Samsung 瞄准端侧 AI，SK hynix 扩大内存产能

Samsung Electronics 正在推进面向端侧 AI 的存储方案，而 SK hynix 则计划在持续存在供应限制的情况下，于五年内将晶圆产能翻倍。这一对比出现在 Google News 收录的《每日经济新闻》一篇有关韩国两大内存制造商的报道中。

这种分化的重要性不止于简单的公司对比。Samsung 正在提升手机和可穿戴设备读取本地数据的速度。SK hynix 则在扩大生产基础，以满足日益庞大的数据中心工作负载需求。

两家公司都向多个市场销售内存，因此没有哪一种战略是完全排他的。然而，它们最新的公告揭示了针对同一问题的不同答案。Samsung 强调靠近用户端的效率，而 SK hynix 强调工业规模下的吞吐量与供应能力。

这为人工智能下一阶段提供了一个有价值的检验。AI 系统既需要更快的本地响应，也需要庞大的集中式基础设施。最终胜出的未必是拥有最快组件的公司，而是能够将技术性能转化为通过认证的产品、可靠的出货量和可持续经济效益的供应商。

Google News 报道反映出真实的战略分野

关键变化在于，AI 内存竞争如今已从手机内部存储延伸至数据中心加速器周围的堆叠内存。

Samsung 于 2026 年 6 月 23 日发布了其 UFS 5.0 移动存储解决方案。Universal Flash Storage，即 UFS，是高端移动设备内部常用的嵌入式存储标准。

该公司表示，新解决方案的连续读取速度可达每秒 10.8 GB，连续写入速度可达每秒 9.5 GB。这两项数据均超过 Samsung UFS 4.1 产品相应性能的两倍。

这一提升之所以重要，是因为本地 AI 模型会持续在存储与工作内存之间转移信息。模型在生成答案前，可能需要读取参数、个人上下文、视觉资源或缓存结果。即使设备配备了性能出色的处理器，缓慢的存储也可能拖慢这一过程。

Samsung 还称，相较于上一代解决方案，其新产品的能效提升超过 40%。该封装尺寸为 7.5 × 13 × 0.9 毫米，比前代产品缩小了 16.7%。

这些指标使该产品适用于智能手机、可穿戴设备和扩展现实设备。Samsung 计划提供最高 1 TB 的容量，并表示将于 2026 年第四季度开始量产。

该公司的 UFS 5.0 specifications 将存储描述为 AI 计算路径的一部分，而不只是保存文件的场所。这正是关键的战略转变。

SK hynix 则在应对同一路径的另一端。其核心挑战是为 AI 加速器及围绕其构建的服务器提供足够的内存。

在 6 月的台北 Computex 上，SK Group 会长崔泰源表示，公司计划在五年内将 SK hynix 的晶圆总产能翻倍。晶圆是用于制造大量半导体裸片的硅基底。

崔泰源还表示，他预计内存瓶颈将持续到 2030 年。因此，该公司的扩产并非针对某一客户订单的短期应对，而是一项押注 AI 基础设施将消耗更多内存的长期布局。

这项 capacity expansion plan 涵盖整体晶圆产出，而非仅限于高带宽内存。高带宽内存，即 HBM，由垂直堆叠的 DRAM 裸片组成，可高速向 AI 处理器传输数据。

这一差异往往会在简短的 Google News 标题中被忽略。Samsung 的本地存储布局与 SK hynix 的制造扩张并非替代关系，它们解决的是更广泛计算系统中的不同瓶颈。

不过，它们会竞争工程资源、资本、客户承诺和市场领导地位，也会影响未来 AI 处理发生在何处。

拥有足够存储、内存和神经处理能力的设备可以在本地完成更多任务。配备更多加速器和 HBM 的云服务则可为更多用户运行更大的模型。两条路径都会扩大 AI 的使用范围，但会形成截然不同的供应商关系。

端侧 AI 为内存瓶颈带来新变化

端侧 AI 使存储延迟、功耗、发热和物理尺寸都成为用户体验的一部分。

云端 AI 将大多数硬件决策隐藏在输入提示词的用户之外。模型在远程数据中心运行，用户主要感受到的是网络延迟或服务可用性。

本地处理则暴露出另一组限制。一部手机必须在不快速耗尽电池、不发生过热、也不为模型文件预留大部分存储空间的前提下，产出有用结果。

这些限制解释了 Samsung 为何同时关注多项规格。更高的传输速率有助于移动模型数据，更高的能效可降低这一过程所需的能耗，更小的封装则为电池、摄像头、散热硬件及其他组件留出更多空间。

