美光高管：存儲決定AI上限，實質性新增產能要到2028年後

隨著AI熱潮從數據中心延伸至邊緣端與機器人領域，美光高層警告，儲存已成為決定AI效能上限的最核心瓶頸，而因新建產能週期漫長且製程極其複雜，產業供需失衡的格局至少要到2028年後才會迎來實質的新增產能釋放。

9月15日，在Six Five Summit 2026半導體聚焦論壇上，美光公司CEO高級顧問Sumit Sadana接受分析師Patrick Moorhead的專訪，詳盡解析了AI時代下儲存產業的供需格局、資本支出規劃及未來的核心增量市場。

過去一年，整個科技產業對儲存的認知發生了根本性重塑。這樣的轉變，源自於運算能力早已不再是AI系統能力的唯一指標。Sadana在訪談中一語中的地指出目前AI硬體的底層邏輯：「如今，人工智慧系統的效能首要取決於記憶體子系統的效能及容量。這兩項因素才是真正決定AI子系統效能的關鍵。」

他解釋，因為AI模型必須儲存在記憶體中，且龐大數據需在記憶體間來回搬運，處理器與記憶體之間的頻寬已成為效能的關鍵瓶頸。同時，儲存市場正面對著數十年累積下來的結構性失衡——90年代初，有多達20餘家DRAM公司，如今只剩少數；而目前設計處理器的公司卻已超過20家。這種「少對多」的漏斗型供給格局，令儲存供應鏈在面對爆發式AI需求時顯得極為脆弱。

資本支出飆升，實質新增供應需等到2028年

面對供需巨大缺口，僅靠技術升級帶來的bit成長已難以滿足市場胃口，整個產業被迫進入「新建無塵室與晶圓廠」的重資本擴張週期。

美光正啟動前所未有的資本支出計畫。Sadana透露：「單看我們的資本支出規劃：2025財年的資本支出略高於130億美元；2026財年將翻倍；2027財年預計將突破450億美元。我們最近於美國宣布將投資額從2000億拉高至2500億美元，並加快時程。」此外，美光也於美國愛達荷州、紐約州，以及台灣、日本、新加坡等地同步推進約20個擴產項目。

然而，遠水救不了近火。半導體廠的興建受限於基礎設施、法規審批，以及技術工人大量短缺。Sadana明確給出時間預期：「我們認為實質有效的新增產能要到2028年才能逐步釋放，且那僅是初期，產能增長動能會到後續幾年才真正增強。因此全產業都需一段時間才能尋得新平衡。」

產能釋放緩慢的另一大原因，在於記憶體製造工藝之複雜幾近天文數字。以目前最夯的HBM為例，Sadana直言其能正常運作「簡直是奇蹟」：「試想，把12層DRAM晶片層層堆疊，最底層還有跟GPU連接的基礎晶片。整個系統面臨嚴峻的散熱挑戰和功耗問題......一個晶圓廠約有2000道製程。從投產至出貨給客戶，週期大致需時五個月。」

告別「隨買隨賣」，長期「長協」與「深度客製」重塑商業模式

極度稀缺的產能正倒逼存儲產業商業模式劇變，傳統現貨交易及符合JEDEC標準的通用晶片時代正逐步改變。

「我們簽的是多年期合約，承諾客戶供貨，客戶也承諾給出預測需求。這跟過去一年期協議全然不同——以往客戶想買就買，只要有貨我們就供。」Sadana指出，這種「戰略客戶協議」模式投資報酬率極高，為晶圓廠多年資本支出提供了底層保障。

更深刻的變化在於研發端的綁定。為了在AI系統中於功耗、模型運作速度等層面實現差異化，客戶正把存儲設計提前納入5到7年產品路徑圖。Sadana強調：「這種模式將合作關係轉變成更類似於ASIC晶片的合作——客戶在設計上擁有更大自主權，且這種關係為長期合作。」

