Astra真正强化的不是“某一款芯片会卖得更多”这么简单，而是市场对前沿模型继续向复杂推理、长上下文和智能体任务演进的信心；这类工作负载会同时抬高算力、内存带宽、服务器DRAM和高速存储的需求。
文章作者、来源：ME News
TL;DR
- Astra真正强化的不是“某一款芯片会卖得更多”这么简单，而是市场对前沿模型继续向复杂推理、长上下文和智能体任务演进的信心；这类工作负载会同时抬高算力、内存带宽、服务器DRAM和高速存储的需求。
- 9月4日美股存储与内存股率先上涨，SanDisk收涨11.9%、美光上涨6.1%；9月7日韩国市场跟涨，SK海力士上涨8.26%、三星电子上涨5.68%。这说明资金正在从“只买GPU”转向寻找AI基础设施中仍有盈利弹性的瓶颈环节。
- 这轮存储行情并非完全由Astra创造。TrendForce数据显示，2026年第二季度全球DRAM行业收入环比增长59.5%至约1547亿美元，供应扩张继续落后于需求；Astra更像是把已经存在的紧缺、涨价和盈利上修逻辑重新推到台前。
- “存储交易”也不能一概而论。HBM与GPU、AI ASIC的绑定最紧，服务器DRAM受AI推理和智能体负载拉动更直接，NAND则更多受数据集、向量数据库、检查点和数据分层影响，三者的景气弹性、技术壁垒和周期风险并不相同。
- 真正值得跟踪的不是一天两天的股价，而是三个变量：AI资本开支是否继续上修、内存合同价与供给缺口能否延续、HBM4及下一代产品的量产和客户认证是否顺利。
Astra为什么会把资金重新推向存储芯片
OpenAI在9月3日正式发布GPT-6 Astra，并将其定义为面向复杂、多步骤专业工作的旗舰模型，能力重点包括推理、编程、研究、计算机操作以及跨工具完成端到端任务。单从产品发布本身看，这并不等于OpenAI宣布“要采购更多内存”，但它给资本市场提供了一个重要信号：前沿模型竞争并没有进入单纯压缩成本的阶段，行业仍在追求更长任务链、更复杂推理和更高程度的自动执行。对于基础设施而言，这意味着瓶颈不会只停留在GPU的矩阵计算能力上，数据如何快速进入计算单元、如何在长上下文和多轮推理中保存状态、如何让大量智能体同时读写数据，都会越来越重要。
这也是本轮行情与2023年至2024年“买GPU就是买AI”的最大区别。早期生成式AI投资更容易用GPU数量来衡量，市场关注的是英伟达能交付多少加速卡、云厂商能搭多少训练集群；到了2026年，模型训练仍然重要，但推理、智能体和企业级工作流的权重持续上升，系统效率越来越取决于算力、内存、网络和存储能否配套。GPU再快，如果内存带宽不足，计算单元就会等待数据；上下文窗口越长、并发任务越多，服务器侧需要保存和调度的KV Cache、参数、中间状态也越多。于是，AI基础设施的投资逻辑开始从“计算芯片稀缺”转向“整个数据通路都可能稀缺”。
市场的反应非常直接。9月4日，SanDisk上涨11.9%，美光上涨6.1%，而当日标普500指数整体走弱；9月7日亚洲市场接力，三星电子收涨5.68%，SK海力士收涨8.26%，日本铠侠也明显走强。Astra当然是催化剂，但如果仅靠一个模型发布就能让跨市场的存储股同步上涨，背后必须已经有基本面能够承接。
存储不是“GPU的附属品”，而是AI系统正在暴露的新瓶颈
理解这一点，需要先把HBM、DRAM和NAND分开。HBM本质上解决的是“离GPU足够近、带宽足够高”的问题，它通过先进封装与GPU或AI ASIC协同工作，直接影响高端加速器能否持续吃满算力；服务器DRAM承担更大范围的工作内存，既服务CPU，也承载推理过程中的缓存和调度需求；NAND和企业级SSD则负责容量更大的持久化数据，包括训练数据、向量数据库、模型检查点和分层存储。AI越从一次性问答变成持续工作的智能体，这三层存储的协同需求就越明显。
TrendForce在9月7日公布的数据很有代表性：2026年第二季度全球DRAM行业收入环比增长59.5%，达到约1547.3亿美元，背后既有传统DRAM合同价大涨，也有HBM3E、LPDDR5X和高容量RDIMM需求增加；该机构同时预计，第三季度传统DRAM合同价仍可能环比上涨13%至18%。更值得注意的是，供应商库存仍处于历史低位，增量供给明显向服务器市场倾斜。这意味着当前内存行业的盈利改善并不是单纯依靠“AI概念估值”，而是在用价格、收入和产品结构兑现供需缺口。
