本和规模 | 拼工艺、封装、客户认证 |
| 容易价格战 | 绑定核心 AI 芯片生态 |
| 周期属性强 | 中期需求更稳定、更高毛利 |
| 估值偏低 | 市场愿意给更高想象空间 |
这就是为什么相关公司股价涨得夸张。它们不是单纯因为“今年赚了钱”,而是市场相信:行业模式可能变了,估值模型也要重估。
对普通人的启发:AI 会沿产业链做压力测试
这期视频最值得借鉴的,不只是“买不买内存股”,而是一个观察框架:
当前端 AI 需求爆发时,整条产业链都会被压力测试;哪一环跟不上,哪一环就可能成为新的价值分配点。
过去几年,市场先看到的是 GPU;然后看到先进封装、台积电 CoWoS;再看到 HBM;未来还可能轮到能源、散热、网络、数据中心、存储、甚至电网。
AI 不只是一个软件应用浪潮,它会不断把物理世界里的瓶颈推到台前。谁提前站在瓶颈上,谁就可能获得超额收益;谁被瓶颈卡住,谁就要承受成本上升。
结语
《内存暴涨,谁在哭?谁在笑?》这期视频把一个看似枯燥的内存涨价问题,讲成了半导体产业史、韩国财阀、AI 算力和资本市场估值的连锁反应。
它的核心逻辑可以压缩成一句话:
AI 的爆发没有只改变模型公司和 GPU 公司,它正在重塑整条硬件产业链;HBM 只是第一个被市场看见、被资本重新定价的关键瓶颈之一。
当我们下次看到“某个零部件涨价”“某家上游公司暴涨”时,不妨多问一句:这是不是 AI 产业链压力测试下暴露出的新瓶颈?如果是,谁在哭、谁在笑,答案可能就藏在这个瓶颈背后。