OpenAI Astra 内存需求提振 Samsung 和 SK hynix，但涨势仍需证据支撑

在市场数月来对人工智能基础设施支出抱持疑虑后，OpenAI Astra 的内存需求推动 Samsung Electronics 和 SK hynix 股价大幅走高。根据韩国市场数据，Samsung 于 9 月 7 日上涨 5.68%，SK hynix 上涨 8.26%。

这波涨势反映的不只是市场对又一次模型发布的热情。投资者押注，Astra 更长、更具自主性的工作负载将消耗更多内存容量和带宽。这将利好向 AI 加速器制造商供应高带宽内存（HBM）的企业。

不过，模型发布并不会自动转化为持久的半导体订单。投资逻辑取决于客户使用 Astra 的频率、OpenAI 为每项任务提供服务的效率，以及哪些内存供应商能够通过未来加速器的认证。

这构成了此次涨势背后的核心张力。Astra 加强了 AI 智能体将需要更多内存的论点，但这种需求的规模和出现时间仍不确定。Samsung、SK hynix 和 Micron 仍须将软件使用量转化为通过认证的产品、签约规模以及具备盈利能力的生产。

Astra 的发布扭转了走弱的芯片叙事

Astra 改变了投资者预期，是因为它让更长的 AI 工作流显得具有商业意义，而不是因为 OpenAI 直接宣布了新的内存订单。

OpenAI 于 2026 年 9 月 3 日开始推出 GPT-6 Astra。该模型最初面向有限数量的组织开放，随后通过 ChatGPT、OpenAI API、Microsoft Azure 和 Amazon Bedrock 扩大访问范围。

该公司将 Astra 描述为适用于计算机使用、软件工程、研究、网络安全和专业工作的模型。其 Astra 发布详情强调，模型能够跨应用完成多步骤任务，而非仅生成孤立的文本回复。

这一差异对内存供应商至关重要。传统聊天机器人对话可能只涉及一个提示、一个上下文窗口和一个回复。智能体则可以浏览网页、检查文件、调用软件工具、调整方法，并在多个步骤中保持状态。

每项操作都会生成并调取中间信息。在智能体持续工作时，系统必须让相关上下文保持可访问状态。因此，较长的会话会形成比简短问答更大的工作集。

OpenAI 报告称，Astra 在用于评估计算机环境任务完成能力的 OSWorld 2.0 基准测试中获得 72.6%。在该公司公布的对比条件下，GPT-5.6 Sol 的得分为 65.7%。

Astra 完成测试中的 OSWorld 任务约需 40 分钟，而 Sol 约需 75 分钟。不过，更快的完成速度也使内存需求逻辑变得更复杂。更高的效率可能降低每项成功任务所需的资源。

看涨观点假设，能力提升带来的使用扩张速度将快于效率提升对计算需求的削减速度。如果人们委托更多工作，即使单项任务变得更便宜或更快，整体推理量也会上升。

这一可能性出现时，韩国内存股正需要一个新的叙事。随着投资者质疑庞大的基础设施建设能否带来足够回报，Samsung 和 SK hynix 已从 6 月高点回落。

Astra 为这些产能提供了一个清晰的应用场景。投资者不再只是思考模型开发商是否需要新增训练集群，而是能够设想数百万个智能体持续为企业和个人完成工作。

市场的初步反应强劲。Samsung 于 9 月 4 日上涨 2.2%，并在下一交易日再涨 5.68%。SK hynix 上涨 3.2%，随后再涨 8.26%。

更广泛的半导体市场也参与其中。费城半导体指数于 9 月 4 日上涨 3.38%，尽管美国三大股指均告下跌。

这些走势支持 Astra 影响市场情绪的说法，但并不能证明 Astra 单独造成了每一项涨幅。市场此前已在消化对内存短缺、服务器需求上升和新加速器平台的预期。

因此，这次反转应被视为对 AI 需求的重新评估，而非对其的直接衡量。投资者迅速行动，是因为 Astra 在市场不确定之际强化了既有的投资逻辑。

OpenAI Astra 的内存需求为何可能增长

Astra 与内存需求之间最强的关联，在于长时间、具备状态的智能体任务所形成的不断扩大的工作集。

HBM 是多层互连的 DRAM 芯片堆叠，部署在靠近 AI 处理器的位置。它提供远高于传统内存的数据传输带宽，帮助加速器持续获得计算所需的数据供应。

现代 AI 芯片能够进行海量计算。当模型参数、缓存信息或中间结果无法足够快速地移动时，这些处理器的效率便会下降。HBM 能够缓解这一数据瓶颈。

Astra 的智能体工作负载通过多个渠道增加压力。第一是上下文窗口，即模型在执行任务时能够考虑的信息范围。Astra 通过 OpenAI API 支持超过一百万个 token 的上下文。