而这恰恰是存储芯片与一般AI概念股最值得区分的地方。当厂商把更多先进DRAM产能转向HBM和服务器产品时，传统DRAM能够获得的供给也会被压缩；当AI服务器又需要更大的内存容量时，HBM与普通服务器DRAM实际上会同时争夺晶圆、先进制程以及后续制造资源。于是，AI带来的不再只是某一种高端产品需求增加，而可能形成“高端需求拉动—产能重新分配—其他服务器内存同步趋紧”的链式效应。对于投资者来说，这比单纯追踪哪家公司拿到某一代HBM订单更重要，因为前者决定的是整个行业利润池能否持续抬升。
为什么“存储交易”现在比单纯的“算力交易”更有弹性
第一，市场正在寻找AI资本开支中盈利弹性更大的部分。GPU仍然是核心资产，但GPU龙头的增长路径已经被充分研究，边际惊喜越来越依赖更高的出货量和更强的新产品周期。相比之下，内存行业经历过多轮供过于求，主要厂商对大规模扩产天然更加谨慎，一旦需求突然抬升，短期供给弹性反而更小，价格和利润对需求变化的敏感度更高。2026年以来DRAM价格与行业收入的大幅上升，就是这种周期弹性的体现。
第二，AI工作负载的“单位算力内存需求”并没有因为模型效率改善而线性下降。更高效的模型确实可能减少完成单次任务所需的计算量，但如果成本下降带来更多调用、更长上下文、更高并发和更多智能体，最终消耗的内存容量与数据搬运量仍可能上升。这也是为什么不能把“模型越来越高效”简单理解成“硬件需求见顶”。在AI基础设施建设阶段，效率提升往往意味着更多原来不经济的应用变得可行，最终需求取决于单位成本下降与使用量增长之间谁跑得更快。
第三，供应侧的集中度让高端存储更容易形成价格纪律。全球先进DRAM长期由三星、SK海力士和美光主导，HBM又叠加了先进封装、良率、散热设计和客户认证等门槛。三星已在2026年2月宣布HBM4进入量产并开始商业出货，SK海力士在二季度业绩中也确认HBM4已开始大规模出货。技术竞争会持续加剧，但短期内能够同时满足性能、良率和大客户认证要求的供应商仍然有限，这使得HBM与普通成熟制程芯片的供给逻辑完全不同。
这里还有一个容易被低估的变化：AI需求已经不再完全由英伟达GPU定义。随着Google TPU以及各家超大规模云厂商自研ASIC不断放量，高带宽内存正在从“英伟达配套产品”逐渐变成先进AI加速器的公共基础组件。换句话说，即使未来GPU市场份额发生变化，只要AI算力总量继续扩张、单颗AI芯片配置的内存容量继续提高，HBM需求仍然可以由更多不同类型的加速器共同支撑。对于内存厂商而言，这意味着需求来源反而有机会比上一阶段更加多元。
但“2027年AI资本开支过半投向内存”这个说法，需要降温看
最近市场广泛流传一个很抓眼球的数字：高盛和摩根士丹利预计2027年全球AI资本开支达到1.3万亿至1.5万亿美元，其中超过一半将投入内存基础设施。这个说法很好地概括了当下的交易情绪，部分市场报道也确实使用了这一口径，但如果严格按照公开原始材料核对，不宜把它毫无保留地当成确定事实。
公开可查的摩根士丹利材料显示，其研究团队2026年已经多次大幅上调AI和超大规模云厂商资本开支预期。8月发布的官方播客中，摩根士丹利提到2027年相关资本开支估计已上升至约1.2万亿至1.3万亿美元，而此前的预测远低于这一水平；其核心判断是，计算需求仍然超过现有供给，资本开支周期的规模和速度持续超出预期。这个趋势本身已经足够重要，却不能直接推导出“其中一半以上就是内存”。
这里必须把“计算机及外围设备”“服务器硬件”“内存基础设施”几个概念分开。GPU、CPU、网络设备、服务器整机、存储系统以及内存都属于数据中心资本开支的一部分，把整个设备预算直接等同于存储支出，会明显高估内存所占比例。因此，判断存储主线是否成立，并不需要依赖一个可能在二次传播中被放大的比例。更扎实的证据已经摆在行业数据里：DRAM收入高速增长、合同价仍在上涨、库存偏低、服务器优先拿货、HBM4进入量产，以及云厂商资本开支持续上修。用这些变量建立逻辑，比引用一个漂亮但定义模糊的数字可靠得多。
真正的主线，不是“所有存储股一起涨”
