Kurnal Insights DRAM 晶圆分析称，内存如今的单位面积价值超过 TSMC N2 硅片

Kurnal Insights 表示，DRAM 已跨过一个不同寻常的门槛：先进内存如今每平方毫米可实现的价值，可能高于 TSMC N2 逻辑硅片。Kurnal Insights 的 DRAM 晶圆分析将这一逆转归因于创纪录的内存价格、紧张的供应，以及持续的 AI 基础设施需求。

这一结论听上去像是制造层面的比较，但本质上主要是一个市场信号。DRAM 的制造复杂度仍低于先进逻辑处理器。只是买方如今为生产商可从每片晶圆中提取的内存容量赋予了极高价值。

这一区别很重要，因为原始计算比较的是 TSMC 晶圆报价的估算值，与 DRAM 裸片的潜在销售价值。它并不能证明内存的制造成本更高，而是表明稀缺性如何改变了单位硅片所承载的营收价值。

DRAM 晶圆比较颠覆了一项长期假设

令人意外的并非 DRAM 的制造难度超过逻辑芯片，而是稀缺内存能从相同的硅片面积中创造更高价值。

Kurnal Insights 于 2026 年 9 月 20 日发布了这项比较。该分析采用了有关 TSMC N3 和 N2 晶圆报价的公开估算，再将这些金额除以一片 300 毫米晶圆的表面积。

对于 DRAM，分析采用了另一种方法。分析师将假定的每吉比特销售价值乘以数代内存的比特密度。比特密度衡量的是在给定裸片面积内可容纳多少数据容量。

比较结果显示，较早的 1y 代 DRAM 在名义单位面积价值上低于 N2。密度更高的 1z DRAM 接近 N2，而 1b DRAM 则明显超过了 N2。

按照 Kurnal 的假设，1b DRAM 每平方毫米产生的潜在价值，比名义 N2 数值高约 54%。相较对应的 N3 估算值，则高出约 131%。

这些百分比体现了文章真正的逆转。先进逻辑制程历来代表半导体行业中最有价值的制造资源。它们需要昂贵设备、复杂图形化工艺，以及芯片设计公司与晶圆代工厂之间的紧密合作。

内存采用不同的商业模式。Samsung、SK hynix 和 Micron 通常自行设计并制造 DRAM，随后将芯片或封装产品销售到高度周期性的市场中。它们的回报高度取决于产能纪律、库存、产品组合和需求。

这项单位面积比较表明，这一周期已来到异常的阶段。买方目前对可获得的 DRAM 比特赋予极高价值，以至于其价值可超过复杂得多的逻辑制造所对应的名义价值。

一项同期 DDR5 现货报价也接近 Kurnal 假定的 DRAM 价值。将该报价应用于 1b 密度后，结果与分析师的计算相差不到 3%。

这一接近程度支持了其算术计算，但并不支持由此得出的所有经济结论。现货报价反映的是可立即交付的组件，往往以有限数量交易。它们不一定代表支配大多数出货量的保密合约条款。

尽管如此，这项比较仍为读者提供了有用的市场快照。它将复杂的内存短缺转化为能够与先进逻辑芯片比较的物理单位：每平方毫米晶圆面积产生的价值。

这一快照尤其引人注目，因为 TSMC 的 N2 制程直到 2025 年末才进入大规模量产。这里并非成熟内存技术超过了过时的逻辑节点，而是在与全球最新的商用制造平台之一进行比较。

