行业核心观点 - 全球存储芯片市场正经历由AI驱动的超级景气周期，DRAM和NAND库存处于历史极低水平，价格持续上涨已成定局，预计涨势将贯穿2026年全年 [1][2] - 中国存储产业正加速崛起，其技术突破和产能释放有望成为影响全球存储格局、缓解供应紧张局面的关键力量 [1][6] 市场供需与库存状况 - SK海力士当前DRAM及NAND整体库存仅剩约4周，处于历史极低水平，所有类型客户均无法获得足额供应 [2] - 重复下单现象进一步推高了价格预期，2026年没有一家客户的需求能够完全得到满足 [2] - 供给增长受限，一方面由于AI大模型与高效能运算带来的真实需求井喷，另一方面由于存储芯片制造所需的无尘室空间扩张缓慢 [4] 价格走势与预测 - 自2025年第三季度起，存储市场开启涨价行情，SK海力士HBM3E报价上调15%至20%，DDR5 16Gb颗粒单月涨幅达102% [4] - 2025年11月起，SK海力士对全品类DRAM涨价，NAND闪存合约价同步上调10%至15% [4] - 2026年1月，SK海力士对全品类存储再度大幅涨价，涨幅在20%至60%不等 [4] - 业内人士普遍预计存储价格上涨核心周期将持续至2026年底，产业高景气度至少延续至2027年，HBM赛道价格拐点可能要到2028年初 [4] - 平安证券电子团队认为，考虑到AI持续高景气，本轮存储周期的强度和持续性有望超过上一轮 [5] 产品结构与厂商动态 - 为满足AI带动的高端存储强劲需求，SK海力士将产能向HBM、DDR5等高附加值产品倾斜，其2026年HBM产能已提前售罄 [2] - 标准型DRAM的极度短缺正大幅提升供应商议价权，公司正与主要客户讨论多年期长期合约以锁定未来供应与价格 [2] - 铠侠表示其2026年的NAND闪存产能已全部售罄，并预计NAND供应紧张局面将至少持续至2027年 [2] - SK海力士2025财年业绩创历史纪录，营业收入达97.15万亿韩元，营业利润为47.21万亿韩元，营业利润率高达49% [3] 中国存储产业进展 - 全球存储芯片供应短缺促使PC制造商（如惠普、戴尔、宏碁、华硕）考虑在其产品中采用中国芯片制造商生产的存储芯片 [6] - 中国存储行业已形成以长鑫科技（DRAM）、长江存储（NAND Flash）为龙头，配合多家利基型及中小容量存储芯片厂商的产业格局 [6] - 业界预测，在资本市场加持下，中国存储芯片产能有望在2026年下半年至2027年逐步释放，缓解全球供给紧张局面 [6] - 长鑫科技科创板IPO申请已于2025年12月30日获得受理，计划募资295亿元以提升其在DRAM行业的核心竞争力 [7]

文章核心观点 - 英伟达收购Groq事件引发了关于SRAM与HBM在AI推理时代技术路径的行业辩论，核心在于探讨不同存储技术在AI不同阶段（训练与推理）的适用性及未来共存格局，而非简单的替代关系[1][19] SRAM与HBM的技术特性对比 - **SRAM（静态随机存取存储器）**：速度极快（纳秒级，典型访问延迟约1ns），但容量小（几百MB），集成在处理器核心旁，无需刷新，访问确定性强，形象比喻为“衬衫口袋”[1][9] - **HBM（高带宽存储器）**：本质是3D堆叠的DRAM，容量大（几十GB），带宽极高，但访问延迟较高（典型约100ns），存在物理延迟，形象比喻为“大型仓库”[2] AI训练与推理阶段对存储的不同需求 - **AI训练阶段**：模型参数巨大（百亿至千亿级），计算强度高，数据复用率高，批处理（Batch Size）大，核心需求是容量第一、带宽第二，对延迟不敏感，是HBM的舒适区[3] - **AI推理阶段（特别是实时交互场景）**：延迟成为生命线，常为单次请求处理（Batch Size = 1），传统GPU依赖HBM频繁加载权重会引入数百纳秒延迟，导致性能剧烈下滑和不可预测性[4][6] Groq的LPU架构与SRAM优势 - **架构核心**：完全抛弃HBM作为主存，改用数百MB的片上SRAM存放模型权重，实现权重常驻[9] - **性能数据**：片上SRAM访问延迟仅为HBM的几分之一，片上带宽高达80TB/s[9] - **确定性优势**：SRAM提供确定性的低延迟（“每次都一样快”），这对自动驾驶、工业控制、金融风控等对延迟波动敏感的关键任务至关重要[14] - **案例表现**：在阿贡国家实验室的核聚变反应堆预测任务中，Groq架构在0.6ms内完成19.3万次推理，比NVIDIA A100性能高出600多倍[14] - **并行处理**：通过独特的同步计算与通信方法，高效利用指令级、内存级和数据级并行，支持Batch