AI落地邊緣，人形機器人將成最大增量市場

市場普遍關注數據中心AI需求，但美光認為那只是起點。隨著AI滲透智能手機、PC（如採用統一記憶體架構的Mac mini）以及自動駕駛汽車，存儲需求將無所不在。

對未來的想像空間，Sadana將目標鎖定在機器人賽道，認為這將是繼數據中心後又一波海量需求浪潮。

「想想人形機器人，它將成為有史以來最大的產品市場之一。」Sadana展望2030年代市場時強調端側AI對存儲的極大消耗：「機器人技術最令人振奮的地方在於，每一台設備都需要儲存龐大數據——每個人形機器人將擁有數百GB的DRAM內存以及數TB的NAND快閃記憶體。因此，這將極大帶動DRAM與NAND需求的成長......機器人必須能自主運作，不能每次都發資料回伺服器。」

以下是訪談正文：

Sumit Sadana 00:00（UTC+8）

如今，人工智慧系統的效能首要取決於記憶體子系統的效能及容量。這兩項因素才是真正決定AI子系統效能的關鍵。歡迎回到2026年峰會。

Patrick Moorhead 00:22（UTC+8）

人工智慧時代已然到來。記憶體的重要性和戰略性令人驚嘆。我一直都覺得記憶體很重要，但面對AI時代所給予我們的能力，我簡直難以置信——坦白說，如果沒有足夠的記憶體、沒有合適的記憶體，我們身邊所有精彩的事物都無法成真。

我很高興宣布，美光公司將參與本次峰會。很高興見到你，很開心你回來。謝謝你的邀請，真是太棒了。我在這個產業35年，從記憶體消費者，到合作夥伴，再到現在在分析公司研究記憶體市場與相關產業。我們取得的進展令人驚艷。去年我們交談時，我還把記憶體歸類為戰略性技術——是的，這點我要邀功。坦白說，你更值得稱讚，因為你是真正行動者，我只是在談論罷了。不過，如今這種觀點似乎更重要，越來越多人開始討論。在這個AI時代，過去一年發生了什麼讓產業更加重視記憶體？

Sumit Sadana 01:44（UTC+8）

為什麼AI會加速這樣的轉變？這是很好的問題。雖然只過了一年，但就這一年全球變化之戲劇性來看，感覺像是很長時間。尤其從客戶角度變化巨大。我們目前面臨的狀況是，所有市場領域的記憶體都嚴重短缺。儘管我們極力提升供給，目前仍無法斷言什麼時候供應會趕上需求，因為需求持續成長，來自各領域客戶的信號每年增加。

客戶看待記憶體的方式發生變化有幾個原因。首先是供需之間的巨大缺口；其次，考慮到AI需求，系統對效能要求也不斷提升。當你思考系統如何達到最佳效能時，就會發現處理器不是唯一要素。如今，記憶體效能、處理器與記憶體間的頻寬以及記憶體本身的容量都至關重要。因為AI模型需儲存在記憶裡，龐大數據需要不停於記憶體之間搬移，處理器與記憶體間頻寬已成效能瓶頸。所以，客戶逐漸理解必須重新規劃產品路線圖、採用新的記憶體策略。

Sumit Sadana 03:44（UTC+8）

現在，重點在於如何設計記憶體以獲得競爭優勢，讓每個客戶的系統脫穎而出。如果記憶體還是像幾年前那樣，大家都用的、符合JEDEC標準的現成品，那就很難做差異化。所以我們現在與客戶合作，將記憶體設計納入他們多年產品路線圖。他們關注如何實現差異化、如何打破競爭格局。這意味要用不同思維看待記憶體，和像美光這樣的夥伴合作，打造能被實際應用、帶來新價值的全新功能。

