存储芯片，新战场
存储芯片正在从标准化大宗商品转变为AI基础设施的战略性定制化部件。这场转型深刻而不可逆。
近日，在《英特尔存储，卷土重来？可能跟你想的不一样！》一文中指出：英特尔CEO陈立武最近在播客中的一段话，在存储行业掀起了不小的波澜：“过去我始终认为存储是低毛利的大宗商品生意，绝不碰；但AI时代完全不同了，我们正在研发全新的内存架构。”
一个曾经主动逃离存储战场的人，如今高调宣布回归——而且回归的方式似乎不是重操DRAM旧业，而是押注全新的定制化内存架构。
这个信号值得深究。
英特尔并非孤例。三星用zHBM重构3D内存；SK集团会长崔泰源同样直言：内存不再仅仅是一种商品，不是任何产品都能替代，喊出“全栈AI存储创造者”的口号；美光高管则干脆宣告：内存已不再是物料清单中的普通商品，砍掉消费品牌全力押注AI定制市场。
头部厂商的动作指向同一个方向：存储行业正在从拼产能、拼价格的标准化竞争，全面转向拼架构、拼定制的差异化竞争，在经历一场从“通用”到“定制”的范式转移。
AI时代，通用存储困境凸显
要理解今天的变局，需要先回顾存储行业曾经的游戏规则。
几十年来，DRAM和NAND闪存是半导体行业最典型的“大宗商品”。三星、SK海力士、美光生产规格统一的芯片，客户根据市场现货或短期合约价格按需采购。各家产品高度同质化、互相替代，市场供需稍有失衡，价格便剧烈波动。
产品层面，存储芯片有着统一的行业标准，JED
在技术端，迭代路径高度同质化——DRAM追逐更先进制程以提升密度、降低功耗；NAND比拼堆叠层数以扩容降本。架构层面几乎没有颠覆性改动，所有优化都聚焦容量扩容、速率小幅提升和成本下探等方面展开。
对应到商业模式上，行业遵循典型的大宗商品周期：以标准化产品走量、价格竞争、供应链规模化为核心，厂商的核心竞争力集中在良率、产能和成本控制上。存储芯片的交易逻辑非常简单——各家产品替代性强，对于采购方而言，存储器只是成本结构中的通用组件；对于存储原厂而言，唯一的盈利护城河就是通过规模效应降低单颗芯片的生产成本，谁能把单比特成本压到最低，谁就能在周期底部活下来。
这种通用化模式最典型的体现是，存储芯片长期被行业视为周期产品——需求起来时全行业扩产，供给过剩后价格暴跌，厂商再一起熬过寒冬。
几十年来，存储行业始终遵循“涨价—扩产—过剩—暴跌”的周期循环。但AI的到来，彻底击穿了这套逻辑。
首先是“内存墙”困境。过去二十年来，处理器性能以每年约60%的速度提升，而内存性能的提升速度只有9%左右。长期不均衡的发展速度，造成了存储速度严重滞后于处理器计算速度的结果。Transformer模型的参数数量每两年增加410倍，但GPU的内存带宽增长速度远赶不上。英伟达从H100到B200，AI算力从4000 TFLOPS跃升至20000 TFLOPS，提升幅度达5倍，但同期HBM带宽仅从6.4GT/s提升至9.6GT/s，增幅仅50%——计算速度与数据传输速度之间的差距正在迅速扩大。
SK海力士CEO指出，AI的加速应用导致信息流量爆炸性增长，但存储性能未能与处理器进步保持同步，形成所谓的“存储墙”障碍。这就像一名天才拥有惊人思考速度，却因为写字太慢，无法及时把所有想法记录下来，最终的产出效率被严重拖累。
除了带宽瓶颈，场景适配的割裂也让通用存储捉襟见肘。AI产业早已分化出截然不同的需求场景：云端大模型训练追求极致带宽与容量，云端推理看重能效与延迟稳定性，AI PC需要平衡性能与功耗，车载与边缘AI则对体积、温度耐受度有严苛要求。
AI产业细分场景差异极大，需求天然割裂，一套标准化的产品根本无法同时满足。
再者是架构代际落差。传统存储架构为通用计算设计，无法匹配AI算力芯片的协同逻辑，数据搬运成本高、系统能效比极低。正如业内专家所言，行业标准所能提供的内存带宽在未来近十年内都已基本明确，但现代AI系统对性能的无限渴求是多维度的，其需求远超行业标准所能满足的水平。