Size = 1的高性能处理，减少等待并提升准确性[10][11] SRAM作为主存的挑战与历史背景 - **历史定位**：SRAM长期仅作为缓存使用，过去无人将其作为主内存，原因在于其面积大、成本高、工艺缩放慢[8] - **缩放挑战**：在台积电5nm到3nm工艺演进中，逻辑晶体管缩小约1.6倍，而SRAM单元面积仅缩小约5%，导致其在芯片上占用面积比例增大、成本飙升[8] - **Groq的逆向思维**：利用先进制程下SRAM的高开关速度和确定性，在成熟节点（如14nm/7nm）设计，并计划向4nm/GAA架构演进，利用其改善的读写稳定性[9] 英伟达的视角与战略布局 - **黄仁勋的观点**：承认若一切能装入SRAM则无需HBM，但指出这会使模型尺寸缩小约100倍，SRAM存在面积大、成本高的致命伤，让千亿参数大模型完全运行在SRAM上需要成百上千颗芯片，成本与功耗将是天文数字[17] - **强调架构灵活性**：面对MoE、多模态、SSM等不断变化的模型，能够灵活切换压力点（NVLink、HBM或计算单元）的架构才是数据中心总拥有成本的最优解，通用性和灵活性是关键[17] - **收购Groq的战略意义**：旨在补齐“极致低延迟推理”的拼图，而非全面倒向SRAM，英伟达认为数据中心需要在有限的电力资源下优化整体利用率，而非仅为10%的特定任务进行极致优化[17] - **CPX技术的作用**：英伟达的CPX（计算与存储解耦/压缩）技术结合GDDR7或HBM，可在某些场景减少对昂贵HBM的依赖，但也会降低数据中心的灵活性[16][18] 行业未来趋势与投资启示 - **技术共存而非替代**：“SRAM取代HBM”是伪命题，真正的命题是“AI推理如何实现总拥有成本最优解”[19] - **市场分层化**： - 在追求极致速度的边缘侧（如AI眼镜、工业实时控制）和特定高性能推理场景，SRAM将通过ASIC架构蚕食HBM份额[19] - 在大规模数据中心，HBM依然是承载海量模型参数的基石[19] - SSD/NAND将负责模型分发、冷数据与长上下文存储扩展[19] - **投资关注点**：投资者应关注存储层级化带来的全面机遇，而非押注单一技术胜负，快（SRAM）有高成本与低密度的代价，慢（HBM）有高带宽与通用性的平衡，两者将在AI推理领域并肩而行[20]

文章核心观点 - 英伟达收购Groq事件引发了关于SRAM与HBM在AI推理时代技术路线的行业辩论，但“SRAM取代HBM”是一个伪命题，真正的核心是AI推理如何实现总拥有成本最优解[1][22] - SRAM的优势在于确定性、极低延迟和能效，适合边缘计算和实时推理场景；HBM的优势在于大容量和高带宽，仍是数据中心承载海量参数的基石；两者将在AI推理领域并存，形成存储层级化机遇[22][23] SRAM与HBM的技术特性对比 - **SRAM（静态随机存取存储器）**：是世界上最快的存储介质之一，访问延迟为1纳秒，但容量小（几百MB），成本高，面积大；如同“衬衫口袋”，伸手即得但空间有限[2][8] - **HBM（高带宽存储器）**：本质是3D堆叠的DRAM，容量大（几十GB），带宽极高，但访问延迟约为100纳秒；如同“大型仓库”，容量大门宽但存在物理延迟[2] - 两者根本区别在于，SRAM的访问延迟比HBM/DRAM“快一个数量级”（1ns vs 100ns），且具有确定性（每次都一样快）[9][16] AI从训练转向推理带来的存储需求变化 - **训练阶段**：模型参数达百亿甚至千亿级，计算强度高，数据复用率高，对容量和带宽需求大，延迟不敏感，是HBM的舒适区[4] - **推理阶段**：特别是在人机交互和实时控制场景，延迟成为生命线，需要处理Batch Size = 1（单次请求）的实时请求[4] - 传统GPU架构依赖HBM，在实时推理场景中频繁加载权重会导致数百纳秒的延迟，造成性能剧烈下滑，为掩盖延迟被迫增大批处理大小（如256个请求一起处理），导致响应不丝滑[4][7] Groq的LPU架构与SRAM技术路线 - **核心设计**：完全抛弃HBM作为主存储，改用数百MB的片上SRAM存放模型权重，访问延迟仅为HBM的几分之一[10] - **性能数据**：片上SRAM带宽高达80TB/s，在阿贡国家实验室的核聚变反应堆预测任务中，于0.6毫秒内完成了19.3万次推理，比NVIDIA A100性能高出600多倍[10][16] - **架构创新**：采用同步计算与通信方法，将计算与内存访问解耦，实现更高的内存级并行性，支持在Batch