KP商周專欄(第2017-2028期)

歡迎來到 FOMO研究院的特別內容。

這幾篇文章是我受邀於《商業周刊》發表的獨家專欄。

根據協議，專欄文章在刊登滿一個月後，我會將完整內容解禁，專屬分享給研究院的付費會員。

(本來是這樣安排的，結果我這幾個月研究做過頭，居然把它們完完全全給忘了，所以這次一次過發多期給大家。反正這個星期的財報解剖要到星期四才能給大家，這兩天也可以讀回過去幾個月的文章。

所以這次挺誇張的，一口氣放了過去12篇舊文，不需要都看完，選有興趣的來看就好。)

💡 閱讀前的小提醒：

1. 原汁原味的「導演剪輯版」： 商周刊登的版本經過了編輯部的精簡與潤飾，而我發布在這裡的，是未經刪減的原始草稿。即使你已經看過雜誌版本，這篇原稿保留了更多我個人的推演過程，讀起來會有截然不同的風味。
2. 底層邏輯，不怕過時： 你可能會想：幾個月前的文章現在看會不會太遲？熟悉我的老讀者都知道，新鮮的是股價，耐看的是邏輯。我寫作的核心始終是拆解產業鏈的結構性本質，而非追逐隔夜即忘的短線新聞。帶著「後見之明」重讀當時的推演，拿來對照今天的市場現實，這不僅不會過期，反而是一次最完美的覆盤與認知升級。

祝大家閱讀愉快！👇

第二十三期專欄(出刊日期： 2026-07-08)

蘋果傳被迫求助中國長鑫存儲，「記憶體超級週期」還有多久？

https://www.businessweekly.com.tw/archive/article?strid=7014417

美光交出了一份堪稱「比完美更完美」的 Q3 財報：營收飆升至 414 億美元（年增 346%），毛利率更是達到了不可思議的 85%。美光甚至高調宣布，他們已經與客戶簽署了 16 個「不提貨也得付錢（take-or-pay）」的長期霸王條款。

這份財報一出，有人歡呼，但有人卻氣得跳腳。

一向以「供應鏈大師」自居的蘋果罕見地公開抱怨，指責記憶體廠商的定價「高到不合理、完全不可持續」。因為記憶體成本的瘋狂暴漲，蘋果已經被「逼入牆角」，為了維持利潤率，蘋果將不得不迎來歷史性的全面漲價。

為了擺脫被美光、三星、SK 海力士三大巨頭「卡脖子」的命運，市場盛傳，蘋果正破天荒地遊說美國政府，希望能獲准向被列入黑名單的中國 DRAM 大廠長鑫存儲（CXMT）採購晶片。

究竟記憶體的盛世還能維持多久？巨頭們是否可以轉向中國來解決記憶體問題？

▋蘋果的「長鑫鬼故事」

我先說結論，蘋果靠長鑫存儲就能解決記憶體成本問題，這個絕對是偽命題。

當前全球 DRAM 晶圓產能極度吃緊。長鑫自身也正將大量產能轉向 HBM3 以支援中國本土的 AI 晶片需求。在整體產能受限下，根本沒有一個「又便宜、量又大」的記憶體池等著蘋果去撈。

長鑫確實用低價搶市佔，但一旦把良率、可靠性、長期支援成本算進去，蘋果拿到的實際優惠並不驚人。而蘋果對「總持有成本」的敏感度遠遠高於「單價」，一個小 bug 導致的召回可以吃掉多年的採購節省。

更重要的是，長鑫作為中國半導體的國家隊，在當前美中科技戰的張力下，其首要任務必然是優先保障華為、騰訊等本土戰略客戶（例如長鑫近期剛與騰訊簽署大單）。在供應緊張時，蘋果必然是第一個被犧牲的對象。