更深层的风险还在于商业模式。传统通用存储的生产逻辑是“先量产、再销售”，厂商根据周期预判扩产，然后面向全行业供货。但定制化时代，存储厂商必须提前介入客户的芯片设计流程，与AI芯片厂商联合定义规格。
英特尔前CEO基辛格直言，存储厂未来恐不能再单纯大量生产标准化产品，而必须转向定制化芯片，甚至开始押注哪些处理器公司将成为未来赢家。押对了可能获得长达数年的稳定客户；押错了则可能留下堆积如山、成本高昂却无人问津的芯片库存。
正是在这样的背景下，存储行业开始了一场从标准化到定制化的深刻转型。
从标准化到定制化，
成为存储行业新主线
可见，AI算力需求倒逼存储底层革新，向定制化趋势转型。
长久以来，标准DRAM的交易逻辑非常简单，各家产品替代性强。但HBM的出现打破了这种供需范式。为了满足大模型对数据吞吐速率的严苛要求，HBM需要将多层DRAM芯片垂直堆叠，并通过数千条硅通孔（TSV）与底层逻辑芯片相连。这一物理结构决定了它不再是独立装配的标准化零件，而是必须在制造阶段就与计算芯片的封装体系高度绑定。
一款HBM芯片从晶圆制造、TSV打孔、微凸块焊接，再到先进封装流程，全程需要历经上千道工序，生产周期长达几个月。极其复杂的制造流程不仅抬高了技术的进入门槛，也让产品丧失了传统存储器的通用互换性。
这使得存储产品的价值属性正在被重新定义。
过去，存储芯片是“大宗商品”；今天，它正在变成AI产业链中具有战略价值的核心资产，内存芯片将变成更具定制化的产品，以更好地契合芯片设计公司的需求。
具体来看，定制化存储的转型正沿着几个方向推进：
从“通用适配所有场景”转向“单一场景专属优化”：AI不同细分场景的需求差异，远大于过去消费电子与服务器的差异。训练集群需要TB级带宽和百GB级容量，推理节点更关注每瓦性能和随机读写延迟，端侧设备则严格限制功耗与体积。标准化产品无法满足任何一个场景的极致需求，只有针对单一场景做深度定制，才能突破通用架构的性能天花板。
高盛研报指出的ASIC需求爆发，正是这一逻辑的最佳印证。亚马逊、谷歌、Meta等云厂商加速自研AI芯片，其内存方案正从通用LPDDR、GDDR全面转向定制化HBM。2026年ASIC驱动的HBM需求增速将达到82%，远超GPU驱动的23%，这类自研芯片对存储定制化的诉求远高于标准化GPU。
从容量优先转向“带宽、能效、架构协同优先”：通用存储时代，更大容量、更低价格是核心卖点。但在AI场景中，容量只是基础指标，带宽决定了算力能不能跑满，能效决定了数据中心的运营成本，架构协同决定了系统级的最终性能。存储厂商的竞争焦点，已经从单比特成本转向单位带宽成本和系统级能效比。
从被动供应商转向共同架构师：过去存储厂商只需要按客户给出的规格交货，现在则需要从AI芯片设计阶段就深度参与，联合定义接口、封装、功耗、散热等全链路规格。SK海力士明确提出，单纯的供应商角色已不足以满足市场需求，存储厂商需作为共同架构师，在AI计算领域超越客户期望。
行业周期属性被大幅削弱：传统存储周期由消费电子需求驱动，3-4年一轮涨跌循环。但AI带来的是长期、结构性的增量需求，且定制化产品普遍以3-5年长协形式锁定订单，大幅平滑了周期波动。
郭诺正更是直接抛出“存储周期已死”的论断：过去由手机、PC主导、几年一轮涨跌的存储周期已经彻底结束，AI带来的永久性增量需求，完全改写了行业周期底层逻辑。甚至到2030年之后，全球存储整体需求依然会超过总产能。
当产品从标准化走向定制化，当销售从现货走向长协，存储产业的“大宗商品”属性正在快速褪色，取而代之的是AI战略基础设施的全新定位。
存储巨头，定制化赛道全面竞速
存储定制化的浪潮下，英特尔、三星、SK海力士、美光四大巨头选择了不同的切入路径，各自构建差异化的竞争壁垒。
英特尔：以架构创新重返赛道