AI 需求已让内存容量成为瓶颈

AI 系统同时需要算力和内存，但受限的内存供应如今决定了许多买方能够部署多少有效算力。

现代 AI 加速器可以执行海量数学运算。只有当处理器能足够迅速地接收模型权重、训练数据和中间结果时，这些运算才能持续产生效益。

高带宽内存，即 HBM，通过将 DRAM 裸片堆叠在处理器附近来解决这一问题。其宽接口每秒可传输的数据量远高于传统内存模块。

HBM 并不会凭空创造产能。它会消耗 DRAM 晶圆、先进封装资源以及制造注意力，而供应商原本可将这些资源用于服务器、PC 或移动产品。

这种权衡收紧了更广泛的市场。生产商自然会将产能投向需求更强、回报更高的产品。AI 加速器获得优先保障，而传统内存买方则需争夺剩余产出。

TrendForce 的第三季度预测称，DRAM 供应极度紧张。该机构预计，2026 年第三季度传统 DRAM 合约价格将环比再上涨 13% 至 18%。

同一份预测称，创纪录的合约价格正将 PC 和智能手机客户推向其可负担能力的极限。疲软的消费需求放缓了涨价速度，但并未缓解根本性的短缺。

这一差异很重要。涨幅放缓并不自动意味着供应已经追上需求。价格可能因买方推迟采购、降低产品规格或接受更低出货量而趋于温和。

TrendForce 还表示，供应商仍在将生产重新分配给服务器应用。这一决定即便在消费需求走弱之际，仍减少了可用于 PC 的内存供应。

截至 9 月 23 日，该机构的DRAM 市场简报仍将市场描述为供应不足。报告援引了云服务提供商需求、供应商对 HBM 和服务器 DRAM 的偏好、长期协议以及新建晶圆厂产能投放延迟等因素。

这些证据强化了 Kurnal Insights DRAM 晶圆分析背后的核心论点。单位面积结果并非孤立的数学趣闻，而是反映出买方正为有限的可用比特资源展开竞争的市场。

AI 需求也不止于 HBM。支持推理、编排、检索和数据准备的通用服务器，需要大量注册型 DIMM，即 RDIMM。这些模块使用的是传统服务器 DRAM，而非堆叠式 HBM。

基于智能体的 AI 工作负载可能会加剧这种需求。企业系统可能一边运行模型，一边存储长上下文、维护检索索引并协调多个进程。这类活动会同时加大对加速器内存和主机内存的压力。

存储基础设施又增加了一层需求。AI 数据中心需要企业级固态硬盘来存储训练数据、模型检查点、日志和检索系统。这些硬盘也可能需要 DRAM 来支持控制器和性能管理。

结果形成了一连串相互关联的限制。更多加速器需要更多 HBM；更多 AI 服务器需要更多 RDIMM；更大的数据管道需要更多企业级存储。供应商必须决定哪些市场将获得有限的晶圆和封装资源。

对开发者而言，实际教训是，加速器可用性已不再能说明全部产能状况。一个系统即使拥有充足的算术吞吐能力，仍可能受内存容量、带宽或采购交付周期限制。

对企业买方而言，这种压力会体现在硬件配置和交付时间表上。供应商可能提高系统价格、减少标准内存配置，或优先满足签订更长期采购承诺的大客户。

对消费者而言，同样的产能分配决策可能体现在笔记本电脑和智能手机价格上。AI 基础设施需求无需直接瞄准消费级 DRAM 即可产生影响；它只需重新分配足够多的共享产能。

内存价值正在挑战先进逻辑芯片的经济逻辑

市场正以前所未有的力度为可获得的数据传输能力付费，使内存如今开始挑战通常与先进计算相关联的价值。

TSMC 的 N2 制程采用全环绕栅极晶体管，这是一种旨在提升性能和能效的新型晶体管结构。该制程支持面向智能手机、高性能计算和 AI 的先进处理器。

这项技术需要大量资本支出。TSMC 向投资者表示，建设一定规模的 N2 产能，成本远高于建设相同月产能的 N3 产线。

公司的财报电话会议纪要还称，N2 在 2025 年第四季度进入大规模量产。TSMC 预计其产量将在 2026 年加速爬坡。

其投资计划展现了这一扩张的成本。TSMC 预计将 2026 年资本预算的 70% 至 80% 用于支持先进制程技术，另有 10% 至 20% 分配给先进封装、测试和掩膜生产等领域。

逻辑芯片客户支付的不只是实体硅片面积。已加工晶圆的价格反映了对制造平台、工艺开发、知识产权、良率管理、客户支持和晶圆代工产能的获取。

DRAM 客户购买的也不只是原始面积。他们为经过测试的内存容量、速度、功耗特性、可靠性、封装和供货能力付费。然而，Kurnal 的公式主要通过可销售比特来衡量 DRAM 价值。