這說明了，蘋果的動作更多是面對三星、SK 海力士與美光三大巨頭漲價時的談判籌碼，而非一個真正具備可行性的戰略替代方案。

最關鍵的是，蘋果已經不是那個「最搶手的客戶」了。

過去二十年，記憶體大廠都把蘋果當成頂級客戶。但在 AI 時代的記憶體超級週期裡，願意付最高價、簽最長合約的，是 NVIDIA +雲端公司。

他們是為了搶 AI 軍備競賽的門票，價格彈性遠遠低於蘋果。

蘋果找長鑫這件事的真正意義，在於蘋果在這場記憶體遊戲裡的定價權，已經被 AI 巨頭排擠到很後的位置。蘋果必須開始做以前不需要做的事，包括去找一家他們原本連正眼都不會看的中國供應商，然後動用政治關係申請豁免。

當我們把鏡頭從 Cupertino 拉遠，你會看到一個更大的圖像，整個記憶體產業的定價邏輯正在被重寫。

▋ 「省記憶體」技術，是壓抑還是引爆需求？

過去一年，AI 圈湧現許多「省記憶體」技術（如優化快取、模型壓縮），號稱能將記憶體佔用減少數倍。

直覺上這會壓抑硬體需求，但事實恰恰相反，這觸發了經典的「傑文斯悖論（Jevons Paradox）」：當資源使用效率提升、成本下降，總消耗量反而會呈指數級暴增。

這背後有三個商業傳導邏輯：

當每個用戶佔用的記憶體減少時，雲端廠商並不會關掉伺服器，而是會在同一張顯示卡上塞入數倍的併發用戶，讓硬體繼續 100% 滿載以極大化收益。

同時，成本暴跌解鎖了原本「貴到無法商用」的場景。當百萬字長文本分析、多模態即時互動變得便宜，企業便會瘋狂導入，激發出數十倍的全新業務量。

而當記憶體不再是瓶頸，開發者更會毫不猶豫地把省下來的空間，拿去運行參數更大、結構更複雜的 AI 模型與 Agent 代理。

因此，軟體效率的突破，每次都成了硬體需求擴張的燃料。這解釋了為什麼 NVIDIA Blackwell B200 單卡搭載高達 192GB HBM3E（是 H100 的 2.4 倍），也解釋了為什麼 HBM 市場規模預計在 2028 年將跳升至 1000 億美元。

▋記憶體需求早已經不止一個

過去二十年，DRAM 產業是 PC、手機與傳統伺服器共用一個大水池。需求同頻共振，一旦消費端走弱，價格便面臨雪崩。

但這一次不同，記憶體需求已分裂為兩個結構完全不同的池子：

• 1. AI 與資料中心池（HBM、高階 DDR5）： 定價權極高，需求極度強勁。
• 2. 零售與消費池（手機、PC 記憶體）： 定價權中等，目前因產能被擠壓而處於「暫時壓抑」狀態。

由於 AI 記憶體的單片晶圓收益是傳統記憶體的 3 到 5 倍，晶圓廠正將大量產能轉向 AI。TrendForce 數據顯示，HBM 已吃掉約 23% 的 DRAM 總晶圓產出。這導致手機、PC 甚至蘋果（Apple）都面臨嚴重的記憶體荒。

這對投資邏輯帶來了深遠的改變，形成過去未曾有過的「雙緩衝機制」：

若 AI 持續強勁，零售需求繼續被壓抑，上升週期將進一步拉長。

即使若 AI 需求走弱，產能轉回普通記憶體，被壓抑的零售需求將釋放，有效緩衝下行風險。還未算上未來會有自動駕駛、機器人等新池子陸續加入。

▋ Agentic AI：被低估的系統記憶體第二戰場

當市場緊盯顯示卡上的 HBM 時， AI 代理的興起，正在引發系統記憶體（CPU DRAM）的結構性需求。

傳統推理是「無狀態」的，問完即丟。你發送一個 prompt，拿到回覆，結束。快取在顯示卡上短暫存在，然後被丟棄。

AI代理人完全不是這樣運作。一個真正的AI代理人可能跨越數百個推理步驟，維持一個持續運作的草稿本，呼叫工具、觀察結果、更新計劃、循環迭代。它在跨會話、跨天甚至跨週的時間尺度上維持記憶，與其他AI代理人協作，並處理多模態輸入。

