Jensen Huang: Bakit Maaaring Huwag Makarating ang Sobrang Suplay ng mga Chip ng Memorya sa AI hanggang 2029

2026/10/23 19:02:00

Pagsisimula

Maaari ba ang boom ng artificial intelligence na panatilihin ang kakulangan sa mga memory chip hanggang 2029? Naniniwala ang CEO ng NVIDIA na si Jensen Huang na hindi malaki ang posibilidad ng sobrang suplay ng memory hanggang sa taong iyon, at sinasabing patuloy na magiging kailangan ng mas maraming memory ang paglalawak ng AI workloads. Ang kanyang pananaw ay lumalaban sa mga pag-aalala na maaaring dagdagan ng mga manufacturer ang kapasidad nang sobra pagkatapos ng isang panahon ng mabilis na pag-invest, na maaaring mag-trigger sa isang malakas na pagbaba sa semiconductor cycle.

Mahalaga ang debate dahil ang memory chips ay mahahalagang komponente sa AI servers, data centers, personal computers, at smartphones. Mahalaga lalo ang high-bandwidth memory (HBM), server DRAM, at enterprise solid-state drives habang lumalawak ang AI infrastructure. Gayunpaman, ang patuloy na demand ay hindi nagjamin ng patuloy na maliit na suplay: ang mga pag-invest sa produksyon, pagbabago sa teknolohiya, paggastos ng mga customer, at mga pagbabago sa inventory ay maaaring palitan ang mga kondisyon sa merkado.

Sa 2026, ang pangunahing tanong ay kung kaya ba ng demand para sa memorya na idinudulot ng AI na maserap ang bagong kapasidad sa produksyon habang ito ay nagsisimula. Ang pag-unawa sa argumento ni Huang ay nangangailangan ng pagsusuri sa papel ng HBM, ang oras na kailangan upang palawakin ang paggawa, ang pagkakaiba sa pagitan ng mga produkto ng memorya, at ang mga panganib na maaari pa ring magdulot ng sobrang suplay.

Bakit naniniwala si Jensen Huang na ang sobrang suplay ng mga chip ng memorya ay hindi mangyayari bago ang 2029?

Ang argumento ni Huang ay ang mga sistema ng AI ay magpapatuloy na maglalabas ng mas maraming memorya habang lumalawak ang mga modelo, data centers, at computing workloads. Sa mga komento na isinulat mula sa GTC event ng NVIDIA sa Berlin noong October 22, 2026, ipinahayag niya ang kanyang pagdududa na ang suplay ng memorya ay lalampas sa pangangailangan bago ang 2029 at pinahalagahan ang patuloy na kahalagahan ng mas malaking kapasidad ng memorya. Ang kanyang pananaw ay nagpapakita ng pagbabago ng papel ng memorya sa AI infrastructure, kung saan ang performance ay lalong nakadepende sa epektibong paggalaw ng malalaking amount ng data kasama ang pagproseso nito.

Hindi isang magkakapalit na produkto ang memorya. Gumagamit ang mga sistema ng AI ng iba’t ibang uri ng memorya para sa iba’t ibang gawain, kabilang ang HBM na nakaposisyon malapit sa mga accelerator, DRAM na ginagamit ng mga server at iba pang computing system, at NAND-based storage na ginagamit sa mga solid-state drive. Habang tumataas ang AI workloads, tumataas din ang demand sa ilan sa mga kategoryang ito, bagaman ang sukat at panahon ay magkakaiba.

Gayunpaman, ang mga komento ni Huang ay isang paghuhula, hindi isang jamin. Maaaring mabawasan ang pangangailangan sa memorya kung ang paggasta sa infrastruktura ng AI ay magiging mas mabagal, ang pagpapabuti ng epektyibidad ay mababawasan ang pangangailangan sa memorya bawat gawain, o ang mga tagagawa ay dadagdagan ang kapasidad nang mas mabilis kaysa sa pagkonsumo ng mga customer. Ang pangunahing tanong ay kung ang paglago sa pangangailangan na kaugnay ng AI ay lalampas sa pinagsamang epekto ng mga bagong pabrika, mas mataas na yield ng produksyon, at pagbabago sa mga imbentaryo ng customer.

Paano tinutulungan ng AI ang pagtaas ng demand para sa HBM, DRAM, at NAND?