Token 是模型处理的小型文本或结构化信息单位。更大的上下文使智能体能够检查更长的文档、更大的代码库、更多记录或更长的交互历史。

第二个渠道是 KV 缓存，即模型推理过程中创建的临时信息存储。它避免系统在模型每生成一个新 token 时重新计算此前所有 token。

KV 缓存需求会随序列变长、模型变大、同时在线用户增加以及特定模型架构而上升。因此，即使底层模型权重不变，为大量持续运行的智能体提供服务仍可能需要大量内存。

第三个渠道是工具使用。一个跨浏览器、电子表格、终端和文档编辑器工作的智能体，会不断将观察结果添加到其活跃状态中。截图、检索页面、代码输出和更新后的计划都会争夺内存和带宽。

研究任务便是一个实际例子。Astra 可能搜索多个数据库、比较相互矛盾的来源、提取相关数据、制作电子表格并起草报告。这一工作流涉及的推理步骤远多于回答单个事实性问题。

OpenAI 表示，Astra 在 AutomationBench 上的得分为 41.4%，而 GPT-5.6 Sol 为 18.1%。该公司还报告称，模型在计算机使用、编程和专业工作评估中的表现均有提升。

这些是公司自行报告的基准测试结果，并非生产需求的衡量数据。它们说明客户为何可能尝试更长的任务，但并未披露每日 token 量或部署所采购的内存规模。

这一机制仍能解释市场的反应。更具能力的智能体可以创造新的计算活动，而不只是替代此前由旧模型处理的请求。过去可靠性不足、无法自动化的任务，原本根本不会产生推理需求。

一旦模型变得足够实用，该任务便进入可服务工作负载的范围。如果能吸引足够多的新用户和任务，即使效率有所提高，整体基础设施需求仍可能增长。

这是一种杰文斯效应：单位资源需求降低，会鼓励足够多的新消费，从而提升总使用量。AI 基础设施投资者实际上正是在押注这种反应。

相反的结果仍有可能出现。OpenAI 可以压缩 KV 缓存、将简单步骤路由至更小的模型、复用缓存输入，或限制智能体循环。客户也可能仅将 Astra 用于偶发的高难度工作，而非持续自动化。

Astra 更快的任务完成速度在这里同样重要。如果模型使用更少的处理步骤，它在实现相同结果时产生的内存流量可能低于较慢的智能体。仅凭能力无法解决这一问题。

关键指标是整个服务中完成的成功工作总量。OpenAI 尚未披露足够的生产数据，无法计算 Astra 对 HBM、服务器 DRAM 或存储需求的增量。

因此，对 Samsung 和 SK hynix 而言，从软件到硅片的路径仍是间接的。Astra 必须吸引持续使用，这种使用必须推动基础设施部署增加，而新的加速器系统还必须采用来自这些供应商的、已通过认证的内存。

Samsung 和 SK hynix 的优势早于 Astra

Astra 强化了既有的供应关系，但 Samsung 和 SK hynix 早已为 AI 内存需求增长做好布局。

作为其 Stargate 基础设施计划的一部分，OpenAI 于 2025 年 10 月与 Samsung 和 SK 签署战略协议。两家公司表示，将扩大先进内存生产，并探索在韩国增加数据中心容量。

双方的 Stargate 合作伙伴关系设定了加速产能扩张下每月 90 万片 DRAM 晶圆投片的目标。晶圆投片衡量的是进入制造流程的晶圆，而不是可用 HBM 成品的数量。

这一目标意义重大，但 OpenAI 将这些协议描述为战略合作伙伴关系，其具体范围将随着计划推进而逐步明确。该公司并未披露有保障的、专门面向 Astra 的采购规模。

这种差异很重要。谅解备忘录、产能目标或供应讨论，与在具约束力、按计划执行的订单下供应已认证产品，并不具有同等确定性。

尽管如此，这一关系让两家韩国企业直接参与 OpenAI 的基础设施雄心。Samsung 旗下关联公司还同意评估数据中心建设、设备和服务。SK Telecom 同意探索在韩国建设 AI 数据中心。