這種工作負載的記憶體特徵，跟傳統聊天機器人完全是兩種生物。

除了顯示卡上的高速記憶體需求暴增，當 Agent 暫停、等待工具回應、釋放顯示卡給其他任務時，大量的資料必須卸載到主機記憶體（CPU DRAM）與硬碟中。Agent 的思考歷史、對話紀錄、工具輸出與長期記憶，全部都高度依賴系統記憶體。

過去只存在於顯示卡上的短暫記憶體，在代理人世界裡變成了跨顯示卡與系統記憶體的持久狀態。

市場報告指出，代理人部署將使每台 AI 伺服器的系統記憶體需求暴增數倍，達到 300-400GB 的高規格配置。

這個「第二戰場」目前尚未被市場定價，原因有三：AI代理人部署仍處早期、市場目光被 HBM 短缺綁架、以及需求量目前難以精準估算。

但邏輯是確定的：當AI代理人從 Demo 走向核心生產，系統記憶體將迎來階梯式的結構性跳躍。

▋真正的變數在供給端

將 AI、被壓抑的零售需求、AI 代理人的系統記憶體，以及未來的自動駕駛與人形機器人結合來看，記憶體市場的底層邏輯確實正在從「單一需求池的週期波動」轉向「多池共振的結構性成長」。

然而，需求端擁有多個引擎，並不代表價格能永遠一路上漲。決定這輪盛世長度的關鍵，在於供給端追趕的速度與節奏。

短期內，供給緊繃是明確的事實。因 HBM 排擠了傳統 DRAM 的晶圓產出，2026 年 DRAM 供給年增率預期僅約 16%，遠低於過去 20% 至 30% 的歷史常態。

各大廠的新廠，包括 SK 海力士清州與美國廠、三星平澤廠、美光新加坡與台灣廠，皆需要數年才能達到滿載，這讓市場預期 2028 年前難有喘息空間。

但拉長維度來看，情況並非毫無懸念。三大廠的資本支出正在快速加碼：三星目標在 2026年底將 HBM 月產能提升至 25 萬片，擴張幅度達 47%；SK 海力士與美光在 2026 年的資本支出合計超過 540 億美元，其中美光更投資 70 億美元在新加坡新建 HBM 封裝廠。

供需缺口的維持，取決於需求成長是否持續快於供給。如果需求年增 30%、供給年增 16%，價格會繼續強勢；一旦需求成長率放緩至 20%，而供給端因新產能開出跳升至 25%，市場天平就會翻轉。

「短缺持續到 2028 年」是目前的市場共識，但 DRAM 產業歷史上從未維持過 5 年以上的緊平衡。任何一家供應商擴產速度超出預期，定價彈性都可能在一夜之間消失， 2027 年上半年將是關鍵的觀察窗口。供給端終究會追上，只是時間與方式會超出市場預期。

▋ 這次真的「不再週期」了嗎？

如果需求結構真的變成這樣，加上美光那 16 個「不提貨也得付錢」的合約，記憶體是不是真的告別週期了？

我認為週期依然存在，只是會變得更長、更溫和，且底部不會像過去那麼痛苦。

「這次不一樣」的論點確實有其依據：三家寡佔的產業結構降低了非理性擴產的機率，多池需求為市場提供了天然緩衝，長約（LTA）覆蓋率上升平滑了短期波動，AI 效率改進也不斷解鎖新需求。

即便如此，LTA 僅是延緩症狀的止痛藥。它無法改變產業的三大硬傷：兩到三年的產能投資滯後性、技術演進帶來的自然產出增長、以及終端需求的不確定性。這三根循環骨架依然完好。