Samsung 已将这一方向与其消费设备战略联系起来。据该公司介绍，Galaxy S26 系列采用 Personal Data Engine，可在设备端学习用户偏好。

Samsung 表示，Galaxy S26 Ultra 还配备了神经处理单元，其性能比上一代高出 39%。神经处理单元是一种针对机器学习模型所用矩阵计算进行优化的处理器。

该公司的 Galaxy AI architecture 将本地处理与部分在线服务结合。Samsung 也继续与 Google 在 Android 和 Gemini 功能方面展开合作。

这种混合式设计比将本地 AI 和云端 AI 视为相互排斥的选择更为现实。规模较小、使用频繁或对隐私敏感的任务可以留在设备端；当网络连接和用户设置允许时，较大的请求则可以转交给远程模型。

以一部通过自然语言查询整理照片的手机为例。本地处理可以在无需持续上传的情况下为私密图像建立索引，也能在网络连接不佳时调取相关文件。

可穿戴设备的限制则更为严格。它们空间更小、电池容量更低，散热能力也有限。更快的存储本身无法解决这些限制，但更高的能效能够缓解其中一部分压力。

扩展现实头显也面临类似限制。它们需要低延迟，因为视觉响应延迟可能破坏使用体验。同时，它们还要处理大量空间、视觉和音频信息流。

UFS 5.0 为 Samsung 提供了应对这些需求的组件级答案。但这并不保证每项本地 AI 功能都会变得更快。软件优化、内存容量、处理器性能和模型设计同样重要。

这些性能数据也来自 Samsung，而非独立设备测试。连续速度描述的是连续数据的受控传输。实际 AI 工作负载可能涉及规模更小、更不规则的请求，结果也可能不同。

量产仍是另一项关键检验。Samsung 已设定第四季度目标，但客户还必须完成组件认证，并将其整合到成品设备中。随后，这些产品还需要在实验室之外证明其具有切实的提升。

尽管如此，这一公告显示出 Samsung 预计压力将集中出现的方向。端侧模型正变得更大、拥有更多上下文；随着这一趋势发展，存储必须更直接地支持计算。

这一战略还使 Samsung 拥有不同寻常的垂直协同能力。该公司在供应内存的同时，也开发手机、家电、显示器及其他互联设备。

这种覆盖范围提供了内部测试环境和潜在首发产品，但当 Samsung 与采购其组件的公司竞争时，也可能使客户关系更加复杂。

关键问题在于，Samsung 能否将组件整合转化为用户能够感知的体验。如果 AI 助手依然不准确或难以信任，基准测试提升的商业价值将十分有限。

SK hynix 正在最大化数据中心的处理能力

SK hynix 押注 AI 基础设施需求将继续受制于内存供应、封装产能和数据移动速度。

现代 AI 处理器能够执行海量计算，但当所需数据到达速度过慢时，其利用率便会下降。HBM 通过宽接口和紧密堆叠、且部署在处理器附近的内存来解决这一问题。

SK hynix 在第一轮 HBM 增长周期中取得了强势地位。随着 AI 加速器需求扩大，其与 Nvidia 的关系尤为重要。

这一优势如今也带来了新的责任。如果公司无法向客户交付足量、通过认证的内存，那么在供应受限市场中的领先地位意义不大。

崔泰源提出的五年产能目标正是为应对这一压力。该计划包括围绕 SK hynix 清州 M15X 工厂、计划中的龙仁业务以及先进封装产能展开的投资。

该公司并非只是增加传统生产空间。HBM 产出依赖多个相互关联的流程，包括 DRAM 制造、堆叠、键合、测试和封装。

增加晶圆投片并不会立即带来可销售 HBM 的增长。新设施需要设备、训练有素的员工、稳定的良率、客户验证以及可靠的配套基础设施。

良率是指制造出的芯片中符合所需规格的比例。即使供应商生产了更多晶圆，如果复杂产品的良率不佳，出货量仍可能难以提升。

HBM 的制造产能消耗也高于传统 DRAM。多个内存裸片必须被生产并组合为最终封装产品，这使产能分配成为一项战略决策。

SK hynix 必须决定多少产能用于 HBM、服务器 DRAM、低功耗移动内存及其他产品。多个类别的需求可能同时上升，尤其是在 AI 推理从模型训练向外扩展之际。