英特尔重返存储，不与韩美巨头在成熟 HBM 市场正面硬刚，而是直接布局下一代新型存储架构，试图从底层重构高带宽内存的技术路线。
陈立武多次公开表示，正在重点推进新型存储架构项目，核心目标就是解决AI系统面临的存储墙问题。英特尔的布局主要围绕两条技术路线展开。
其一ZAM（Z-Angle Memory）。2026年2月，英特尔与软银子公司SAIMEMORY达成合作，联合开发这款全新架构的高带宽内存。该项目2026年Q1正式启动，预计2027年推出原型产品，2030年实现商业化量产。
图源：PCWatch
ZAM最核心的创新在于摒弃了传统HBM的垂直硅通孔（TSV）设计，改用斜向互连拓扑结构。这种设计能显著改善散热表现、降低互连功耗，官方宣称功耗较传统HBM降低40%-50%；单芯片容量最高可达512GB，是当前主流HBM的2-3倍；而量产成本仅为HBM的60%。
图源：芯机甲
在结构上，ZAM采用9层堆叠设计，包含8层DRAM芯片与一层3微米厚的硅基板隔层，在密度与散热之间取得了平衡。
其二是XBM（Cross-Batch Memory）。2026年7月，英特尔公开相关专利，该方案采用后端晶体管DRAM堆叠设计，通过UCIe互连输出数据，最高速率可达32GT/s。XBM的核心目标是取消HBM必需的昂贵硅中介层，大幅降低先进封装成本，同时在保持与HBM4相近封装尺寸的前提下，提升系统扩展性。
图源：芯芯芯闻
双架构并行推进，标志着英特尔在HBM替代领域已进入实质性加速阶段。其战略意图十分清晰：绕过当前HBM生态与产能壁垒，以架构创新在下一代存储技术中抢占话语权。
当然，这条路径也充满挑战。传统HBM经过数代迭代，已经拥有成熟的生态系统、标准化接口以及与GPU/AI加速器的深度整合。从实验室原型到规模量产，封装良率、系统兼容性、客户迁移成本都是必须跨越的门槛。但英特尔的入局本身，就已经向行业传递出明确信号：高带宽内存的天花板远未到来，AI存储的竞争正在从产能竞赛进入架构创新的新阶段。
英特尔重返存储的更多相关内容，在《英特尔存储，卷土重来？可能跟你想的不一样！》一文中有介绍，在此不再过多赘述。
三星电子：从HBM到zHBM，全面押注3D
三星电子的定制化布局最为全面，涵盖从当前量产到未来十年的完整路线图。
在主流HBM赛道上，三星保持着快速的迭代节奏。2026年2月，三星率先实现HBM4全球首家量产，采用12层堆叠、2048位接口。5月，率先向全球客户交付HBM4E样品，引入1c DRAM工艺、4nm逻辑基片，引脚速率达16Gbps，单堆栈带宽突破4TB/s，良率也在同年7月突破70%的量产门槛。
在定制化HBM方面，三星明确表示：“AI时代的存储升级，不能只停留在容量与速度的参数堆砌，必须对存储单元结构、芯片堆叠方式、算力-内存互联架构进行自上而下的重构。我们看到HBM架构正在发生巨大变化。我们的许多客户正在从传统的通用HBM转向定制产品。”
对此，三星提出两种定制路径：一是不使用中介层，直接将HBM芯片3D集成在计算SoC上；二是将内存的I/O接口和控制器转移到HBM的基础裸片上，为计算芯片留出更多逻辑电路空间。
未来架构上，三星在2026年8月FMS峰会上宣布了多个重磅技术：其中最具颠覆性的是zHBM。
不同于传统HBM与算力芯片横向并排的2.5D封装，zHBM将多层HBM裸片直接垂直堆叠在AI加速器芯片正上方，通过混合铜键合与多晶圆键合工艺实现垂直直连，数据传输路径缩短80%以上。
图源：三星FMS演讲幻灯片
三星给出的数据相当激进：性能可达HBM5的约8倍，内存密度超过HBM5的10倍以上，能效提升3倍，热阻降低超过一半。
图源：三星FMS演讲幻灯片
更重要的是，zHBM还支持在内存与AI加速器之间的中间层集成客户定制IP，可根据云厂商、AI芯片企业的需求嵌入缓存控制器、编解码单元或专用加速模块，实现真正的“应用定制”。三星将zHBM的量产时间预期设定在2029年前后。
