5月以來，半導體市場最有代表性的變化，不是英偉達繼續站在AI交易中心，而是存儲股突然變成了資金追逐的主戰場。

美光5月11日收漲6.5%，年內漲幅接近179%；SK海力士近期創下歷史新高；鎧俠過去一年股價漲約24倍。過去市場給存儲廠商的估值一直偏低，因為它們被視為典型周期股：漲價、擴產、庫存堆積、價格下跌，循環往復。但AI把這套舊邏輯打亂了。

GPU負責計算，HBM負責數據吞吐，企業級SSD承接推理與數據調用，存儲正在從標準化商品變成AI基礎設施里的稀缺資源。摩根士丹利預計，到2028年前，全球AI相關基礎設施投資接近3萬億美元。半導體的行情也因此不再只看庫存周期，而要看云廠商資本開支、先進封裝產能、電力供給和長期訂單能見度。

帶寬資源被重新定價

行業景氣時，DRAM、NAND漲價，廠商利潤快速修復；行業低谷時，下游砍單、庫存堆積、價格下跌，利潤又會被打回去。這個行業長期難拿高估值，原因不復雜：產品標準化程度高，擴產沖動強，需求端又跟消費電子周期高度綁定。

AI把這個結構改了。

大模型訓練和推理不是簡單多買幾塊芯片。模型越大，上下文窗口越長，數據吞吐壓力越高，對內存帶寬、容量和延遲的要求越苛刻。GPU再強，如果HBM供給跟不上，算力利用率也會被拖住。數據中心跑推理任務，背后還需要企業級SSD、服務器DRAM、網絡和存儲系統持續配合。

這就是存儲股被重估的根源。

美光、SK海力士、三星、鎧俠這一輪上漲，表面看是價格和盈利修復，深層交易的是“AI帶寬資源”的稀缺。MarketWatch援引D.A. Davidson分析師觀點稱，AI模型變大、上下文窗口變長，會推動更多內存需求，形成一輪記憶芯片需求的正循環；美光年內漲幅接近179%，也明顯跑贏費城半導體指數和標普500。

SK海力士的案例更直觀。Reuters報道稱，全球大型科技公司正在向SK海力士提出罕見方案，包括投資專用生產線、資助購買ASML EUV設備、通過長期合約鎖定供給。客戶愿意提前掏錢幫供應商擴產，這在傳統存儲周期里并不常見。過去買方等價格回落，現在買方擔心拿不到貨。

這會改變存儲廠商的利潤結構。

以前存儲公司最怕擴產，因為供給一多，價格馬上承壓?，F在HBM和高端企業級存儲的擴產受制于良率、封裝、設備、客戶認證，新增供給沒有那么快釋放。供給越緊，長單越多，價格彈性越強，廠商利潤可見度也更高。

現在的資金買的是三件事：第一，AI服務器對HBM和高性能DRAM的持續消耗；第二，云廠商愿意用更長周期鎖定供應；第三，存儲廠商從過去的周期制造商，重新被放進AI基礎設施核心環節。

不是存儲行業完全擺脫周期，而是周期的底層需求換了。消費電子還會波動，手機、PC仍然重要，但AI數據中心正在把行業需求錨從“終端銷量”推向“算力投資”。只要云廠商資本開支繼續上修，存儲的估值錨就不會輕易退回舊位置。

AI資本開支進入重工業階段，

亞洲硬件鏈從配角變成主場

摩根士丹利在2026年3月報告中估算，到2028年前，全球AI相關基礎設施投資接近3萬億美元，且超過80%的支出仍在前方。這個數字意味著，AI正在從軟件敘事進入重資產建設：芯片、服務器、數據中心、變電站、電網、液冷、光通信、存儲陣列，都會被拉進同一個資本開支鏈條。

Big Tech也在用真金白銀驗證這條主線。Reuters稱，Alphabet和Amazon正在進入海外債券市場，為AI基礎設施擴張融資；大型科技公司2026年AI基礎設施支出預計超過7000億美元，高于2025年的4100億美元。另一篇Reuters報道也提到，微軟、谷歌、Meta、亞馬遜四家公司2026年圍繞AI的投入預計接近6000億美元。

這套邏輯放到半導體上，最直接的結果就是：亞洲硬件鏈重新站到全球資金面前。

來源：互聯網

Reuters在5月初寫到，亞洲科技巨頭正在給AI牛市提供新的重心，部分中國臺灣公司產能已經被訂到2027年。產能被提前鎖定，意味著價格談判權向供應鏈上游移動，利潤彈性也會跟著放大。