这项合作关系内部的内存竞争依然激烈。SK hynix 在向 Nvidia 加速器供应 HBM 方面较早取得领先，并与 TSMC 建立了紧密的制造合作关系。Samsung 则一直致力于通过更快的产品和扩大客户认证来改善其竞争地位。

Samsung 于 2 月表示，已开始 HBM4 的量产和商业出货。其 HBM4 生产更新预计，公司 HBM 销售额将在 2026 年较 2025 年增长逾三倍。

Samsung 表示，其 HBM4 的速度最高可达每针脚每秒 13 千兆比特，带宽最高可达每秒 3.3 太字节。该公司称，这些规格超过了行业基准标准。

SK hynix 于 2026 年第二季度开始量产出货 HBM4。该公司还在上半年出货 HBM4E 样品，并计划在下半年提高 HBM4 产量。

SK hynix 在其季度业务更新中表示，已与约 10 家客户敲定长期协议。该公司将这些协议与 AI 内存和传统内存的结构性需求联系起来。

这些表述显示，HBM 扩张在 Astra 推出前就已展开。该模型并未创造当前出货背后的生产周期、客户认证工作或先进封装投资。

Astra 反而减轻了围绕这些投资的一项焦虑。一个能力强大且广泛分布的智能体模型，为云服务提供商持续扩张基础设施提供了另一项潜在理由。

对每家韩国供应商而言，竞争含义各不相同。SK hynix 进入 Astra 时代时，已拥有成熟的 HBM 客户关系和大规模出货。Samsung 则拥有更广泛的半导体业务，并加速推进 HBM4 布局。

需求的普遍增长可能令两家公司都受益。但客户特定的认证决策仍可能倾向某一家供应商，尤其是在加速器需要定制化基底芯片、封装、散热性能和经过验证的可靠性时。

HBM 一旦进入先进加速器封装，便不再是可互换的标准化大宗存储。供应商需要与逻辑芯片设计商、晶圆代工厂和封装服务商紧密合作。认证可能耗时较长，并形成实质性壁垒。

这使得 Samsung 与 SK hynix 的竞争比共同上涨行情所暗示的更为重要。两家公司可能从同一轮需求周期中获益，但获得的出货量、产品组合和客户关系可能不同。

Micron 为“两家公司”的叙事增添了另一项约束。根据其量产公告，这家美国供应商已于 2026 年第一季度开始量产出货面向 Nvidia Vera Rubin 平台设计的 HBM4。

OpenAI 也可以通过云平台获得算力，而这些平台的硬件采购决策涉及 Nvidia、AMD、定制加速器设计商和系统制造商。由此产生的存储订单不会自动流向 OpenAI 的韩国合作伙伴。

因此，投资逻辑比直接签订 Astra 合同更为广泛。当该模型加剧整个 AI 市场的竞争、促使多家基础设施运营商扩张时，Samsung 和 SK hynix 都将受益。

Astra 对 HBM 的影响仍存在验证缺口

这轮上涨反映的是预期中的需求传导链，而现有公开证据仅确认了模型发布、既有合作关系和投资者情绪的改善。

目前没有公开数据表明 Astra 需要多少额外 HBM。OpenAI 尚未公布该模型的参数规模、服务配置、活跃用户数量或每日总 Token 消耗量。

它也未披露 Astra 的特定存储供应商。该模型可通过 Microsoft Azure 和 Amazon Bedrock 获取，进一步拉开了软件使用与最终硬件采购决策之间的距离。

云平台可在不同类型的加速器和系统配置上运行同一个模型。它们可能使用自有硬件、租赁算力、专用推理芯片，或多代 Nvidia 与 AMD 加速器。

这为提升效率创造了多种机会。服务商可以对请求进行批处理、缓存重复输入、降低数值精度、压缩注意力状态，并将较简单的子任务路由给更小的模型。

Astra 本身在部分公开工作负载中似乎效率更高。OpenAI 表示，其完成 OSWorld 任务所需时间比 GPT-5.6 Sol 少约 47%，同时获得了更高分数。

若这些提升能够转化为生产环境表现，每项完成的任务可能需要更少的加速器分钟数。因此，看多存储的逻辑取决于采用增长速度是否快于效率改善速度。

这很有可能，但仍然只是一项假设。企业通常会先测试新模型，随后才会授予其访问敏感应用、客户记录或内部系统的权限。OpenAI 表示，Astra 在发布时默认对企业管理员关闭访问权限。