针对端侧AI场景，三星推出了zNAND-O。基于V-NAND架构融合TSV技术，将4-8层NAND裸片垂直堆叠，随机读写延迟降低35%以上，体积大幅缩小，专门适配车载AI、智能机器人、边缘算力盒等空间受限的端侧场景。
在大容量存储端，三星发布V10 BV-NAND，行业首款突破400层的键合型V-NAND，采用晶圆对晶圆键合工艺，存储密度较上一代提升58%，为AI数据中心的海量数据存储提供了更高密度、更低成本的方案。
除此之外，三星还在推进CXL内存模块、移动端HBM等细分方向的定制化布局。凭借从设计、制造、封测到代工的全栈IDM能力，三星正在为客户提供“交钥匙”式的定制存储解决方案，试图以全链路整合能力在定制化时代巩固龙头地位。
SK海力士：全栈AI存储创造者
SK海力士是将“定制化”推向战略高度的典型代表。
2025年11月，SK海力士CEO郭鲁正在SK AI Summit 2025上正式宣布公司向“全栈AI存储创造者”转型。郭鲁正表示：“随着AI时代的到来，存储器的重要性正在不断提升。SK海力士希望成为不仅仅是存储器供应商，而是一个全栈AI存储创新者。”
这大概标志着，SK海力士的定制化战略正从单一HBM产品扩展到了全产品线。
据悉，SK海力士的定制化战略涵盖三大产品矩阵：
定制化HBM（Custom HBM）：这是SK海力士的核心优势业务，从HBM4E开始正式提供完整的定制化解决方案。其核心是将GPU和ASIC的特定功能整合到HBM基础裸片上，客户可根据需求在带宽、散热、面积效率三个维度做侧重优化，即所谓的“BTS”定制方案，为计算单元释放更多空间，显著降低接口能耗。
高盛研报指出，HBM4是第一代完全可定制化的HBM，芯片厂商可以修改逻辑芯片层来满足特定需求，这对设计路线各异的ASIC厂商价值极高。据报道，SK海力士已收到苹果、微软、谷歌、亚马逊、英伟达、Meta、特斯拉等美国科技巨头的定制HBM请求。首款定制化产品预计于2026年下半年推出。
AI DRAM（AI-D）：细分为AI-D O（优化型，低功耗高性能）、AI-D B（突破型，克服内存墙）、AI-D E（扩展型，覆盖机器人、移动出行等）三大方向。
AI NAND（AI-N）：细分为AI-N P（性能型）、AI-N D（密度型）、AI-N B（带宽型，采用HBF技术）三大方向。
SK海力士在FMS主题演讲中也发布了一款与三星类似的内存模块，名为“3D堆叠式DRAM”。该模块的数据传输速度比HBM快2到10倍，存储容量为HBM的1/13到1/3，每比特数据传输所需的能量为HBM的1/2到1/2.5。SK海力士将其定位为一种能够弥合XPU缓存SRAM和HBM模块之间性能差距的内存技术。
图源：SK海力士FMS演讲幻灯片
同时，为了支撑定制化战略，SK海力士在组织与产能上全面倾斜。不仅设立专门的定制内存设计部门，还在美洲设立HBM技术专责组织，就近服务美国客户；产能上，清州M15X、利川M16等主力工厂优先保障HBM与AI定制产品，龙仁新集群更是定位为下一代HBM与定制存储的旗舰基地。
郭鲁正对未来作出大胆判断：“过去由手机、PC消费电子主导、几年一轮涨跌循环的存储周期已经彻底结束，AI带来的永久性增量需求，完全改写了行业周期底层逻辑。”他甚至断言：“哪怕到2030年之后，全球DRAM、NAND整体需求依然会超过全部厂商总产能。”
SK集团会长崔泰源则用“战争”来形容当前的抢货局面——“每个人都想买存储芯片。”他预测，未来五年AI智能体数量可能增长约10倍，十年内存储器总需求可能达到目前产能的近5倍。
美光：聚焦头部客户，标准与定制双轨并行
美光在定制化浪潮中，走出了一条“聚焦头部、双轨并行”的路线。作为HBM赛道的追赶者，美光通过绑定英伟达等核心客户，从HBM3E时代开始快速追赶，在HBM4世代正式跻身第一梯队。