當市場嚴重供過於求時，LTA 的保護效果會急速衰減，並引發兩種被市場忽略的次級風險。

首先是庫存暗流累積。客戶受限於合約無法砍單，導致客戶端庫存異常上升。此時原廠財報雖維持亮眼，但客戶倉庫已悄悄堆滿消化不掉的貨，合約到期後原廠將面臨訂單斷崖。

其次是價格扭曲與合約決裂。當一線大廠被迫履行高價 LTA，而競爭對手卻能在現貨市場取得廉價晶片時，巨大的成本劣勢會逼迫大廠透過品質爭議、灰色市場轉單或重新議價等手段毀約。在嚴重的供過於求面前，沒有一份合約是神聖不可侵犯的。

觸發這些風險並不需要極端的崩盤情境。只要供給端擴產速度略快於預期（例如 HBM4 良率突破或中國廠商產能跳升），或是需求端成長率從高速放緩至中速，兩者交會之時，共識預期的 2028 年緊平衡就會提前打破。

▋ 我的觀察

拆解完所有變數，這輪記憶體週期最誠實的描述是：變數比以往任何一次都多，但短期方向仍然十分明確。

需求端有 AI 訓練、推理、代理人系統記憶體、被壓抑的手機與個人電腦、以及未來的自駕與機器人，多個引擎同時運轉。

供給端則有三大廠的資本支出加碼、HBM4 良率競賽、長鑫存儲（CXMT）的產能跳升與地緣政治干擾。

雖然長約（LTA）覆蓋率、庫存水位、現貨與合約價差等變數單獨看都可能改變結局，但將其綜合評估，未來四到六個季度的答案幾乎沒有懸念，亦即需求遠大於供給，定價權在賣方手上，毛利將繼續維持亮眼表現。

因此，我的建議是該享受的時候就享受。

三家寡佔的結構、多池緩衝的需求、以及長約的部分保護，確實讓毀滅性崩盤的機率大幅降低。

記憶體大廠正迎來歷史上最舒服的日子，高毛利、高能見度與 AI 光環三重疊加，這是實實在在的超級週期。

然而，參與派對的正確姿勢，是一邊跳舞一邊記得出口在哪裡。

當所有人都相信這次不一樣的時候，往往就是週期最狡猾的地方。它不會用市場熟悉的方式回來，可能是系統記憶體的階梯跳升不如預期、可能是長約重談潮突然爆發、也可能是某個週二早上現貨價無預警下跌一成。

投資人不需要現在就離場，但需要知道自己在看哪些訊號。

庫克（Tim Cook）現在的表情，就是這場遊戲的第一個訊號。當連蘋果都得低頭去敲一家上了黑名單的中國廠商大門，代表這個產業的定價權已經徹底換了主人。

至於這位新主人能坐多久，誰能知道？

第二十四期專欄(出刊日期： 2026-07-15)

