Astra 真正強化的不是「某一款晶片會賣得更多」這麼簡單，而是市場對前沿模型持續向複雜推理、長上下文和代理任務演進的信心；這類工作負載會同時提升算力、記憶體頻寬、伺服器 DRAM 和高速儲存的需求。

文章作者、來源：ME News

簡而言之

Astra 真正強化的不是「某一款晶片會賣得更多」這麼簡單，而是市場對前沿模型持續向複雜推理、長上下文和代理任務演進的信心；這類工作負載會同時提升算力、記憶體頻寬、伺服器 DRAM 和高速儲存的需求。
9 月 4 日，美股存儲與記憶體股率先上漲，SanDisk 收漲 11.9%、美光上漲 6.1%；9 月 7 日，韓國市場跟漲，SK 海力士上漲 8.26%、三星電子上漲 5.68%。這說明資金正從「只買 GPU」轉向尋找 AI 基礎設施中仍具盈利彈性的瓶頸環節。
這輪存儲行情並非完全由 Astra 創造。TrendForce 數據顯示，2026 年第二季度全球 DRAM 行業收入環比增長 59.5% 至約 1547 億美元，供應擴張持續落後於需求；Astra 更像是將已存在的短缺、漲價和盈利上修邏輯重新推到台前。
「存儲交易」也不能一概而論。HBM 與 GPU、AI ASIC 的綁定最緊，伺服器 DRAM 受 AI 推理和智能體負載拉動更直接，NAND 則更多受數據集、向量數據庫、檢查點和數據分層影響，三者的景氣彈性、技術壁壘和週期風險並不相同。
真正值得追蹤的不是一兩天的股價，而是三個變數：AI 資本開支是否繼續上修、記憶體合約價與供給缺口能否延續、HBM4 及下一代產品的量產和客戶認證是否順利。

為何 Astra 會將資金重新導向存儲晶片

OpenAI 於 9 月 3 日正式發布 GPT-6 Astra，並將其定義為面向複雜、多步驟專業工作的旗艦模型，能力重點包括推理、編程、研究、計算機操作以及跨工具完成端到端任務。單從產品發布本身看，這並不等於 OpenAI 宣布「要採購更多記憶體」，但它給資本市場提供了一個重要信號：前沿模型競爭並未進入單純壓縮成本的階段，行業仍在追求更長任務鏈、更複雜推理和更高程度的自動執行。對於基礎設施而言，這意味著瓶頸不會只停留在 GPU 的矩陣計算能力上，數據如何快速進入計算單元、如何在長上下文和多輪推理中保存狀態、如何讓大量智能體同時讀寫數據，都會越來越重要。

這也是本輪行情與2023年至2024年「買GPU就是買AI」的最大區別。早期生成式AI投資更容易用GPU數量來衡量，市場關注的是英偉達能交付多少加速卡、雲廠商能搭多少訓練叢集；到了2026年，模型訓練仍然重要，但推理、智能體和企業級工作流的權重持續上升，系統效率越來越取決於算力、記憶體、網路和儲存能否配套。GPU再快，如果記憶體頻寬不足，計算單元就會等待資料；上下文視窗越長、併發任務越多，伺服器側需要保存和調度的KV Cache、參數、中間狀態也越多。於是，AI基礎設施的投資邏輯開始從「計算晶片稀缺」轉向「整個資料通路都可能稀缺」。

市場的反應非常直接。9月4日，SanDisk 上漲 11.9%，美光上漲 6.1%，而當日標普 500 指數整體走弱；9月7日亞洲市場接力，三星電子收漲 5.68%，SK 海力士收漲 8.26%，日本鎧俠也明顯走強。Astra 當然是催化劑，但如果僅靠一個模型發布就能讓跨市場的存儲股同步上漲，背後必須已經有基本面能夠承接。

存儲不是「GPU的附屬品」，而是 AI 系統正在暴露的新瓶頸

要理解這一點，需先將 HBM、DRAM 和 NAND 分開。HBM 本質上解決的是「足夠靠近 GPU、帶寬足夠高」的問題，它透過先進封裝與 GPU 或 AI ASIC 協同工作，直接影響高端加速器能否持續滿載算力；伺服器 DRAM 承擔更大範圍的工作記憶體，既服務 CPU，也承載推理過程中的快取與調度需求；NAND 和企業級 SSD 則負責容量更大的持久化資料，包括訓練資料、向量資料庫、模型檢查點和分層儲存。AI 越從一次性問答轉變為持續運作的智能體，這三層儲存的協同需求就越明顯。