美光的策略十分清晰：一方面持续迭代符合JED
2026年Q2，美光HBM4正式量产，专为英伟达Vera Rubin平台设计的12层堆叠36GB版本全面出货，性能较HBM3E提升2.3倍，能源效率优化超20%，产能爬坡速度达到HBM3E的两倍。得益于AI需求的持续火爆，美光2026年全年HBM产能已基本售罄，且大部分订单以长期采购协议形式锁定。
面向下一代产品，美光规划2027年量HBM4E，核心DRAM工艺升级为首次导入EUV的1γ制程，基底芯片则转由台积电代工。美光明确表示，HBM4E首批为JED
美光云内存业务副总裁Praveen Vaidyanathan曾解释定制化的逻辑：JED
美光首席商务官Sumit Sadana指出，HBM4E的最大突破在于它能够通过台积电先进制程技术制造的逻辑芯片，为特定客户提供高度定制化的基础逻辑。美光预计，HBM4E世代中，一些客户希望将xPU的特定功能电路卸载至HBM的基础裸片中，由此催生真正的“定制HBM内存”。
此外，为了集中资源攻坚高端AI存储，美光做出了关闭Crucial消费品牌的战略抉择，将研发、产能、人才全面向数据中心与AI存储倾斜。同时，美光积极拓展战略合作，2026年与AI初创公司Anthropic达成深度合作，涵盖AI内存与存储架构联合设计、长期供货等内容，进一步拓展定制化客户版图。
存储行业的新游戏规则
定制化趋势带来的不仅是技术变革，更是商业模式的根本重构。
以往，服务器厂商与存储供应商的合约周期极少超过一年。但当前的HBM供应谈判中，已有大型云服务厂商开始签署长达3至5年的长期协议。这类协议通常包含明确的资本开支承诺以及预付款项——云厂商通过提前支付资金锁死未来几年的产能，存储厂商则通过长协合同将扩产风险提前释放给下游。
SK海力士已经和大约10家全球核心云厂商签订5年期HBM长期供货协议。美光已签的16份五年期战略客户协议按保底价格计算的毛利率，超过了历史上任何一轮周期的最高值。三星、SK海力士、美光三大巨头2027年的产能已基本被AI客户通过长期协议锁死，部分客户实际拿到的配额仅为请求量的60%至70%。
高盛研报指出，HBM4是第一代完全可定制化的HBM，芯片厂商可以修改逻辑芯片层来满足特定客户的需求。这个特性意味着存储厂商和芯片设计公司之间的绑定关系会变得更深、更长期——谁能率先和更多云厂商锁定定制化合作，谁就能在竞争里占据更有利的位置。
这跟过去标准化HBM产品谁产能大谁赢的竞争逻辑已经不太一样了，更接近于芯片代工厂和大客户之间那种深度绑定的商业模式。
由于长协机制的引入和定制化壁垒的建立，本轮供需紧缺的周期将被大幅拉长。存储产品的商品化属性与周期波动有望进一步减弱，驱动行业进入由AI驱动的结构性超级周期。
写在最后
曾几何时，存储是半导体行业最卷的赛道——拼制程、拼层数、拼产能、拼价格，行业周期周而复始，企业在盈亏线间反复横跳。所有人都默认，存储就是大宗商品，成本与规模是唯一的胜负手。
但AI的到来，彻底改写了这套游戏规则。
基辛格曾说：“存储产业历史上从未如此令人兴奋。”的确，当一个运行了数十年的成熟行业，被新技术重新注入想象力，整个产业都迎来了全新的增长空间与价值维度。
当然，定制化也带来了新的挑战。研发投入更高、客户集中度更高、技术迭代更快、押错路线的风险更大。行业壁垒被持续拉高，中小厂商的生存空间将进一步被挤压，头部效应会愈发显著。
但毫无疑问，这场由AI驱动的范式转移，已拉开序幕。未来几年，随着zHBM、ZAM、定制HBM4E等新一代产品陆续落地，存储产业还将迎来更深刻的变革。而所有身处其中的玩家，都必须适应新的游戏规则——因为这一次，不再是周期的轮回，而是时代的切换。
本文来自微信公众号“半导体行业观察”（ID：icbank），作者：L晨光，36氪经授权发布。