Sumit Sadana 04:31（UTC+8）

舉例來說，我們與Nvidia在數據中心低功耗DRAM（LPDRAM）的合作就是很好的範例。我們是率先將這項技術導入數據中心的公司，並且長期是唯一供應商，如今這項技術開始被其他公司採用。越來越多客戶體認到使用低功耗DRAM的優勢——更高密度、更小尺寸、更高效能，以及顯著降低的功耗，這對數據中心尤其關鍵。這只是其中一例。

Patrick Moorhead 05:07（UTC+8）

展望未來五年，這些技術正進入大爆發。我試圖解釋人們為何突然對記憶體興趣高漲時，會想到我大學時的一門課——那是80年代末，基本道理是：如果把操作控制在記憶體範圍內，就能提升效能。現在雖然有些不同，但記憶體越多成效越好，而且越靠近處理核心越好，一旦超出記憶體範圍就會慢下來。這在AI時代是巨大挑戰。

這真的很有趣。我的職涯經歷過9次記憶體產業週期。我曾在OEM廠工作，後來在晶片公司，如今在分析公司已15年。記憶體週期性極強，雖說其他產業也有週期性，但記憶體被廣泛視為高度商品化產業。你前面稍微談過這點，不過......

Sumit Sadana 06:17（UTC+8）

為什麼AI正在徹底改變此觀念？這是很棒的問題。你回顧90年代初，那時有20多家公司做DRAM，DRAM產業經歷了大量整併。彼時處理器公司僅幾家，如今處理器公司已超過20家，只需算算做CPU設計的公司數就知道。做DRAM的廠商卻屈指可數。

所以，當你思索AI設計、AI子系統設計時，不光是數據中心——數據中心還要分訓練與推理（inference）等負載，甚至推理本身逐漸細分成不同類型。有一小部份可用SRAM，大多數還是極度仰賴DRAM。我們試著在這些系統配置最大容量DRAM。這股趨勢甚至身延至自駕車、工業系統，再看看智能手機和PC——由於統一記憶體架構，Mac mini暢銷，引爆Open Claw運動。這一切歸根結柢，全都跟AI相關。

Sumit Sadana 07:50（UTC+8）

如今，系統效能首先取決於記憶體子系統的效能與容量，這兩點成就AI子系統效能。因此，當記憶體成為系統核心設計重點時，你就必須重新思考記憶體問題。隨之而來的核心問題是：如何快速推出差異化產品？我認為未來記憶體產業將與過去大不相同，而這也與以下觀點緊密相關......

Sumit Sadana 08:36（UTC+8）

整個產業最終走到必須新建產能的地步，這真出乎意料，因為AI推動的需求成長太明顯。單靠技術升級已不足以滿足需求，而過去數年，bit成長本可追上需求成長。如今，業界需大幅增加晶圓產出，這代表必須新建潔淨室空間。當現有廠區潔淨室用罄——多數公司皆如此——只得在新地點同步擴建，而這非常耗時。

這過程極為冗長，且受各種現實因素制約，例如全球各地建設速度、法規審核效率不同。要在一片空地上建構好所有基礎設施——電力、水源與水處理廠？化學品供應及所有晶圓廠配套基礎設施都需很長時間，這正是產業所面臨的現實。

Sumit Sadana 10:01（UTC+8）

所以，儘管我們已盡最大努力，其它企業也同樣努力，目前仍然難以追上市場需求。供給追趕需求需極長時間，這正是影響客戶行為的另一大關鍵因素。

Sumit Sadana 10:27（UTC+8） 這就是我們一直在談的戰略客戶協議。這些戰略客戶協議根本改變了我們的商業及營運模式。合約長達多年，我們承諾供貨，客戶需給需求預測，不像過去一年期協議——過去有貨就賣、想買就賣。現今協議是承諾供貨合約，投資回報率極高，因此能為多年資本支出需求提供保障。

當然，這還未談到智能體AI，也就是人工智慧的下一階段。之後還會發展出物理型AI，那將催生下一波巨大需求。這幾波需求並非彼此取代，而是層層相加、彼此強化。這就帶來大挑戰——如何把如此大規模的實體產能轉移至線上？