Size = 1下提供高性能和可预测的低延迟[11][13][14] - **工艺路线**：当前主要采用台积电14nm/7nm，计划走向4nm，在更先进制程下大规模SRAM的读写稳定性更高[9] 英伟达的视角与行业趋势判断 - **黄仁勋的观点**：承认如果一切都能装进SRAM则不需要HBM，但指出这会使模型尺寸缩小约100倍，成本与电力消耗将是天文数字，因此SRAM无法完全替代HBM[19] - **强调灵活性**：数据中心是有限的电力资源，需要能够灵活切换压力点（NVLink、HBM或计算单元）的架构来应对多变的模型（如MoE、多模态、SSM），以实现总拥有成本最优解[19] - **收购意图**：收购Groq旨在补齐“极致低延迟推理”的拼图，而非全面倒向SRAM；同时，英伟达也在研究通过CPX（计算与存储解耦/压缩）技术减少对昂贵HBM的依赖[18][19][20] - **集成度价值**：高度集成的统一架构（如更新一个模型库可提升所有GPU表现）比拥有17种零散专用架构更能优化整体数据中心的总拥有成本[20] 存储层级化与未来机遇 - **推理的重要性**：训练只发生一次，推理会发生数十亿次，如同“造发动机”与“上路开车”的区别，优化推理体验是“用量起点”[22] - **技术分工**：追求极致速度的边缘侧和特定实时推理场景，SRAM通过ASIC架构蚕食HBM份额；大规模数据中心中，HBM仍是基石；SSD/NAND则负责模型分发与长上下文存储[22] - **投资启示**：不应押注单一技术胜负，而应关注存储层级化带来的全面机遇，SRAM与HBM因其不同特性（快但有代价，慢但能平衡）将在AI推理领域并肩而行[23]

文章核心观点 - 英伟达以200亿美元获得Groq的知识产权非独家授权并吸纳其核心团队，实质上是为获取其创新的数据流架构技术，以应对未来AI芯片性能提升的瓶颈，并强化其在推理市场的产品布局 [1][2][10] 交易结构与实质 - 英伟达支付200亿美元，获得Groq语言处理单元及配套软件库等知识产权的非独家授权，Groq公司本身保持独立运营 [2] - 交易后，Groq首席执行官Jonathan Ross、总裁Sunny Madra及大部分工程人才加入英伟达，使Groq作为独立公司的长期生存能力存疑 [2] - 该交易结构被设计为授权而非收购，可能旨在规避监管审查，但其效果等同于收购并消除潜在竞争对手 [2] 关于SRAM与内存架构的探讨 - 一种猜测认为英伟达看中Groq LPU使用的SRAM，其速度比当前GPU使用的HBM3e快10到80倍，有助于应对内存短缺危机 [3] - Groq的LPU在Llama 3.3 70B测试中生成速度达350 tok/s，在gpt-oss 120B混合专家模型中可达465 tok/s [3] - 但SRAM容量小、空间利用率低，Groq单个LPU仅230 MB SRAM，运行Llama 70B模型需将574个LPU互连，而单个HBM3e堆栈容量达36 GB [4] - SRAM本身并非稀有技术，英伟达若想采用SRAM无需收购Groq，因此该猜测可能不成立 [4] 核心动机：数据流架构 - 英伟达收购的核心动机可能是Groq的“流水线架构”或可编程数据流设计，旨在加速推理中的线性代数运算 [5] - 数据流架构在处理数据时让其流经芯片，而非传统的冯·诺依曼架构的加载-存储操作，能消除GPU中内存或计算瓶颈 [6] - 该架构允许多个LPU协同工作，理论上能在相同功耗下实现更好的实际性能，且不限于SRAM，也可基于HBM或GDDR构建 [7] - 数据流架构实现难度大，但Groq已成功应用于推理，为英伟达提供了提升芯片性能的新技术路径 [7][8] 对英伟达产品战略的意义 - 英伟达现有“推理优化”芯片与主流芯片差异不大，而Groq提供了专为推理优化的计算架构 [8] - 英伟达计划2026年推出的Rubin系列芯片采用分散式架构，Groq的技术可能有助于优化推理流程中的预填充或解码阶段 [9] - Groq的LPU因其SRAM容量限制，不适合作为主要解码加速器，但可能适用于参数规模较小的推测性解码草稿模型，以提升系统性能 [9] - 收购有助于英伟达销售更多芯片和配件，且200亿美元对其而言是可承受的数额，其上季度运营现金流达230亿美元 [10] 对其他猜测的否定 - 关于交易能为英伟达开放三星等额外代工厂产能的猜测站不住脚，因英伟达此前已委托三星代工，且产能转移本身不依赖此交易 [11] - 英伟达可能不会对Groq当前一代LPU采取立即行动，此次交易更可能是为长远技术布局 [12]