推理是指使用经过训练的模型生成预测或响应的过程。每当用户向助手提问、生成图像或调用 AI 代理时，都会发生推理。

训练工作负载引发了第一波最显著的 HBM 激增。推理可能带来更广泛、更持久的需求模式，因为数百万用户会反复访问已部署的模型。

SK hynix 的产能战略假定，这一需求将持续强劲，足以支撑多年的投资。其会长关于供应短缺将延续至 2030 年的警告进一步强化了这一判断。

Samsung 和 SK hynix 也已加入规模更大的国家制造业推进计划。6 月，两家公司宣布了与韩国新半导体产业集群相关的规划。

报道显示，双方合计计划投资达 800 万亿韩元。这一 Korean chip hub 旨在满足不断增长的 AI 相关半导体需求。

这些数字描述的是多年期计划，而非即时产能。电力可用性、供水、建设进度、设备交付和劳动力培养将决定实际产出。

因此，SK hynix 面临两种不同的时间节奏。客户现在就需要更多内存，而大型制造项目则需要数年才能形成有效产能。

该公司可通过提高良率、优化产品组合和封装效率，在一定程度上弥合这一差距。它也可以在工厂达到满产前，先锁定长期客户承诺。

这些承诺能降低投资风险，但也可能限制灵活性。若供应商为某一代产品预留产能，在架构发生变化时，可能难以及时调整。

产能并不只是比拼数量。它还必须匹配未来加速器所需的内存类型、接口和封装方式。

因此，不应将 SK hynix 的扩张简单理解为承诺生产两倍数量的芯片。该计划必须在保持可接受制造经济性的同时，支持不断变化的高价值内存产品组合。

Samsung 与 SK hynix 正在两条路径上展开竞争

设备端与数据中心之间看似存在的分野确实存在，但两家公司都在试图参与这两个市场。

Samsung 仍是服务器内存和 HBM 的主要生产商。它也进一步聚焦 HBM4，即面向 AI 加速器的下一代堆叠式内存。

与此同时，SK hynix 生产适用于移动设备和 AI PC 的低功耗内存及存储产品。其作为 HBM 领导者的公众形象，并不意味着它只局限于数据中心领域。

因此，主要竞争在于战略侧重点。Samsung 可以将内存研发与其设备业务、晶圆代工业务及封装工作相结合。SK hynix 则可更专注地服务内存客户和高价值 AI 基础设施。

