三星利润超过英伟达，存储定义AI，半导体周期的长度与宽度

三星刚刚公布的第二季度营业利润超过了英伟达，成为世界上最赚钱的公司，这在是AI产业是标志性的。过去两三年，英伟达几乎独自定义了AI基础设施的价值中心；但最新一轮财报显示，价值正在从GPU本身，外溢到HBM、DRAM、NAND、企业级SSD、光互连与系统带宽。

AI竞赛的，不再只是更多FLOPS，而是更快、更便宜、更稳定地搬运数据。AI的瓶颈正在从计算短缺转向数据搬运不足。

（说明：数据来自公司财报，均换算成美元；三星为2026年二季度初步业绩，SK海力士按三星公告隐含汇率约1美元兑1530韩元估算。三星是综合电子集团，其利润并不全部来自存储，但这一季的爆发主要由AI数据中心带动的内存与存储价格上涨驱动）

大模型训练和推理不是单纯让GPU做矩阵乘法。模型参数、激活值、KV cache、训练数据、梯度、优化器状态，都要在各种数据寄存之间不停地移动。GPU核心再强，如果HBM容量不够、带宽不够、KV cache放不下、跨GPU通信太慢，算力就会被闲置。过去我们把AI服务器看成GPU机器；现在更准确的说法是，它是一套由计算、内存、互连和存储共同构成的数据搬运机器。

其中HBM不是普通DRAM，而是贴近GPU的高带宽内存。它决定模型能否装下，推理能否高吞吐，GPU之间能否减少远距离通信。随着16-Hi HBM、HBM4、HBM4E推进，内存厂商不再只是GPU的配套供应商，而是AI系统性能上限的共同定义者。

同时，AI需求还在向传统DRAM、NAND、企业级SSD外溢。HBM装热数据，DDR承担CPU侧调度与批数据，SSD承接模型文件、检查点和高速持久化存储，HDD则退向更冷的数据归档。这意味着，AI并不只是带动一种芯片，而是在重塑整个存储层级。

内存、存储和带宽系统可能正在迎来一个新的超级周期。过去，存储产业的周期主要由PC、手机和消费电子库存主导，手机卖得好，DRAM和NAND涨价；终端需求放缓，库存积压，价格下跌。那种周期更短、更剧烈、也更容易被消费电子库存打断。

但ChatGPT之后，主导变量变了。新的需求来自AI数据中心资本开支，来自更大的模型、更长的上下文、更密集的推理、更重的多模态生成，以及未来AI PC、AI手机、智能眼镜、机器人、车载智能体等新智能设备。过去是消费者采购和升级电子买设备带动存储，现在是模型运行和智能体工作带动存储。

因此，这一轮半导体周期正在变长、变宽。所谓变长，是因为AI数据中心建设更像电力、通信和云基础设施，投资周期更长，客户更愿意提前锁定供给。所谓变宽，是因为GPU扩张会自然拉动HBM、DDR5、NAND、eSSD、光模块、交换芯片、先进封装、半导体设备、玻璃基板、电力与液冷。GPU是第一波，内存、存储、带宽和封装是第二波。当GPU集群越建越大，瓶颈自然从计算核心外溢到数据搬运系统。于是，半导体周期也从消费电子周期，转向AI基础设施周期。

2026/6/30 阅读全文>

与此同时，越来越多定制芯片和系统架构出现，试图削弱通用GPU的垄断地位。Google TPU、AWS Trainium/Inferentia、微软Maia、Meta MTIA、AMD MI系列、Cerebras晶圆级芯片、Groq LPU、Etched Sohu、Tenstorrent，以及中国的昇腾、寒武纪等，都在从不同方向挑战“通用GPU帝国”的模式。有的强调推理效率，有的强调低延迟，有的强调片上SRAM，有的强调内存靠近计算，有的强调特定模型结构的专用化。但它们有一个共同点，就是都想办法更高效地搬运数据。

2026/7/3 阅读全文>

这些尝试背后的共同逻辑是，当AI工作负载越来越稳定、推理规模越来越大，通用GPU的灵活性就不再总是最优解。企业真正关心的是，主要负载是Transformer推理、推荐系统、视频生成、代码智能体，并不需要用最昂贵的通用GPU，而是可以用更适合内存访问模式和数据流的芯片。

但这并不意味着英伟达已经失去统治力。英伟达仍是全球市值最高的公司之一，它真正的护城河不只是GPU芯片，而是CUDA生态、NVLink/NVSwitch网络、整机架系统、软件库、开发者生态和云厂商部署标准。GPU对AI算力基础设施的垄断正在瓦解，英伟达平台没有瓦解。

所以，AI正在从GPU单极时代进入系统多极时代。GPU仍是发动机，但内存是燃油系统，封装是机体结构，光互连是高速公路，SSD和NAND是后勤仓库。过去，市场只给发动机估值；现在，市场开始重新给整台机器估值。

三星季度利润暴涨19倍，并且预计2026年的利润将超过了其过去40年半导体业务部门利润的总和，与其他两家巨头一起，这样惊人的业绩，由一种变革性的力量驱动，带宽、容量和数据搬运效率定义着AI，也重新定义着半导体的周期。