这构成了本文的核心对立：制造复杂度与稀缺性价值。

N2 逻辑芯片显然在工艺复杂度上占优。它采用了比主流 DRAM 更复杂的晶体管结构和制造步骤，也支持开发成本可能极其高昂的芯片设计。

在基于现货价格的假设下，DRAM 当前则在稀缺性方面胜出。市场需要的内存比特数量超过了供应商愿意提供的数量，尤其是在 AI 和服务器类别中。

这种转变改变了议价能力。内存充裕时，买方可以将其视为相对可替换的组件。供应商在下行周期面临巨大压力，因为未售库存会推动价格走低。

供给受限的市场则会逆转这一关系。当系统必须出货时，买方不再那么关注生产一个比特的理论成本，而更在意是否存在足够的合格供应。

HBM 进一步强化了这一变化，因为它不只是一颗更快的商品化 DRAM 芯片。供应商必须堆叠裸片、通过垂直通道连接它们、集成基础裸片，并与加速器供应商协调先进封装。

Samsung 的HBM4 量产体现了这种融合。其 HBM4 将第六代 10 纳米级 DRAM 与 4 纳米逻辑基础裸片结合。

Samsung 于 2026 年 2 月开始商业出货 HBM4。该公司表示，这款产品可持续实现每秒 11.7 吉比特的传输速率，并可达到每秒 13 吉比特。

这些属于公司声明，针对不同客户的实际性能取决于具体实现。不过，该产品说明了为何内存与逻辑芯片经济学之间的界限正变得不再清晰。

一组 HBM 堆叠包括高密度 DRAM、逻辑芯片、复杂封装、散热限制和严格的认证要求。其商业价值来自整个系统，而非某一个制造节点。

SK hynix 也在把握同样的机遇。其 2026 年内存展望指出，在 AI 基础设施持续扩张的同时，市场正从 HBM3E 迈向 HBM4。

Micron 同样曾警告投资者：相较于传统 DRAM，更新一代的 HBM 会逐步消耗更多晶圆产能。制程转换带来的位元增长放缓，也进一步加大了供应压力。

因此，三家领先供应商都面临同一个产能分配问题：可以将产能投入服务 AI 系统的产品，也可以用于定价较弱的传统市场。

它们的决策将决定当前这种对比是否会持续。如果新增产能、更高良率和更高密度制程带来的位元供应增长快于需求，DRAM 的单位面积价值应会回落。

如果 AI 部署持续吸收每一份新增位元，内存即使在制造商扩大产量的同时，仍可保持极强的定价能力。

DRAM 晶圆分析无法证明什么

这一核心对比很有参考价值，但它并不能证明 DRAM 制造的实际成本高于生产 N2 或 N3 逻辑芯片。

第一个限制在于，它比较的是一笔交易的两个不同侧面。Kurnal 的逻辑芯片数据代表在 TSMC 加工晶圆的估算收费；DRAM 数据则代表某一面积内所含内存容量的估算收入。