過去市場講AI，焦點總在美國科技巨頭：微軟、英偉達、亞馬遜、谷歌、Meta、OpenAI。

現在資金開始向下游穿透：誰給AI提供HBM？誰做CoWoS？誰交付光模塊？誰提供電源、液冷、PCB、連接器？誰能保證數據中心的電力穩定？這些問題，正在把亞洲制造鏈推到資產重估的中心。

半導體行業的分工也在變化。

過去制造鏈很多公司被視為“外包產能”，估值跟隨訂單波動；現在它們開始被看成AI系統的瓶頸資產。只要某個環節出現供給緊張，它就可能獲得超額利潤。HBM如此，先進封裝如此，高速光模塊也如此。

更重要的是，AI基礎設施建設不是一輪短促補庫存。云廠商要建數據中心，先要拿電、拿地、拿服務器，再簽芯片和存儲長單，隨后進入網絡、散熱、軟件棧和客戶遷移階段。這個鏈條比消費電子周期更長，也更重。

所以這輪亞洲半導體行情的底層邏輯，不是單純跟隨美股AI熱度，而是全球資本把AI投資拆成一張供應鏈清單后，發現大量關鍵節點都在亞洲。

半導體告別舊周期

現在最大的分歧已經出現：AI能不能讓半導體第一次進入真正意義上的長周期牛市？

傳統答案會偏謹慎。半導體行業幾十年來一直逃不開擴產和下行。景氣一來，廠商加資本開支；產能釋放后，供給過剩；下游需求放緩，價格下跌；庫存去化，又等下一輪周期。這個行業的歷史并不缺牛市，缺的是長時間穩定的高回報。

AI給了市場一個新解釋。

大模型不是一次性需求。訓練模型需要算力，推理落地需要更多算力，Agent、AI搜索、企業知識庫、自動駕駛、機器人、AI PC和AI手機都會繼續消耗芯片、內存和存儲。更大的變化在于，企業客戶還沒有真正大規模部署AI，很多應用仍在早期試點階段。只要應用側繼續擴散，硬件需求就有繼續上修的空間。

這會讓半導體估值體系發生變化。

過去市場看半導體，重點盯庫存、價格、渠道水位；未來幾年，資金會更關注訂單鎖定、技術壁壘、客戶結構、資本開支效率、現金流質量，以及企業在全球供應鏈中的位置。

同樣是芯片公司，估值差異會被拉得更大。能卡住HBM、先進封裝、AI ASIC、光互聯、電源管理、液冷和高端材料的企業，會享受更高溢價；只提供普通產能、沒有客戶粘性、擴產紀律差的公司，仍會被周期拖回原點。

風險也不能回避。

第一，AI資本開支如果邊際降速，高估值半導體資產會最快承壓。Big Tech當前投入規模極大，債務融資和自由現金流壓力都在上升。FT近期提到，亞馬遜、Alphabet、微軟、Meta四家公司AI基礎設施投入正在壓低自由現金流，投資者對回報周期的要求會越來越嚴格。

第二，模型效率提升可能改變硬件需求節奏。如果推理成本快速下降，或者更高效架構減少單位算力消耗，市場對GPU、HBM和服務器的需求預期可能需要重算。效率提升不一定會壓低總需求，但它會改變訂單釋放節奏。

第三，擴產終究會來。只要利潤足夠高，資本開支一定會增加。存儲、封裝、服務器、電力設備都可能在未來兩三年進入產能釋放期。到那時，市場會重新審視供需平衡，今天的稀缺資產可能變成明天的價格壓力。

第四，地緣政治會持續抬高供應鏈成本。先進制程、HBM、EUV設備、AI芯片出口限制、稀土和關鍵材料，都可能讓半導體從商業問題變成安全問題。安全溢價能推高本土替代，也會降低全球供應鏈效率。

所以，這輪半導體牛市最關鍵的觀察點，不是股價還能漲多少，而是三個賬本能不能對上。

訂單賬：云廠商和AI公司是否繼續簽長期訂單。資本賬：擴產能否保持紀律，避免重復建設。利潤賬：價格上漲和高端產品占比提升，能不能真正轉成自由現金流。

只要這三張賬繼續匹配，半導體行業就有機會擺脫“短周期交易”的估值框架。反過來，只要其中一張賬出問題，資金也會迅速從高彈性資產里撤出來。

市場接下來要篩掉的，不是“有沒有AI故事”的公司，而是那些只有故事、沒有訂單，只有擴產、沒有現金流的公司。真正的新一輪核心工業資產，會在下一次波動里分出來。