一句话看懂：SK 集团会长崔泰源在接受彭博社与 CNBC 采访时指出，AI 时代的内存需求已从传统的周期型转为结构性增长，即便 SK 海力士计划在未来五年内将产能翻倍，仍无法满足客户预期，部分客户甚至要求供应商将供应量提升至当前水平的五到六倍。
事件核心：发生了什么
7 月 10 日，SK 海力士在纳斯达克挂牌交易其美国存托凭证（ADR），随后 SK 集团会长崔泰源接受了彭博社与 CNBC 的采访。崔泰源表示，内存行业已进入结构性增长阶段，这与过去依赖人口数量或智能手机、PC 销量的周期型增长模式截然不同。他列举了多个新的需求驱动力：AI 智能体、推理过程中产生的键值缓存（KV Cache）、物理 AI 以及机器人。面对供不应求的局面，SK 海力士计划在未来五年内实现产能翻倍，但这一扩张节奏仍被客户认为“远远不够”。崔泰源预测，对大规模内存的需求将持续到通用人工智能（AGI）在全社会普及、需求结构趋于稳定为止。
为什么重要
这段表态直接挑战了传统半导体行业“以产定销”的产能规划逻辑。此前，内存价格的波动多与库存周期、消费电子出货量挂钩，而崔泰源明确将需求增长归因于 AI 训练和推理过程中的新型计算模式，尤其是 KV Cache 这类在大模型推理中必须保留的中间数据缓存。这意味着，与其说是“卖更多芯片”，不如说是 AI 应用自身的运行架构在持续吞噬显存与内存带宽。对于整个 AI 基础设施产业链而言，这释放了一个信号：如果当前产能扩张速度已无法匹配实际需求，那么未来 2-3 年，DRAM 和高带宽内存（HBM）的供应紧张将成为常态化，从而影响大模型训练成本、推理部署效率以及云服务的定价策略。
对用户/开发者/创作者的影响
对于使用大模型 API 的开发者或内容创作者而言，内存成本的居高不下将直接反映在模型推理服务的定价上。目前公开信息显示，主流大模型厂商（如 OpenAI、谷歌、Meta）都在通过量化、稀疏化、模型蒸馏等方式降低显存占用，但崔泰源的表态意味着底层硬件供给可能长期偏紧，推理价格下降的空间会受到制约。对于企业采购方，若计划自建或租用私有化大模型推理集群，应提前评估 HBM 和 DRAM 的交付周期与成本波动。而对一般用户，虽然日常使用 AI 工具不一定感知到内存短缺，但后续 AI 应用可能更倾向于“小而专”的模型，而非一味追求超大参数版本。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，SK 海力士的产能扩张是否真的能按期落地，以及三星电子、美光是否会同步扩产，将直接决定未来两年 HBM 的供给格局。第二，KV Cache 优化技术（如 PagedAttention、Cache 共享、新型压缩算法）的成熟度，可能部分缓解对物理内存的依赖。第三，崔泰源提到“直到 AGI 普及后才趋于稳定”，目前尚无法验证这一时间点，但若未来 1-2 年内 AI 应用落地节奏放缓，内存需求增速也可能出现波动。
来源：Readhub · AI