制造收费并不等同于产品最终的销售价值。逻辑晶圆仍需切割、测试、封装，并制成成品处理器。部分逻辑产品在完成这些步骤后能获得远高得多的收入。

第二个限制是良率。圆形晶圆上的每一平方毫米并非都能变成可销售芯片。晶圆边缘无法高效利用，测试结构也会占据部分面积。

缺陷同样会令部分裸片无法使用。大型逻辑裸片和较小的内存裸片可能呈现不同的良率表现，因此，将晶圆报价除以总几何面积会过度简化实际可用产出的经济性。

第三个限制是封装。先进处理器通常需要昂贵的基板、chiplet、中介层和复杂的散热方案。这些费用并未纳入基础的晶圆单位面积比较中。

HBM 也有其显著的封装负担。多颗 DRAM 裸片必须经过减薄、堆叠、互连、测试，并与处理器集成。一道环节的低良率，就可能影响整组堆叠的价值。

第四个限制是采用了估算的 TSMC 价格。晶圆代工协议属保密信息，并会因客户、规模、设计、制程选项和商业关系而异。

TSMC 曾表示，其定价仍具有战略性。这一表述并未透露任何特定 N2 或 N3 客户实际支付的价格。

第五个限制是 DRAM 现货市场。现货交易涵盖即时可获得的内存，出售方式不同于主导行业大部分交易量的大型合约。

TrendForce 曾将 DDR5 现货交易描述为有限且零星。流动性较低市场中的高报价可以反映稀缺性，却未必代表 Samsung、SK hynix 或 Micron 出货所获得的平均收入。

合约价格能提供更好的比较依据。它能反映主要服务器厂商、内存模组制造商和设备公司购买其大部分内存时所适用的条款。

这些数据大多仍未公开。缺少它们，任何外部分析都无法断言 DRAM 制造商获得的每片晶圆收入高于 TSMC 从先进逻辑晶圆获得的收入。

此外还存在时间问题。内存现货价格可能快速波动，而晶圆代工合约可能在更长时间内保持稳定。9 月进行的比较描述的是 9 月的情况，并非永久性的等级排序。

内存市场长期以来一直经历剧烈周期。短缺会刺激投资、库存积累和产能扩张。当供应最终超过需求时，价格可能迅速下跌。

当前周期具有一些可能延长其持续时间的特征。新晶圆厂需要数年建设，HBM 消耗大量晶圆产能，AI 客户则持续下达大额订单。

然而，买方的承受能力也有限。TrendForce 已观察到消费者的接受度走弱，部分 PC 和智能手机制造商正在削减需求，而不是吸收每一轮涨价。

因此，平衡的解读应同时保留两种观点。Kurnal Insights 的 DRAM 晶圆分析捕捉到了真实的稀缺信号，但其简化方法无法证明完整的成本或盈利能力对比。

这一限制并未使计算失去价值。它界定了这项计算真正适合衡量的内容：内存市场偏离常规大宗商品假设的程度。

压力正从芯片制造商转向系统买家

内存稀缺如今迫使云服务运营商、服务器制造商、PC 品牌和 AI 团队围绕产能，而非仅围绕算力，重新设计采购计划。

云服务提供商是最明显的压力来源。其 AI 集群需要巨量 HBM、服务器 DRAM 和存储，且通常须按照精心安排的部署计划交付。

这些公司可通过长期协议锁定供应。这种方式提高了供货可得性，但也会减少可供规模较小或对价格更敏感客户使用的内存。

服务器制造商面临相关问题。如果经过认证的 RDIMM 仍然无法获得，平台便无法按预期规格出货。改用不同供应商或不同密度的产品，可能需要进行验证和固件工作。

AI 加速器供应商需要更深入的协同。HBM 堆叠必须满足带宽、散热、功耗、封装和可靠性要求。经过认证的供应无法像标准外设那样轻易替换。

这赋予内存供应商更多议价能力，但也带来执行风险。扩产过慢可能限制客户；扩产过于激进，则可能在需求变化时造成昂贵设施利用不足。

PC 制造商吸收这一压力的方式较少。它们可以提高零售价、降低内存配置、调整产品组合，或接受更低利润率。

TrendForce 预计，更高的组件成本将传导至笔记本电脑价格，并拖累 2026 年出货量。智能手机供应商面临类似抉择：较高的 LPDRAM 成本与疲软的消费需求相遇。