TrendForce 於 9 月 7 日公佈的數據具有代表性：2026 年第二季度全球 DRAM 行業收入環比增長 59.5%，達到約 1547.3 億美元，背後既有傳統 DRAM 合同價大幅上漲，也有 HBM3E、LPDDR5X 和高容量 RDIMM 需求增加；該機構同時預計，第三季度傳統 DRAM 合同價仍可能環比上漲 13% 至 18%。更值得注意的是，供應商庫存仍處於歷史低位，增量供給明顯向伺服器市場傾斜。這意味著當前記憶體行業的盈利改善並非單純依靠「AI 概念估值」，而是在以價格、收入和產品結構兌現供需缺口。

這正是存儲晶片與一般AI概念股最值得區分之處。當廠商將更多先進DRAM產能轉向HBM和伺服器產品時，傳統DRAM可獲得的供給也會被壓縮；當AI伺服器需要更大記憶體容量時，HBM與普通伺服器DRAM實際上會同時爭奪晶圓、先進製程以及後續製造資源。於是，AI帶來的不再只是某一種高端產品需求增加，而可能形成「高端需求拉動—產能重新分配—其他伺服器記憶體同步趨緊」的連鎖效應。對於投資者來說，這比單純追蹤哪家公司拿到某一代HBM訂單更重要，因為前者決定的是整個行業利潤池能否持續抬升。

為何「存儲交易」現在比單純的「算力交易」更具彈性

第一，市場正在尋找AI資本開支中盈利彈性更大的部分。GPU仍然是核心資產，但GPU龍頭的增長路徑已被充分研究，邊際驚喜越來越依賴更高的出貨量和更強的新產品週期。相比之下，記憶體行業經歷過多輪供過於求，主要廠商對大規模擴產天然更加謹慎，一旦需求突然抬升，短期供給彈性反而更小，價格和利潤對需求變化的情況更敏感。自2026年以來，DRAM價格與行業收入的大幅上升，就是這種週期彈性的體現。

第二，AI 工作負載的「單位算力記憶體需求」並未因模型效率提升而線性下降。更高效的模型確實可能減少完成單次任務所需的計算量，但如果成本下降帶來更多調用、更長上下文、更高併發和更多智能體，最終消耗的記憶體容量與資料搬運量仍可能上升。這也是為何不能簡單將「模型越來越高效」理解為「硬體需求見頂」。在 AI 基礎設施建設階段，效率提升往往意味著更多原本不經濟的應用變得可行，最終需求取決於單位成本下降與使用量增長之間誰跑得更快。

第三，供應側的集中度使高端存儲更容易形成價格紀律。全球先進 DRAM 長期由三星、SK 海力士和美光主導，HBM 又叠加了先進封裝、良率、散熱設計和客戶認證等門檻。三星已在 2026 年 2 月宣布 HBM4 進入量產並開始商業出貨，SK 海力士在第二季業績中也確認 HBM4 已開始大規模出貨。技術競爭會持續加劇，但短期內能夠同時滿足性能、良率和大客戶認證要求的供應商仍然有限，這使得 HBM 與普通成熟製程晶片的供給邏輯完全不同。

這裡還有一個容易被低估的變化：AI 需求已不再完全由 NVIDIA GPU 定義。隨著 Google TPU 以及各家超大規模雲廠商自研 ASIC 不斷放量，高頻寬記憶體正從「NVIDIA 配套產品」逐漸變成先進 AI 加速器的公共基礎組件。換句話說，即使未來 GPU 市場份額發生變化，只要 AI 計算力總量持續擴張、單顆 AI 芯片配置的記憶體容量持續提高，HBM 需求仍可由更多不同類型的加速器共同支撐。對於記憶體廠商而言，這意味著需求來源反而有機會比上一階段更加多元。

但「2027 年 AI 資本開支過半投向記憶體」這個說法，需要冷靜看待

最近市場廣泛流傳一個引人注目的數字：高盛和摩根士丹利預計，2027年全球AI資本支出將達到1.3萬億至1.5萬億美元，其中超過一半將投入記憶體基礎設施。這個說法很好地概括了當下的交易情緒，部分市場報導也確實使用了這一說法，但如果嚴格根據公開原始資料核對，不宜毫無保留地將其視為確定事實。

