[中信证券经纪(香港)]超级智能靠内存运行
摘要
中信证券财富管理与中信里昂研究观点一致。根据中信里昂研究在2026年10月22日发布的题为《Superintelligence runs on memory》的报告，中信里昂参加了由美光总裁Scott Deboer主持的内存技术网络研讨会。AI正在为内存创造多年增长机会，并已成为AI系统性能的关键制约因素。AI模型在训练、推理、代理式AI和物理AI中需要更高的内存带宽、容量和能效，使内存成为系统能力和每token成本的关键决定因素。一个值得注意的点是，美光拒绝将4F² DRAM作为未来的微缩路径。经过二十年的研究，美光认为4F²没有带来有意义的密度优势，因为最终决定DRAM密度的是电容器间距，而非单元布局，且4F²方案在先进节点面临根本性的物理限制。因此，它得出结论，3D DRAM是行业更可行的长期技术路径。这与三星和海力士形成重要对比，后者继续研究基于4F²的方案。
DRAM微缩仍有空间；美光拒绝4F²并支持3D DRAM
尽管复杂性日益增加，美光对DRAM持续微缩表示有信心。该公司计划在2027年下半年量产其1δ DRAM节点，目标较1γ实现20%中段的位密度提升。1δ技术针对未来AI产品进行了优化，包括HBM5、垂直HBM（vHBM）和垂直边缘推理内存（vEIM）。
美光对4F²并不乐观，认为决定密度的是电容器间距，而非单元架构，这使得4F²更复杂、成本更高，却没有有意义的长期收益。它重申了向3D DRAM的长期转型，并强调未来几年还将有更多代平面DRAM微缩。
关于内存降规的担忧，美光认为，虽然客户可能会针对特定工作负载和成本目标进行优化，但内存仍是AI性能的基础，且更多内存通常会带来更好的系统结果。
定制HBM和垂直HBM将定义AI内存的下一阶段
HBM市场正从标准化产品演进至标准HBM、定制HBM和垂直HBM（vHBM），预计所有这些都将共存。这突显了其观点，即未来的差异化将越来越多地来自与大型AI客户的协同设计，而非纯粹的标准化JEDEC产品。
美光认为，带宽而非容量，正在成为未来HBM架构的主要设计驱动因素。未来HBM将越来越多地采用先进
晶圆代工节点制造基础裸片，尤其是随着内存控制器和其他逻辑功能向内存更靠近迁移。
垂直HBM被强调为特别重要的未来架构，因为将内存直接置于计算单元之上可以显著提高带宽和能效。美光预计未来系统将把传统HBM与垂直HBM相结合，以平衡带宽、容量和散热要求。
美光认为，AI不仅推动HBM/DRAM需求，也推动新类别“AI级NAND”的需求，这些NAND针对高IOPS和高带宽应用进行优化，例如向量搜索、模型存储和推理工作负载。
存储正成为AI基础设施中更具战略性的组成部分，而不仅仅是低成本的数据存储库，其未来NAND路线图正围绕以AI为中心的使用场景设计，而非传统企业存储。其G11NAND技术预计将提供约2倍于G9的密度、超过400层以及更高的能效，目标在2027年下半年量产。
随着AI继续吸收供应，内存供应预计仍将紧张
美光认为在可预见的未来内存不会达到平衡，并预计供应紧张将持续。无论AI系统如何架构，它们仍将是高度内存密集型的，并需要HBM、LPDDR6和DDR6的组合。未来AI内存领导地位将由带宽、封装和系统集成决定，而非仅由容量决定。