这轮行情最容易出现的误区，是把HBM、DRAM、NAND乃至硬盘厂商全部归为同一个“AI存储”概念。实际上，HBM受GPU和AI ASIC出货驱动最直接，技术壁垒与客户认证决定龙头的议价能力；服务器DRAM更受数据中心扩容、CPU数量和推理内存占用影响；NAND虽然也受AI数据量增长推动，但供给扩张速度、企业级SSD渗透率和价格周期会带来更强的波动。SanDisk与铠侠的大涨说明市场正在把AI叙事从HBM进一步向NAND延伸，但它们最终的业绩兑现路径并不等同于HBM。
这也是为什么“存储成为新主线”不能理解为资金从GPU集体搬家，而应该理解为AI基础设施的定价方式发生了变化。过去市场只需要问一个问题：有多少GPU？现在至少还要继续追问，GPU旁边配多少HBM，服务器需要多少DRAM，数据中心需要多大规模的SSD，网络能不能把这些节点连接起来，电力又能不能支撑整个机房运行。当AI模型复杂度不断提高，任何一个环节供应不足，都可能导致其他昂贵设备无法充分发挥作用，而瓶颈环节自然拥有更强的定价权。
当然，内存也是半导体行业中最典型的周期品之一。今天的紧缺一定会刺激明天的资本开支，一旦2027年至2028年新增产能集中释放，而AI资本开支增速开始放缓，价格弹性完全可能迅速反转。与此同时，中国存储厂商仍在持续扩张，在先进设备和高端HBM领域虽然存在明显技术约束，但在传统DRAM和NAND领域的竞争会逐渐增加。经历2026年的大幅上涨之后，部分海外存储股已经提前反映相当乐观的价格与利润假设，合同价涨幅低于预期、HBM客户认证延迟或者云厂商削减资本开支，都足以触发剧烈回撤。
因此，我更愿意把Astra之后的行情定义为“AI基础设施交易进入补短板阶段”，而不是简单宣布“GPU退潮、存储接棒”。GPU仍然是计算核心，网络决定集群效率，电力和数据中心仍然是物理约束；只是当模型从聊天工具向复杂智能体演进后，市场开始意识到，所谓算力并不是一块芯片的故事，而是一条从计算、内存、互联到存储的完整链条。哪一环最紧，资本和利润就会率先向哪一环集中。
如果这一判断成立，接下来真正值得观察的不是Astra还能带来几天股价上涨，而是存储行业能否连续几个季度证明三件事：需求增长仍然快于供给扩张，价格上涨能够持续转化为现金流和资本回报，下一代HBM与高容量服务器内存的供给仍掌握在少数拥有技术和客户壁垒的厂商手里。只有这三件事继续成立，“存储主线”才会从一场由新品发布点燃的交易，变成AI资本开支周期里更持久的一段利润再分配。
参考资料
- OpenAI, “Release Notes: Introducing GPT-6 Astra”, 2026年9月3日。
- Barron’s, “Micron Stock Closes Above $1,000. Why It’s Not What It Seems”, 2026年9月4日。
- Yonhap News Agency, “OpenAI热潮推动三星电子、SK海力士大涨”, 2026年9月7日。
- MarketWatch, “Why the launch of OpenAI’s latest Astra model reignited the memory-chip trade”, 2026年9月8日。
- TrendForce, “DRAM Industry Revenue Rises 59.5% QoQ in 2Q26 as Supply Expansion Continues to Lag Demand Growth”, 2026年9月7日。
- Samsung Global Newsroom, “Samsung Ships Industry-First Commercial HBM4 With Ultimate Performance for AI Computing”, 2026年2月12日。
- SK hynix Newsroom, “SK hynix Announces 2Q26 Financial Results”, 2026年7月29日。
- Morgan Stanley, “Thoughts on the Market: AI Financing and the Evolution of Credit Markets”, 2026年8月21日。