公開可查的摩根士丹利材料顯示，其研究團隊於2026年已多次大幅上調AI和超大規模雲廠商的資本開支預期。在8月發布的官方播客中，摩根士丹利提到，2027年相關資本開支估計已上升至約1.2萬億至1.3萬億美元，而此前的預測遠低於此水平；其核心判斷是，計算需求仍超過現有供給，資本開支週期的規模與速度持續超出預期。這一趨勢本身已足夠重要，但無法直接推導出「其中一半以上為記憶體」。

必須將「計算機及外圍設備」、「伺服器硬體」和「記憶體基礎設施」這幾個概念分開。GPU、CPU、網路設備、伺服器整機、儲存系統以及記憶體都屬於資料中心資本支出的一部分，將整個設備預算直接等同於儲存支出，會明顯高估記憶體所佔比例。因此，判斷儲存主線是否成立，並不需要依賴一個可能在二次傳播中被放大的比例。更扎實的證據已經擺在行業數據裡：DRAM 收入高速增長、合約價仍在上漲、庫存偏低、伺服器優先拿貨、HBM4 進入量產，以及雲廠商資本開支持續上修。用這些變量建立邏輯，比引用一個漂亮但定義模糊的數字可靠得多。

真正的主線，不是「所有存儲股一起漲」

這輪行情最常見的誤區，是將 HBM、DRAM、NAND 乃至硬碟廠商全部歸入同一個「AI 存儲」概念。實際上，HBM 最直接受 GPU 和 AI ASIC 出貨驅動，技術壁壘與客戶認證決定龍頭的議價能力；伺服器 DRAM 更受數據中心擴容、CPU 數量和推理內存佔用影響；NAND 雖然也受 AI 數據量增長推動，但供給擴張速度、企業級 SSD 渗透率和價格週期會帶來更強的波動。SanDisk 與铠俠的大漲說明市場正將 AI 叙事從 HBM 進一步向 NAND 延伸，但它們最終的業績實現路徑並不等同於 HBM。

這也是為什麼「存儲成為新主線」不能被理解為資金從GPU集體搬遷，而應理解為AI基礎設施的定價方式發生了變化。過去市場只需問一個問題：有多少GPU？現在至少還需繼續追問：GPU旁邊配多少HBM？伺服器需要多少DRAM？數據中心需要多大規模的SSD？網絡能否將這些節點連接起來？電力能否支撐整個機房運行？當AI模型的複雜度不斷提高時，任何一個環節供應不足，都可能導致其他昂貴設備無法充分發揮作用，而瓶頸環節自然擁有更強的定價權。

當然，記憶體也是半導體行業中最典型的週期性產品之一。今天的短缺必然會刺激明天的資本支出，一旦2027年至2028年新增產能集中釋放，而AI資本支出增速開始放緩，價格彈性完全可能迅速反轉。與此同時，中國存儲廠商仍在持續擴張，雖然在先進設備和高端HBM領域存在明顯技術限制，但在傳統DRAM和NAND領域的競爭將逐漸加劇。經歷2026年的大幅上漲後，部分海外存儲股已提前反映相當樂觀的價格與利潤假設，合約價漲幅低於預期、HBM客戶認證延遲或雲廠商削減資本支出，都足以觸發劇烈回撤。

因此，我更願意將 Astra 之後的行情定義為「AI 基礎設施交易進入補短板階段」，而不是簡單宣布「GPU 退潮、存儲接棒」。GPU 仍然是計算核心，網絡決定集群效率，電力和數據中心仍然是物理約束；只是當模型從聊天工具向複雜智能體演進後，市場開始意識到，所謂算力並不是一塊晶片的故事，而是一條從計算、內存、互聯到存儲的完整鏈條。哪一環最緊，資本和利潤就會率先向哪一環集中。

如果這一判斷成立，接下來真正值得觀察的不是 Astra 還能帶來幾天股價上漲，而是存儲行業能否連續幾個季度證明三件事：需求增長仍然快於供給擴張，價格上漲能夠持續轉化為現金流和資本回報，下一代 HBM 與高容量伺服器內存的供給仍掌握在少數擁有技術和客戶壁壘的廠商手裡。只有這三件事繼續成立，“存儲主線”才會從一場由新品發布點燃的交易，變成 AI 資本開支週期裡更持久的一段利潤再分配。