Patrick Moorhead 11:39（UTC+8）

這段期間為滿足各種需求，我認為你們的長協計劃完美證明記憶體戰略地位正步步提升。我知道很容易將此理解為「我們需要長協計畫來鎖定產能」，這當然重要，但更是協同規劃的體現。

從技術層面說，我很震撼，也很高興你提及邊緣AI。最有趣之處在於，不論是Open Claw，還是客戶端高效計算的新設計——比如將記憶體與CPU、GPU深度耦合以提升頻寬——終端電腦架構已很久沒有大幅變化。接下來我想談談超大規模數據中心，我們剛才也略議過，很多創新、模型、資本投入都在這些區塊。不過我更好奇自駕車、PC、機器人、智慧邊緣等領域......

Sumit Sadana 13:00（UTC+8）

記憶體需求是否正在改變這些應用？是的，好問題。的確，一切始於數據中心。但是AI未來發展不會停留在數據中心，這股智慧浪潮將往邊緣推進，最終智慧將無所不在，進入所有設備。這涵蓋各類消費電子、汽車，甚至包括工業革命第二階段——屆時這些智慧將遍及全球各地的企業。

Sumit Sadana 13:43（UTC+8）

你的個人設備，不論是工作還是家用的電腦、你的智能手機，甚至有些正在研發的新設備——這些設備造型和用法可能與傳統手機或電腦完全不同。畢竟當你設想打造原生AI設備時，可以想到與傳統手機/PC策略完全不同的實現模式。這又回到如何極低功耗的問題，例如需要電池供電的裝置。怎麼在本地裝置高效運行同時提供消費者價值、夠小型讓模型能運作而不回傳雲端——這正是AI新前線。

這樣的探索會持續進行下去。夠小可以在電腦或智能手機上本地運行的模型，將隨著時間越變越強大。如此一來數據隱私和安全優勢便突顯。消費者極為重視這點，那些能保證用戶與設備互動內容絕不上傳雲端的公司，將創造全新應用、且極具價值。

Sumit Sadana 15:30（UTC+8）

再看自動駕駛，現正迅速發展，全靠AI技術推動；而下一波前沿技術則是機器人。想想人形機器人，它將成為史上最大產品市場之一。當然這需要些時日，不過我們正逐漸接近那個奇異點——屆時你將能像與真人對話般和人形機器人互動，其認知能力幾近難辨。隨時光推移，這些機器人的物理能力會變得越發複雜，這將是一場革命。

最初，它們會應用於工廠自動化等場域，執行明確、自由度較低的任務。一旦「畢業」進入最複雜的家庭環境——因家庭極度非結構化——我相信，進入本世紀30年代，機器人技術將成為主要的成長動能。其最迷人之處是，每台設備都須儲存龐大數據——每個人形機器人將有數百GB DRAM與數TB NAND flash。如此一來，DRAM和NAND需求就會爆增。我相信許多人低估這一點：機器人必須能自主運作，不能每次都往伺服器送資料。這是真的。

Patrick Moorhead 17:25（UTC+8）

同時，在你解釋過程中我突然意識到，美光正實現往Giga（吉瓦，gigawatt/tier）規模的飛躍。光想到要發明這項技術就令人驚嘆。我相信，大家談論美光時，應牢記這一點。

伴隨人工智慧時代，人們的戰略遠見愈發重要，無論是尚未發明的前沿設備，還是即將問世、可直接連接AI大模型的吉瓦級數據中心皆然。

我聽說過這種共創（co-design/co-invent）概念，也和你們夥伴聊過，他們談到很多新構想嘗試。我先前也略提過架構上的變革——以往這多靠JEDEC標準等完成。但現在討論的是實打實的深度共同設計。你能聊聊與夥伴間正在發生的合作型態變化嗎？