Samsung 的广泛布局带来多项优势。它能够协调逻辑芯片、内存、存储、封装和成品设备的需求，也可以测试这些层级之间如何相互作用。

然而，垂直整合的广度并不会自动带来领先地位。每项业务都必须独立满足客户要求，外部客户还需要确信，其产品路线图将获得足够重视。

SK hynix 更聚焦的定位可以让其叙事更为清晰。该公司将自己定位为全栈 AI 内存供应商，覆盖 HBM、传统 DRAM、企业级存储和新兴内存架构。

这种专注也增加了其对内存周期的敞口。若超大规模云服务商支出放缓，或客户削减库存，SK hynix 可用于抵消半导体需求疲软的消费业务较少。

Samsung 面临的是另一种风险。其庞大的组织必须在移动设备、显示器、晶圆代工、内存、家电及其他业务之间分配资本。

HBM4 的竞争说明市场格局变化之快。TrendForce 6 月的一份简报称，Samsung 已完成 HBM4 验证，并于第二季度开始出货。

同一评估称，SK hynix 面临接口同步延迟，量产因而推迟至第三季度。其 HBM4 认证结论仍属于外部估计，并非来自每一位客户的完整公开说明。

客户认证至关重要，因为 HBM 是高度集成的加速器封装的一部分。与时序、散热或接口有关的小问题，都可能影响整个计算系统。

Samsung 据报取得的进展，将缩小 SK hynix 此前 HBM 成功所带来的领先优势。然而，一轮认证并不能决定长期市场格局。

SK hynix 仍在开发后续世代产品并扩大生产。Samsung 则必须证明，它能够跨多个客户和产品周期稳定供应 HBM。

Micron 又带来了另一重压力。这家美国内存制造商也在竞争 HBM 供应协议和先进封装产能。

在规格允许的情况下，加速器设计商可能倾向于采用多家供应商。多元化可减少对单一厂商的依赖，但认证成本可能使切换变得困难。

Nvidia 仍是重要客户和技术参照对象，但定制加速器也在扩张。Google、Amazon、Microsoft 及其他公司正在为自身云端工作负载设计芯片。

这些设计可能需要定制内存、封装和接口。供应商必须更早与客户合作，并承担更多工程责任。

Samsung 的一站式能力符合这一方向，尤其是在客户需要逻辑芯片制造与内存整合时。SK hynix 的内存专业化则适合寻求激进 HBM 性能和成熟执行能力的客户。

同样的竞争逻辑也适用于端侧 AI。Samsung 可以将其存储产品置入 Galaxy 产品中，但仍需获得其他制造商采用，才能建立更广泛的标准。

SK hynix 和其他供应商可通过低功耗 DRAM、NAND 存储和专用产品参与竞争。设备制造商将比较实际性能、供应可靠性和效率，而非企业叙事。

这也是为什么 Google News 的表述最适合作为优先事项的地图，而非永久性的市场划分。Samsung 正在突出边缘端，SK hynix 则强调规模。双方都在为交集做好准备。

性能宣称尚未能说明的问题

无论是更快的存储还是更多的晶圆产能，都无法证明其底层 AI 战略将带来持久回报。

Samsung 的 UFS 5.0 规格令人印象深刻，但顺序传输速率并不能描述所有应用。AI 模型可能会发出大量小型请求，且访问模式不断变化。

端到端性能还取决于 DRAM、处理器带宽、模型压缩、操作系统调度和散热限制。在某一组件改进后，存储可能不再是主要瓶颈。

软件可用性带来另一层不确定性。消费者需要准确、私密、有用且易于理解的本地 AI 功能。仅靠硬件无法创造这种需求。

开发者也必须决定哪些任务应在本地运行。较小的本地模型可以快速响应，但其答案可能不如更大的云端模型。

当个人信息保留在设备上时，隐私是一项重要优势。然而，本地处理并不能消除安全风险。遭入侵的软件、薄弱的访问控制或保护不充分的备份，仍可能导致数据泄露。

任何管理研究资料、会议记录或本地文档的人，都应了解 AI 产品如何处理检索和权限。设计良好的个人知识库，应当像其搜索功能一样清晰界定数据边界。

Samsung 还需要在商用硬件中证明能效。若系统其余部分为了运行更大模型而消耗额外能量，组件层面的提升可能会缩水。

对 SK hynix 而言，核心风险在于时机。产能建设需要数年，而半导体需求可能迅速变化。

当前的短缺会推动长期合同和雄心勃勃的建设计划。若新设施达到满产前需求增长放缓，这些投资同样可能造成供过于求。

当前 AI 支出高度依赖大型云计算公司。它们的资本预算支持加速器采购、网络升级和内存订单。

如果 AI 服务收入无法证明这些预算的合理性，客户可能推迟部署。即使只是适度暂停，也可能影响正准备投放大量新增产能的供应商。

技术转型还会增加另一种风险。未来系统可能通过更好的模型架构、量化、稀疏化、缓存或替代性存储形式，降低内存需求。

量化会降低模型采用的数值精度，从而减少内存需求，并通常提高速度。即使 AI 总使用量继续增长，这些节省也可能降低每项任务的内存消耗。

反过来，更大的上下文窗口和能力更强的智能体可能会消耗这些节省。一名同时监控多个应用的 AI 智能体，处理的信息量可能远超简单聊天机器人的一次回复。

供应限制还涉及封装和基础设施，而不仅是内存晶圆。如果先进封装、电力系统或网络仍受限，即使晶圆产能翻倍也无法消除短缺。

贸易政策带来额外不确定性。Samsung 和 SK hynix 处于全球供应链中，而这一供应链受到出口管制、设备限制和国家补贴计划的影响。

制造基地需要来自多个国家的工具和材料。即便客户需求保持强劲，许可规则的变化也可能影响生产规划。

因此，应将两家公司的公开表述视为战略主张。Samsung 表示，UFS 5.0 将改善本地 AI 体验。SK hynix 表示，长期扩张对于满足持续的内存需求至关重要。