Ang AI infrastructure ay tumataas ang demand para sa ilang mga teknolohiya ng memorya dahil kailangan ng mga modelo ang mabilis na pag-access sa data, sapat na working memory upang handle ang mga kumplikadong gawain, at storage para sa malalaking dataset at model parameters. Ang HBM ay nagtatanggap ng partikular na atensyon, ngunit ang server DRAM at enterprise storage ay may mahalagang papel din sa buong sistema.

Bakit Mahalaga ang High-Bandwidth Memory para sa AI?

Ang HBM ay disenyo upang magbigay ng napakataas na data bandwidth sa isang kompaktong package malapit sa mga processor tulad ng AI accelerators. Nakakatulong ito sa mabilis na paghahatid ng data sa pagitan ng memorya at compute units, na nagpapabawas sa isang pangunahing performance bottleneck sa mga demanding AI workloads. Habang lumalaki ang mga modelo at lumalawak ang inference activity, ang amount ng memorya na available at ang bilis kung saan ito ay makakapagbigay ng data ay maaaring makaapekto sa system throughput.

Ang produksyon ng HBM ay teknikal ring mahirap. Dapat ng mga gawang-pandurog na magmaneho ng advanced packaging, efficiency ng enerhiya, mga limitasyon sa thermal, at yields, habang nagsasabay sa mga bagong henerasyon ng AI processors. Ibig sabihin nito, ang kapasidad ay hindi laging maaaring palawakin nang mabilis gaya ng maaaring ipakita ng karaniwang output ng paggawa. Ang kakayahan ng isang pabrika na magproduko ng memory chips ay hindi awtomatikong nangangahulugan na maaari nitong agad na magbigay ng bawat mataas na halagang produkto na kailangan ng mga customer sa AI.

Ang opisyal na mga resulta ng ikalawang kwartal ng 2026 ng Samsung Electronics ay nagraport ng rekord na pagganap sa kanyang Memory Business dahil sa malakas na pangangailangan sa AI at limitadong kapasidad. Ang Samsung ay naglarawan din ng patuloy na pag-unlad at pagbebenta ng mga produkto ng HBM4. Ang mga paglalabas na ito ng kumpanya ay nagpapakita kung paano ang pangangailangan sa AI ay nakakaapekto sa komposisyon ng produkto at mga priyoridad sa paggawa, bagaman hindi ito nagtatatag kung gaano katagal magpapatuloy ang mahigpit na kondisyon.

Bakit mahalaga rin ang Server DRAM at Storage?

Ang HBM ay isa lamang bahagi ng pangangailangan sa memorya. Ang server DRAM ay nagbibigay ng working memory para sa mga CPU at iba pang system components, habang ang enterprise solid-state drives ay nag-iimbak ng data at sumusuporta sa mga workload na hindi maaaring manatili nang buo sa mataas na bilis na memorya. Kaya maaaring dagdagan ng AI systems ang demand sa iba’t ibang produkto kaysa mag-asa lamang sa isang uri ng memorya.

Habang lumalawak ang mga AI application, kailangan ng mga data center na balansihin ang bandwidth, kapasidad, latency, pagkonsumo ng enerhiya, at gastos. Ibabawas ng iba’t ibang arkitektura ang iba’t ibang kompromiso. Maaaring prioritizahin ng ilang workload ang HBM bandwidth, habang iba naman ay mas nakasalalay sa server DRAM o storage. Maaari ring magbago kung gaano karaming memory ang kailangan ng bawat workload dahil sa pagpapabuti sa efficiency ng software at hardware.

Ang diversidad na ito ay nagpapalakas sa argumento na ang pangangailangan sa AI ay maaaring suportahan ang ilang sektor ng memory market. Ito rin ay nagkakaroon ng komplikasyon sa mga pagtataya: ang kakulangan sa HBM ay hindi nangangahulugang ang bawat DRAM o NAND product ay kulang sa suplay. Dapat suriin ng mga investor at mga obserbador sa industriya ang bawat sektor nang hiwalay, kaysa tratuhin ang memory bilang isang magkakasamang merkado na may iisang balanseng suplay at pangangailangan.

Ano ang maaaring magdulot ng sobrang suplay ng memory chip bago 2029?

Maaaring lumabas ang sobrang supply ng memory chip bago ang 2029 kung ang mga tagagawa ay papaunlarin ang kapasidad nang mas mabilis kaysa sa pagdami ng pagkonsumo ng mga customer. Ang pagbibilang ni Huang ay nagpapakita ng tiwala sa matagalang pangangailangan sa AI, ngunit nananatiling siklikal ang industriya ng semiconductor, at maaaring magkaroon ng hindi balanseng suplay at demand kahit na patuloy na lumalago ang pundamental na teknolohiya.