iPhone殺了諾基亞、AI卻沒殺死資安，關鍵差在「補充性資產」重估

https://www.businessweekly.com.tw/archive/article?strid=7014448

還記得幾個月前的「軟體末日論」嗎？

當時市場的論調是，在AI出現後，大部份軟件公司都會被消滅，因為AI可以輕鬆寫出代碼。於是，華爾街開始無差別地拋售軟體公司。

我在當時的專欄，曾經寫過：

「未來的贏家，不是那個『最能簡化流程』的 AI，而是那個『數據就在它家、流程就在它家完成、且擁有獨家行為洞察』的軟體。」

幾個月後的今天，雖然市場目光集中在半導體公司，但資安板塊已經默默創下新高。大家以為 AI 會摧毀軟體應用層，事實上，AI 正在重新定義並轉化它。

▋資安股從「AI 受害者」到市場逆轉

2026 年 2 月底，Anthropic 發布 Claude Code Security 相關工具，市場有不少聲音認為，這代表着 AI 將取代傳統資安。

當時的邏輯在於，AI 能自動掃描漏洞、分析並修補程式碼，還能偵測威脅，因此終端、網路與漏洞管理等傳統廠商將被邊緣化。

市場隨即恐慌拋售，不少資安公司單季跌幅超過 30%。Nasdaq ISE 資安指數第一季下跌近7%，表現落後標普 500 指數。

這與 2023 年市場擔憂「ChatGPT 摧毀 Google 搜尋」的邏輯相似。每當強大新技術出現，市場往往先關注「誰會被消滅」，忽略了「誰會迎來新需求」。

直到 4 月初，Anthropic 發布 Project Glasswing，局勢徹底扭轉。

▋理解 AI 的「五層蛋糕」架構

要看懂這場逆轉，得先跳出「AI 對某某產業好不好」這種線性思考。

NVIDIA 執行長黃仁勳曾提出 AI 的「五層蛋糕」架構：能源、晶片、基礎設施、模型、應用。每一層都依賴底層支持，且每一層的擴張都會對底層施加壓力。

這個框架的最大價值，是它逼你不要把 AI 當成一個「軟體功能」在想，而是把它當成一個完整的產業堆疊在想。

目前市場討論多集中在最頂層的「AI 應用是否會取代 SaaS」。雖然部分應用層 SaaS 確實面臨壓縮，但若僅看這一層，便會忽略整體產業的變化。

當整個 AI 蛋糕規模擴大十倍，五個層級都會產生全新的風險、複雜度與失效點，這些都轉化為資安市場的潛在市場規模（TAM）擴張。

▋為什麼 AI 無法取代資安？

先前的恐慌邏輯存在盲點：過於關注「AI 能做什麼」，忽略了「AI 讓世界變成什麼樣子」。數據顯示，AI 增加的安全漏洞與攻擊面，遠大於其能自動化解決的問題。

第一， AI 生成的程式碼，本身就是資安災難。

Veracode 的 2025 年生成式 AI 程式碼安全報告指出，45% 的 AI 生成程式碼包含 OWASP Top 10 漏洞，Java 的資安失效率更達 72%。

CodeRabbit 的分析也顯示，AI 生成的 Pull Request（PR）漏洞數量是人類的 2.74 倍。 在 Y Combinator 2025 年冬季班中，有 25% 的新創公司其 95% 的程式碼由 AI 生成，研究人員在其中發現了數千個漏洞與外洩金鑰。

開發速度提升數倍的代價，是資安問題的指數級增長。

第二，AI 讓攻擊者變得比防禦者更快。

世界經濟論壇（WEF）2026 年全球資安展望顯示，94% 的組織認為 AI 是資安變革的核心驅動因素，87% 認為 AI 相關漏洞是增長最快的風險。

根據 KnowBe4 的數據，目前 86% 的釣魚攻擊由 AI 驅動，深偽（Deepfake）詐騙嘗試較 2022 年增長了 2,137%。面對被壓縮的攻擊時間，防禦端必須被動升級。

過去，發動一次複雜的「魚叉式網路釣魚」需要駭客花幾天研究目標並模仿語氣；現在，駭客只需讓 LLM 讀取目標 CEO 的公開演講，並在幾秒內生成極具說服力的詐騙郵件。

更棘手的是「多態性惡意軟體」，AI 能讓病毒在每次傳播時自動重寫代碼，改變外觀卻保留攻擊功能，如同通緝犯每過一個路口就自動整容。面對被壓縮到毫秒級的攻擊時間，防禦端必須被動升級，只有 AI 才能打敗 AI。

第三，AI Agent 本身就是全新的攻擊面。

企業內部的非人類身分（如 API、機器人、AI 代理）數量已達人類身分的 5 到 100 倍。

這些 AI Agent 會自主與 API、數據庫及其他系統進行認證，傳統的身分與存取管理（IAM）系統難以因應。

Palo Alto Networks 收購 CyberArk 正是為了保護這些機器與 Agent 的身分安全，這代表業界正將「Agent 身分安全」視為未來十年的核心市場。