安全控制也可能中断合法工作流。OpenAI 承认，其监控与安全机制有时会阻止已获授权的工作。部署过程中的摩擦可能拖慢持续型智能体的增长。

该模型的网络安全能力带来了另一个采用问题。OpenAI 将 Astra 评定为达到关键网络安全能力阈值，并在发布前引入了更严格的防护措施。企业可能欢迎这些能力用于防御，同时限制其对生产系统的自主访问。

即使使用量上升，基础设施支出也可能滞后。云服务提供商通常会提前数月甚至数年规划数据中心和加速器采购。短期利用率的提升可能先填补现有产能，而不是立即触发新订单。

存储市场在发布前的库存也较为有限。Korea JoongAng Daily 援引的分析师估计，Samsung 和 SK hynix 在第三季度持有的库存不足 10 天。

低库存可以支撑供应商的定价和盈利。若生产和封装能力无法足够快速扩张，它也会限制近期出货增长。

HBM4 加剧了这一约束，因为先进堆叠需要更多制造资源和复杂封装。将产能转向 HBM，可能会减少可用于传统 DRAM 的产能。

这为客户带来了混合结果。存储供应商会从稀缺中受益，但更高的组件成本可能让 AI 系统更加昂贵。昂贵的系统可能促使模型开发者优先提升效率，而非最大化硬件使用量。

首轮上涨后的市场反应也说明了不确定性。Samsung 在 9 月 8 日交易时段下跌 0.19%，而 SK hynix 仅上涨 0.56%。

这一停顿并不否定 Astra 对 HBM 的影响。它表明，投资者迅速消化了这一消息，随后重新回到针对各公司的预期。

最站得住脚的结论比最乐观的看多逻辑更为克制。Astra 支持这样一种观点：自主 AI 将继续高度依赖存储。它尚未证明任一家韩国供应商将获得特定规模的增量订单。

持久的重新估值需要来自使用量、资本支出和产品出货的证据。缺少这些信号时，Astra 仍只是附着于本已紧张的存储周期之上的情绪催化剂。

透过投资者争论解读 OpenAI Astra

关键问题在于，Astra 是否会大规模创造新增工作，还是仅仅更高效地完成现有 AI 工作。

支持者聚焦于工作负载扩张。Astra 可以执行更长时间的任务、操作软件，并保留比早期系统更多的上下文。这些能力让新的自动化场景在技术上成为可能。

开发者可能将一项涵盖源文件、测试、文档和问题跟踪的大型迁移任务委托给它。金融分析师可能要求模型收集文件、核对数字并制作演示文稿。

安全团队可能使用 Astra 检查代码，并在经授权的环境中复现漏洞。OpenAI 报告称，其在网络安全基准测试上取得显著进展，但许多结果来自公司自行开展的评估。

每种场景都涉及与数据和工具的持续交互。更多部署将增加对加速器、HBM、传统服务器 DRAM、网络设备和企业存储的需求。

这种扩张逻辑解释了为什么芯片投资者将一项软件公告视为基础设施事件。Astra 展现了一条从模型能力到重复性经济活动更清晰的路径。

怀疑者则关注单位经济效益。一项工作流在技术上可能令人印象深刻，却可能因成本过高、不够可靠或难以监管，而不适合频繁用于生产环境。

OpenAI 还必须与 Anthropic、Google 以及其他提供编码智能体、长上下文、计算机操作和专业自动化服务的模型供应商竞争。客户可以将工作负载分配给多项服务。

这种竞争带来两种相反的影响。随着每家供应商构建并服务更强大的模型，它可以增加总体基础设施需求；同时，它也可能迫使供应商通过更优的软件和专用硬件降低推理成本。

由此产生的存储需求取决于总体活动，而非仅取决于 Astra 的市场份额。即使其他模型胜出，只要整体竞争增加加速器部署，Samsung 和 SK hynix 仍可受益。

如果定制芯片依赖不同的存储配置或已认证的供应商，它们也可能错失部分机会。Google、Amazon、Microsoft、Meta 和其他运营商正日益自行设计加速器。