两种立场都具有合理性。但未来产品采用情况和已完成的制造产出尚未对任何一方形成全面验证。

最可靠的证据将来自出货量、客户认证、设备测试、良率和持续订单。公告确立方向，执行力决定优势。

这一 Google News 时刻之后值得关注的三个信号

这场竞争的下一阶段将由产品出货、客户验证和可用制造产能决定。

第一个信号是 Samsung 的第四季度 UFS 5.0 量产目标。该公司必须从已开发的组件，迈向经过认证并实现商业出货的存储产品。

关注具名设备、客户公告和独立测试。采用 UFS 5.0 的旗舰手机或可穿戴设备，将提供衡量响应速度、能耗和散热表现的真实环境。

测试应包括本地模型加载、多模态搜索、照片检索和持续 AI 任务。仅凭峰值顺序速度无法定论。

成功实现量产将强化 Samsung 的论点，即存储正成为端侧 AI 的决定性组成部分。若出现延迟或设备上市范围有限，则会削弱近期的论据。

第二个信号是 HBM4 认证及出货量。Samsung 据报取得的验证进展，挑战了 SK hynix 将在每一代 HBM 中始终保持明显领先的观点。

SK hynix 的回应同样重要。第三季度生产、客户接受度和规模化性能，将表明据报的延迟是否只是暂时的。

投资者和采购方应区分样品公告与通过认证的出货。样品证明设计已经存在；获客户批准的批量出货则表明制造已准备就绪。

散热性能将尤为重要。更快的接口和更高密度的堆叠会产生热量，可能降低可靠性或系统速度。

封装良率是另一个有用指标。内存供应商可能满足组件规格，却仍难以交付足够数量的完整封装产品。

如果 Samsung 在维持稳定良率的同时扩大 HBM4 出货，其更广泛的半导体战略将获得更高可信度。如果 SK hynix 快速恢复，其现有客户关系和内存专注度仍将是强有力的防线。

第三个信号是有效产能，而非已宣布的建设计划。应通过设备安装、晶圆投片、良率和先进封装产出，评估 SK hynix 的五年产能翻倍目标。

Samsung 的扩张计划也应以同样方式评估。庞大的投资总额容易吸引关注，但只有在生产稳定后，工厂才能真正形成供应。

季度财报披露可以揭示产品组合如何变化。HBM 出货量、服务器 DRAM 需求和移动内存销售的增长，将显示 AI 增长是否正在扩散至各个类别。

长期采购承诺同样重要。它们能够体现客户信心，尽管其中的条款与灵活性很少被完全披露。

对两家公司而言，最有利的结果未必是赢家通吃的市场格局。AI 可以同时在边缘端和云端扩展。

手机可能会在本地执行私密检索，然后将复杂的推理任务发送至数据中心。可穿戴设备则可能在设备端汇总传感器信息，同时借助云基础设施完成更大规模的分析。

这种混合模式将有利于 Samsung 提升本地存储能力的努力，也有利于 SK hynix 扩展集中式处理容量的布局。同时，这也会让两家公司继续在重叠的内存品类中竞争。

最不利的结果是，两端的采用情况都不及预期。消费者可能忽视本地 AI 功能，而云服务公司则可能在一轮投资激增后削减基础设施支出。

对于开发者和企业采购方而言，务实的应对方式是，不要将硬件路线图视为已得到保证的产品能力。应围绕真正重要的工作负载，衡量延迟、隐私、能耗、可用性和整体系统性能。

对于通过 Google News 关注这一进展的读者而言，最适合将这一标题理解为一场可衡量竞争的开端。关注 Samsung 的 UFS 5.0 设备、两家公司的 HBM4 出货情况，以及 SK hynix 可用产能的增长。这三个信号将表明，当前的战略分化会演变为持久优势，还是仅仅成为暂时的表述差异。