Maaaring magpahina sa pananaw ng maliit na suplay ang ilang mga salik:

Mas mabagal na paggastos sa infrastruktura ng AI: Maaaring mag-delay ang mga cloud provider at iba pang malalaking customer sa mga proyekto ng data center kung mas mahaba kaysa sa inaasahan ang pagbabalik o kung magiging mas maliit ang budget.
Mas mabilis na pagpapalawak ng produksyon: Maraming manufacturer ay maaaring magdagdag ng mga bagong facility at kagamitan sa parehong panahon, na nagpapataas ng available na output.
Mas mabuting paggamit ng memorya: Ang mga pag-unlad sa hardware, software, at arkitektura ng sistema ay maaaring mabawasan ang kailangang memorya para sa ilang mga workload o mapabuti ang paggamit ng umiiral na kapasidad.
Mas mababang demand mula sa iba pang industriya: ang mga PC, smartphone, at tradisyonal na enterprise system ay kumakain din ng memorya. Kung magiging mahina ang mga merkado na ito, maaaring hindi makapanatili ng lahat ng bagong produksyon ang kabuuang demand.
Mga pagkakamali sa inventory: Maaaring mag-order nang agresibo ang mga customer habang may kakulangan at sunod ay bawasan ang pagbili matapos makamit ang sapat na inventory, na nagpapalakas ng pagbaba sa mga order.

Mahalaga ang mga panganib na ito dahil ang paggawa ng memorya ay may mataas na fixed costs at mahabang cycle ng investimento. Kapag malakas ang demand, may incentive ang mga kumpanya na palawakin ang kanilang kapasidad. Kung dumating ang bagong suplay pagkatapos magbago ang mga kondisyon ng merkado, maaaring makaharap ang mga manufacturer sa pagbaba ng presyo, mas mababang paggamit, at mas mahinang margin. Naganap na ang pattern na ito sa mga semiconductor market noon at patuloy pa ring isang makabuluhang panganib kahit sa panahon ng malaking teknolohikal na pagbabago.

Maaari rin na magkaroon ng iba’t ibang kondisyon sa magkakaibang segment ng memorya nang sabay-sabay. Maaari pa ring mag-remain na constrained ang HBM habang ang ilang karaniwang produkto ng memorya ay maging mas madaling available. Ang isang malawak na pag-claim na ang buong merkado ay magiging undersupplied o papasok sa glut ay maaaring magkakaroon ng mahalagang pagkakaiba sa pagitan ng mga produkto, manufacturer, at mga grupo ng customer.

Sumali sa Kompetisyon sa Futures Trading ng KuCoin

Naghahanap ng paraan upang subukan ang iyong market analysis at trading skills? Sumali sa KuCoin Futures Trading Competition at alamin ang pagkakataon na makipagkumpetensya sa iba pang mga trader.

Kahit na nagtatala ka ng mga stock na may kaugnayan sa AI tulad ng Micron o sumusunod sa mas malawak na mga trend ng merkado, mahalaga pa rin ang disiplinadong pagpapamahala ng panganib habang nagtatrabaho sa mga malakihang aset. Bago makilahok, suriin ang mga patakaran ng kompetisyon, mga kwalipikasyon, detalye ng mga reward, at mga kondisyon sa pagtinda sa opisyal na pahina ng event. Ang futures trading ay may malaking panganib at maaaring hindi angkop para sa bawat trader.

Kongklusyon

Ang pananaw ni Jensen Huang na ang sobrang suplay ng chip ng memorya ay hindi maaaring lumabas bago ang 2029 ay nagpapakita ng patuloy na kahalagahan ng memorya sa infrastraktura ng AI. Habang lumalawak ang mga modelo at data center ng AI, ang pangangailangan para sa HBM, server DRAM, at enterprise storage ay maaaring patuloy na suportahan ang industriya ng semiconductor. Samantala, ang advanced na produksyon ng memorya ay nangangailangan ng malaking pagsisikap, teknikal na eksperto, at oras upang ilabas ang bagong kapasidad.

Ang mga bagong paglalabas mula sa Samsung Electronics at SK hynix ay nagpapakita kung paano ang pangangailangan sa AI ay nakakaapekto sa mga prioridad ng produkto at pagsasagawa ng pananalapi. Ang pagsusuri ng Deloitte ay nagpapakita rin ng potensyal na magpapatuloy ang mga kakaibang pagkakaroon ng suplay habang binubuo ang bagong kapasidad. Ang mga salik na ito ay sumusuporta sa posibilidad ng isang mahabang panahon ng maliit na suplay, ngunit hindi ito nagtatatag ng tiyak na timeline.