定制芯片仍需要存储，但每个平台都会形成一场独立的认证竞争。仅有产能并不能保证供应商赢得最具吸引力的业务。

训练和推理之间也存在区别。训练使用大型计算集群构建或更新模型。推理则是在用户提交任务时运行已训练好的模型。

Astra 的发布主要强化了推理逻辑。该模型已经存在，因此未来需求取决于服务用户以及改进后续世代，而非重复最初的训练过程。

推理可以成为更持久的需求来源，因为每当有人使用服务时，它都会重复发生。然而，它也是路由、缓存、压缩和工作负载专门化能够带来显著节省的领域。

对投资者而言，基准测试领先地位提供的证据并不完整。一个有用的模型在改变长期芯片需求之前，需要具备良好的经济性、可靠的运行表现和广泛分发能力。

Astra 通过 ChatGPT、OpenAI API、Azure 和 Bedrock 获得了有意义的分发渠道。这种覆盖面提高了其在消费者、开发者和企业中快速试验的可能性。

仍然缺失的是将试验与持续生产活动联系起来的公开证据。宣布可用并不等于持续的自主使用。

Samsung 和 SK hynix 并不需要每一项 Astra 部署都成功。它们需要更广泛的智能体市场产生足够的基础设施需求，以维持 HBM 产能紧张并支持持续投资。

这就是为什么主要竞争并非 OpenAI 与另一家实验室之间的较量，而是不断扩张的智能体工作负载前景与持续改善的计算效率现实之间的较量。

三项信号将决定这轮上涨能否延续

只有当采用率、基础设施承诺和 HBM 出货量同步推进时，Astra 才会成为持久的催化剂。

第一项信号是生产使用情况。OpenAI 或其云合作伙伴应披露证据，证明 Astra 正在完成持续性工作，而非只吸引短期试用。

有用指标包括 API Token 增长、活跃企业部署数量、已完成的智能体任务，或 Azure 和 Bedrock 的利用率。任何指标都应区分持久使用与发布流量。

快速增长将强化 OpenAI Astra 的存储需求逻辑。活动持平则表明，基准测试提升和产品可用性并未转化为足够多的新工作负载。

使用质量与使用量同样重要。基于工具的长任务对基础设施的要求不同于简短的消费者提示。投资者需要有关任务持续时间和复杂度的证据。

第二项信号是资本支出和采购。Microsoft、Amazon 和其他基础设施运营商应在 Astra 发布后继续扩大加速器和数据中心产能。

OpenAI 的 Stargate 计划也需要取得具体进展。已签署合同、建设里程碑、加速器部署或详细的供应承诺，都会比又一项合作公告更具分量。

Astra 特定的存储订单并非必要。来自竞争性 AI 供应商的更广泛支出，只要能使 HBM 和服务器 DRAM 需求持续领先于供给，就可支撑 Samsung 和 SK hynix。

即便 Astra 在技术上仍令人印象深刻，云端资本支出放缓也会削弱这一逻辑。当客户停止增加硬件时，软件能力无法维持存储收入。

第三个信号来自供应商的执行情况。Samsung 和 SK hynix 必须披露更高的合格 HBM 出货量、稳定的生产良率，以及长期客户承诺。

SK hynix 已开始出货 HBM4，并与约 10 家客户达成协议。Samsung 预计 HBM 销售额将大幅增长，且已开始商业化出货 HBM4。

未来的财报应能揭示，这些布局是否带来了更强劲的出货量，而非主要受供给稀缺推动的收益。投资者还应关注 Micron，以及针对具体客户的认证决策。

三家供应商若均能成功推进 HBM4 量产爬坡，可能扩大市场规模，同时缓解供应短缺。供应增长加快或许能支撑营收规模，但也会削弱当前预期中包含的稀缺溢价。

生产问题则会带来相反的结果。供应受限可能强化定价能力，却也会阻止供应商承接全部可获得的需求。

这些信号应结合起来解读。Astra 使用量上升、但基础设施支出未同步增加，意味着服务提供商可能正在提高效率或利用现有产能。支出增加而使用量没有增长，则会引发对回报的疑问。

HBM 产量增加但客户需求未能持续，最终可能造成供过于求。最有力的确认信号是，终端用户活动、硬件投资和合格出货量依次增长。

OpenAI Astra 对内存需求的影响已改变市场情绪。下一项考验是运营层面的证据。

开发者和企业买家应关注，Astra 是否会将多步骤代理转变为日常工具。投资者则应关注，这种常规使用是否会传导至晶圆制造计划和客户合同。

Samsung 和 SK hynix 具备参与其中所需的技术、产能规划和客户关系。Astra 提供了催化剂叙事。现在，存储芯片制造商必须证明，软件热潮正在转化为持久的硅片需求。