第四，AI 系統本身就變成新的資安支出類別。

模型、訓練數據、推論端點與 Prompt 等新元素都需要防護。模型中毒、提示詞注入（Prompt Injection）、模型萃取及 AI 供應鏈風險，都是全新出現的風險類別。

這並非單純在傳統資安中加入 AI 功能，而是完全新增的一整層支出。

▋ Project Glasswing 為什麼是敘事的轉折點

真正的轉折點，是 4 月 7 日 Anthropic 發布 Project Glasswing。

Anthropic匯集了 Apple、Amazon、NVIDIA 等關鍵基礎設施巨頭，更重要的，是名單當中也有CrowdStrike和Palo Alto Networks兩家資安巨頭。

計畫的核心是將 Anthropic 擅長偵測漏洞的 Mythos 模型，防禦性地嵌入合作夥伴的資安基礎設施中。

這代表著Anthropic選擇的路徑不是「自己做一個資安產品去打 CrowdStrike」，而是「把我的模型嵌進 CrowdStrike 裡」。

這個選擇本身，就是一份公開聲明：

「連我們（一個頂尖 AI 實驗室）都認為，光靠 AI 無法有效保護關鍵軟體。我們需要現有資安平台的資料、遙測、偵測引擎和回應能力。」

雖然 AI 模型能快速找出漏洞，但要轉化為實際的安全防護，必須依賴 CrowdStrike 等平台提供的即時遙測數據、企業級優先級判定，以及與既有維運流程的整合。

事實是，一個孤立的 AI 模型，無論它多麼聰明，是無法保障企業安全的。

要讓 AI 的安全能力落地，它必須與現有的資安基礎設施融合，它需要終端遙測數據來提供上下文，需要網路防護網來執行即時攔截。

這正是「應用層轉型」的縮影：AI 沒有消滅既有的價值鏈，而是透過與基礎設施的深度整合，讓整個生態系的價值倍增。

將大型語言模型（LLM）單獨用於資安的效果有限，但若將其嵌入已累積龐大端點數據的平台，價值將大幅放大。

事實是，從 4 月到 6 月，CrowdStrike 和 Palo Alto Networks都分別漲近 100 %，兩檔股票皆創下單季歷史最佳表現。市場從 2-3 月的恐慌性拋售，轉為對 AI 時代資安需求的重新定價。

▋ 兩個更深層的商業啟示

啟示一：AI 產業的價值分配，永遠要看「補充性資產」（Complementary Assets）

新技術是否能取代既有玩家，取決於既有玩家累積的資產在全新時代中是成為資產還是負擔。

當年 iPhone 讓 Nokia 死掉，是因為 Nokia 的補充性資產（實體按鍵製造、傳統通訊協定）在觸控時代變成負擔。

但資安不是這樣。CrowdStrike 累積了十年的端點行為資料、Palo Alto 累積了十年的網路遙測，這些補充性資產在 AI 時代不是負擔，是放大器。

回到我幾個月前寫的那句話，「數據就在它家、流程就在它家完成、且擁有獨家行為洞察」的軟體，才是贏家。資安公司剛好完美符合這三個條件。

所以判斷一個 AI 應用會不會取代既有廠商，正確的問題不是「AI 能做什麼」，而是「既有廠商的補充性資產，在 AI 時代變得更值錢還是更不值錢」。

啟示二：AI 能解決很多問題，但也會創造很多新問題

每次 AI 能力躍遷，它同時在做兩件事：

一，讓一部分既有工作自動化（這是市場看到的）。二，創造一大堆從來不存在的新問題（這是市場忽略的）。

AI 生成代碼帶來更多漏洞，AI 攻擊加速推升了即時偵測的需求，AI Agent 的部署則催生了新的身分治理需求。

這個框架不只適用資安。把「資安」換成「合規」、「治理」、「稽核」、「觀測性」，同樣邏輯全部成立。所有在 AI 之上、負責「管理 AI 造成的複雜度」的產業，長期需求都是被 AI 放大的，不是被吃掉的。