对软件团队而言，影响表现得不那么直接。拥有大容量内存池的云实例可能更难预订，或在经济性上不再那么有吸引力。组织可能需要缩减模型规模，或更谨慎地管理推理状态。

这种应对让内存效率更具价值。量化、小型模型、检索、上下文管理和缓存优化等技术，可以降低每项工作负载所需的内存。

这些技术并不能消除基础设施需求。效率通常会让更多应用在经济上可行，从而增加整体使用量。不过，它有助于单个团队在受限配额内运行。

企业买家还应区分 HBM 和普通服务器内存。两者都支持 AI，但解决的问题不同。

HBM 位于加速器附近，以极高带宽为计算提供数据。RDIMM 则为处理器、数据服务、检索管线和应用状态提供大容量主机内存池。

任一类别出现瓶颈都可能延迟部署。购买更多加速器无法解决主机内存短缺，正如增加 RDIMM 也无法替代不足的 HBM 带宽。

单位面积比较让这种依赖关系更加可见。计算芯片吸引了更多关注，因为加速器性能易于营销和基准测试。内存则决定这些算力能否持续保持忙碌。

数据移动同样影响能耗。从远端存储中获取信息，或通过受限接口传输信息，都会消耗时间和电力。将相关数据保留在处理器附近可以提高利用率，但这需要更具价值的内存容量。

其影响不止于数据中心。重新分配至 AI 产品的产能，可能收紧工业设备、网络硬件、车辆和消费电子产品的供应。

并非所有细分领域都会在同一时间经历同样的短缺。供应商可以调整产品组合，而需求也会随着地区和设备类别而变化。

不过，共同的压力来源依然明确。AI 基础设施愿意为性能、容量和交付确定性付费。这种意愿将制造资源从定价能力较弱的买家手中拉走。

三个信号将显示 DRAM 是否持续高于逻辑芯片

合约定价、HBM 产能消耗和新增晶圆产出，将决定这一逆转是否能延续至短缺之后。

第一个信号是 DRAM 现货价与合约价之间的差距。现货价格造就了戏剧性的单位面积结果，但合约代表大部分大宗交易。

若价差在高位收窄，将强化内存新价值具有广泛性和持久性的论点。若现货价格大幅下跌，这一论点将被削弱，特别是在合约涨幅也放缓的情况下。

市场观察者应关注已披露的合约趋势，而非孤立的零售报价。他们还应区分 PC DRAM、服务器 DRAM、LPDRAM、图形内存和 HBM。

第二个信号是 HBM4 和 HBM4E 的晶圆产能负担。每一代都致力于提供更高带宽和容量，但日益严苛的设计可能消耗更多制造资源。

Samsung 和 SK hynix 在 2026 年交付了 HBM4E 样品，加速器供应商则在准备其下一代平台。认证结果和量产良率将决定有多少传统 DRAM 产能仍可获得。

如果 HBM 产出扩大而未进一步挤压其他类别，说明供应商的生产效率已有足够改善，能够缓解短缺。如果服务器和 PC 内存依旧受限，AI 的产能分配仍在主导市场。

第三个信号是新建或扩建晶圆厂的实际产出。宣布投资并不会立刻创造可销售的内存。建设、设备安装、制程认证和良率改善都需要时间。

Micron 预计其首座 Idaho 工厂将在 2027 年年中实现初始晶圆产出。Samsung 和 SK hynix 也在扩展制造及封装基础设施。

这些项目很重要，但短期供应更依赖现有无尘室、制程转换、良率和产品分配。在大规模新产能到位前，未来几个季度将显示运营改进能否增加足够多的位元。

买方还应关注库存行为。囤货会放大短缺，因为客户担心未来无法获得供应而采取防御性订购。库存下降可以检验，在这些采购之后，终端需求是否依然强劲。

如果合约价值维持高位，同时 HBM 持续消耗日益扩大的受限产能份额，Kurnal Insights 的 DRAM 晶圆分析将得到验证。如果随着新增产出到来现货价格下跌，它看起来则更像一次暂时性高点。

无论结果如何，都留下了一个重要教训。AI 基础设施并非仅由计算芯片构成。其经济性取决于内存、封装、电力、网络和存储能否协同推进。

对于开发者和企业技术领导者而言，下一步很务实：应像衡量算力需求一样仔细衡量内存需求。在确定硬件计划前，跟踪模型规模、上下文增长、缓存使用、主机内存需求和部署可得性。

下个季度最值得关注的问题，不是 AI 需求是否依然旺盛，而是供应商能否生产出足够多的合格内存，从而避免稀缺性让 DRAM 的单位面积价值超过业内最新逻辑芯片。