Sumit Sadana 18:45（UTC+8）

當然。我們的合作夥伴也想搞懂如何在各自領域獲勝、打敗對手。記憶體處理器子系統之所以是AI子系統中最重要部分，因為記憶體與處理器的互動本質上決定AI系統眾多關鍵參數——它決定系統功耗、可運行何種模型、模型大小及運行速度。

你看看大語言模型（LLM）這領域在各種尺寸、型式上的進步，會發現為了在硬體的記憶體設計週期和處理器設計週期中實現差異化，各細分市場必須密切合作。這不是那種即插即用、JEDEC標準的元件，後端認證即可。有些時候的確如此，但客戶越來越需思考如何做到差異化？我得打造現成產品裡沒有的特殊功能。所以我們要跟記憶體供應商展開為期5-7年的長期研發路線圖討論。我們已融入許多客戶的研發路線圖，他們有許多有趣構想，有些能落實，有些尚需多年才能有革命性突破。

Sumit Sadana 20:28（UTC+8）

我們對從客戶那裡看到的多元想法感到興奮。正如你所說，這些構想跨及極廣——有些設備是極低功耗（全程用電池供電），有些適用於gigawatt等級的數據中心。我們已在多個細分市場及當中的領先企業見到創新成果，未來還會接續見證，並積極努力。

很多令人振奮專案讓我們不斷提升能力，實現客戶想要落地的創新產品。客戶無法與多家公司如此深度合作，所以通常深度討論只跟一兩家公司，其它廠商得多年後才能趕上。這種模式優點是，你可以和一到兩家公司真正緊密合作，通常你就變成單一來源供應商，或短時期就與另一家並行。這種合作型態更像ASIC合作——客戶設計自主性大，關係呈長期特質。那是因為雙方關係是特殊ASIC式合作，不是幾年前那種標準記憶體芯片式合作。我看到的另一個大變化，是此模式可大規模複製。

Patrick Moorhead 22:27（UTC+8）

沒錯。這意味產量極大、資金規模足夠讓雙方都能投資，而專案啟動最大關鍵就是真正的差異性。大家都在尋找突破口，不論效能、總持有成本（TCO）都想成為領先者。

我想換成投資角度展望未來。你剛提過產能投資。有趣的是，外界總以為記憶體廠可像寫程式一樣快速蓋好。但老實說，我曾在有晶圓廠的IC公司工作，到今天為止，這依舊是高資本密集計畫，得等三四年才見成果。你能分享你們進行中的哪些投資鞏固美光於新世代技術的地位嗎？不管是AI或其他技術，抑或是AI某種變體。這些投資確實要很久，你說明很清楚了。

Sumit Sadana 23:57（UTC+8）

你說的對。順便說，如果有人知道怎樣快速蓋好DRAM廠，我們很想知道，那會幫大忙。我們的客戶肯定希望盡快拿到貨，我們也正盡全力。

我們已經極力加快所有投資。例如我們的資本支出計劃：2025年財年略高於130億美元；2026年將翻一番；2027財年預計超過450億美元。數字持續走高。我們近期在美國宣布投資額從2000億美元提至2500億，並加快了時程，預計明年底將投入502億美元。

這些投資遍及所有領域。例如愛達荷州的ID1廠將投產首條線；明年中ID2廠會緊隨其後，首批晶圓線預定2028年底投產。我們台灣收購的晶圓廠也將於2027年投產，我們正積極擴建。此外日本、新加坡也有擴建，因此全球約20個不同規模的項目同步推進，涵蓋前端與後端產能提升。

Sumit Sadana 26:06（UTC+8）

但這全都要花很長時間。每新建晶圓廠皆如此。在紐約州，我們計劃建構包含四座廠的聚落集群，第一座預計2030年投產。今年1月已動工，混凝土澆築等里程碑比規劃還提早完成。