Patuloy na posibleng may sobrang suplay kung palawigin ng mga tagagawa ang output nang mas mabilis kaysa sa paglago ng demand, bumagal ang paggastos sa AI infrastructure, o i-adjust ng mga customer ang kanilang imbentaryo. Dapat suriin ng mga investor ang pagdaragdag ng kapasidad, presyo sa antas ng produkto, mga komitment ng customer, at mga resulta sa pananalapi ng mga tagagawa, kaysa mag-asa sa isang tanging paunang pagtataya. Ang pangunahing isyu ay hindi lamang kung tataas ba ang demand para sa AI, kundi kung sasakop ba nang sapat bilis ng demand ang suplay na makararating sa merkado.

Mga Karaniwang Tanong

1. Ano ang sinabi ni Jensen Huang tungkol sa sobrang suplay ng mga chip ng memorya noong 2029?

Nag-expression si Huang ng pag-aalinlangan na magkakaroon ng sobrang suplay sa merkado ng memorya hanggang 2029, sinasabing ang AI infrastructure ay magpapatuloy na kailangan ng malaking kapasidad ng memorya. Ito ang kanyang pananaw, hindi isang jamin ng mga kondisyon sa hinaharap na merkado.

2. Bakit kailangan ng maraming memorya ang AI?

Kailangan ng mga AI system ang memorya upang panatilihin ang mga parameter ng modelo, prosesuhin ang data, at suportahan ang mga computing operation na kasangkot sa pagtatraining at inference. Ang HBM ay nagbibigay ng mataas na bandwidth malapit sa mga accelerator, ang server DRAM ay sumusuporta sa mga system operation, at ang storage ay nag-iimbak ng malalaking dataset at iba pang impormasyon.

3. Ano ang pagkakaiba ng HBM, DRAM, at NAND?

Ang HBM ay disenyo para sa mataas na bandwidth na pag-access malapit sa mga processor, ang DRAM ay naglilingkod bilang working memory sa mga computer at server, at ang NAND ay karaniwang ginagamit sa solid-state storage. Naglilingkod bawat teknolohiya sa iba’t ibang layunin, kaya maaaring magkaiba ang kanilang kondisyon ng suplay at demand.

4. Nangangahulugan ba ang malakas na pangangailangan sa AI na magpapatuloy ang mga tagagawa ng memorya na kumikita ng higit pa?

Hindi lamang ang kita at kita ang nakadepende sa mga presyo ng pagbebenta, gastos sa produksyon, mga yield ng paggawa, kompetisyon, at gastos sa kapital. Ang malakas na demand ay maaaring suportahan ang mga resulta, ngunit hindi ito jamin na ang margin o kita ay magpapatuloy na tumataas.

5. Ano ang pinakamalaking panganib sa pananatili ng suplay ng memorya hanggang 2029?

Ang pangunahang panganib ay ang pagdating ng bagong kakayahan sa produksyon nang mas mabilis kaysa sa pagtaas ng pagbili ng mga customer. Ang mas mabagal na pag-invest sa infrastraktura ng AI, pagpapabuti ng efficiency ng memorya, o pagkorekta ng inventory ay maaari ring magdulot ng pagbaba sa demand at magkontribyu sa sobrang suplay sa merkado.

Pahayag ng Pagkakaroon ng Pansin

Ang pangkalahatang impormasyon sa merkado na ito, maaaring mula sa mga third-party, komersyal, o sinponsor na pinagkukunan, ay ibinibigay lamang para sa refrensya at edukasyonal na layunin at hindi naglalayong maging payo sa pananalapi o pagsisikap, tawag, o jamin. Kami ay nagtatanggi sa anumang pananagutan para sa kawastuhan, kahusayan, katiyakan nito, at anumang nagresultang pagkawala. Ang mga pag-invest o pag-trade ay may panganib; ang nakaraang pagganap ay hindi nagjamin ng mga resulta sa hinaharap. Dapat mag-ralat, magpasya nang may pag-iingat, at tanggapin ang buong pananagutan ang mga gumagamit. Para sa karagdagang detalye, mangyaring bisitahin ang Mga Tuntunin ng Paggamit at Pagpapahayag ng Panganib ng KuCoin.

Disclaimer: AI technology ang ginamit sa pag-translate ng page na ito para sa convenience mo. Para sa pinaka-accurate na impormasyon, mag-refer sa original na English version.