Sumit Sadana 26:22（UTC+8）

全球各地還有許多案正在進行，但都需申辦各式資格證，還需要配套基礎設施。建築人才極缺——想想如今全美與世界多地同步有案在建。

到處都在蓋數據中心，這些中心需要電力，所以發電廠同步在建；還需求半導體，前端/後端半導體工廠也在興建。所以技術人力真的很缺，完成這些極為複雜的建設案，技術人力根本遠遠不夠。

Sumit Sadana 27:15（UTC+8）

因此我們致力社區投資、人才培育，確保人才充足，這不僅有助美光推進項目，最終也回饋產業生態。我們正多管齊下，包括人才培訓、社區學院、地方合作等。這是長遠的大事。

我們預估隨時間推移，設施規模會持續擴大，因為晶圓廠如集群發展，不能只蓋一座。你需要規模，盡快突破成本曲線拐點，所以要持續拓建——這代表未來十年甚至更久都會持續擴張。這些都是長期計畫。我們認為有效新增供應要到2028年才會開始釋放，且只是初期，產能增長動能需又數年後才能明顯變強。整個產業要經一段調整期，至於何時達到新平衡，目前還難預測。

Patrick Moorhead 28:54（UTC+8）

你的案例很詳實，提供的投資資訊也很充分。不過，有點可能有人誤會，就是記憶體的複雜度。大家都知道邏輯晶片很難做。那麼我們來談談記憶體的複雜——它其實是目前最難的半導體技術之一。

Sumit Sadana 29:19（UTC+8）

大家常說邏輯電路技術最領先，不過記憶體絕對也是頂尖。它用的是EUV光刻，這種機器超級巨大。一座晶圓廠大約有2000道製程工序。從投產到交付，最少需五個月。這真讓人嘆為觀止，一般人難以想像。光廠內製造要至少三個半月至近四個月，組裝、封裝及測試又要一個月至一個半月。

Sumit Sadana 30:04（UTC+8）

遇上更複雜的產品，例如HBM，就更明顯。很多人說它能順利運作簡直奇蹟。試想把12層DRAM疊疊樂，底層還有個連接GPU的基底晶片。整個系統散熱和功耗壓力巨大——高頻寬怎麼運作、持續在CPU與chip間大量搬運數據同時怎麼散熱？單就封裝工藝就好比無塵室環境的複雜度，遠勝邏輯芯片傳統倒裝封裝。無論是封裝技術複雜度，還是前端製程（如EUV光刻），DRAM每個節點都越來越難推進。

Sumit Sadana 31:18（UTC+8）

NAND端也是同樣邏輯。我們一層一層堆，200層、300層、400層，通過這樣生產這些器件，工序複雜度高不可攀。而這些NAND產品還可以儲存資料又確保功能——現在一顆SSD容量就能做到245TB。這種大容量卻能放進小尺寸內，真的是工程師與生產團隊天天在做的奇蹟。這種複雜度超乎想像，未來我們還會持續推進，製程線寬更加細緻並真正大規模量產，這將是下個奇蹟。

Patrick Moorhead 32:23（UTC+8）

它需投入巨量時間、心力與技術創新。它的複雜程度讓我驚歎，你還能在這麼寬的功耗範圍達成這一切，更讓我佩服。我不知道地球上有多少家公司能做到。

有趣的是，人們常說「我對此永遠無法滿足」，我想那是因為大家想要更多、想要更令人驚豔的東西。然後又開始討論價格等等。但我認為這是投資——美光與存儲產業投資本屬必然，坦白說，如果不持續投入，創新就會停滯。我期待美光未來藉其投資可創造什麼成就，不只晶圓廠，也包括技術本身。我相信機器人領域能帶來十倍成長，有望成為巨量成長市場——這也是我們既有產能模型還未充分納入的增量動能。當然還需更多證據來評估它何時發揮最大威力。

非常感謝你這次的對話。難以置信我們一年前有這場對話，看看現在的狀態，這一年變化真大。