▋ 寫在最後

回到 AI 的五層蛋糕架構。AI 應用層的擴張雖然會壓縮部分傳統 SaaS 的價值，但同時也放大了每一層的資安需求。這兩者共存於同一個發展趨勢中，只是市場通常先注意到壓縮的一面，隨後才意識到擴張的機會。

所以幾個月前那句話，我今天想再說一次：

未來的贏家，不是那個「最能簡化流程」的 AI，而是那個「數據就在它家、流程就在它家完成、且擁有獨家行為洞察」的軟體。

下次市場再度出現「AI 將取代某個產業」的言論時，可以先思考一個問題：該產業累積的補充性資產，在 AI 時代是變得更值錢，還是更不值錢？若答案是更值錢，那麼當下的取代論，或許就是下一次市場反轉前的布局良機。

第二十五期專欄(出刊日期： 2026-07-22)

被嚴重低估的AI算力要角，快閃記憶體為何迎來最強翻身？

https://www.businessweekly.com.tw/archive/article?strid=7014470

HBM 和 DRAM，可以說是過去一年半導體產業討論度最高的兩個詞。而 NAND Flash 和 SSD，雖然價格也在不斷上漲，但在多數人心中，它們最多只是「順便」被帶動起來的配角。甚至許多人會將「記憶體（Memory）」與「儲存（Storage）」混為一談，把儲存視為記憶體宏大敘事中的一個小小註腳。

然而，市場數據正在打破這個刻板印象。根據 TrendForce 的數據，2026 年第二季，NAND Flash 的合約價預計將環比暴漲 70% 至 75%，漲幅破天荒地超越了傳統 DRAM 的 58% 至 63%。這是本輪半導體週期中，NAND 的價格動能首次超越 DRAM。

美光近期公布的財報也反映了同一個趨勢：其 DRAM 營收環比增長 67%，而 NAND 營收環比增長高達 99%。用絕對金額來看，DRAM 依然是營收老大；但若從邊際增速來看，AI 儲存層的爆發強度顯然更為驚人。

▋AI 推理架構的典範轉移

過去我們談 AI 儲存，講的都是「AI 需要更多資料」，這是一個非常籠統的敘事。

在 2026 年的今天，儲存晶片（NAND Flash）正在發生一場更本質的變革：它開始直接參與 AI 的「推理（Inference）」計算過程。

這背後的關鍵，在於 AI 模型在回答問題時，必須動態生成的 KV 快取（KV Cache）。

簡單來說，當你和 AI 進行一場很長的對話，或者丟給它一本數十萬字的小說時，AI 每產生下一個字，都必須「記得」前面所有的對話內容。

為了避免每產生一個新字，就要把整段歷史對話重新讀取、重新計算一次，AI 會把前面已經計算好的對話特徵（在技術上稱為 Key 和 Value）暫存下來，這就是 KV 快取。

問題在於，這個快取的體積非常龐大。它會隨著對話長度以及同時在線的使用者人數呈線性暴增。

在過去，這些即時計算的數據必須全部塞在最靠近 GPU 的 HBM（高頻寬記憶體） 或伺服器的 DRAM（主記憶體） 中。

但 HBM 雖然速度極快，容量卻非常稀缺且昂貴（通常單顆 GPU 只有 80GB 到 141GB 左右）。當成千上萬個用戶同時向 AI 提問，且每個人都輸入超長文本時，GPU 的 HBM 空間會在瞬間被 KV 快取徹底擠爆。

如果只靠購買更多昂貴的 GPU 來擴充記憶體容量，成本將高到難以想像。這就是為什麼輝達在 2026 年初推出了 CMX（Context Memory Storage）平台。

CMX 的核心邏輯是：既然 HBM 和 DRAM 的空間不夠，那就把讀寫速度極快的 NVMe SSD 納入記憶體架構中，作為「溢出層（Overflow Tier）」。

當用戶在進行長對話時，系統會把當下最緊急、正在處理的 KV 快取留在 HBM 中，而把暫時沒用到、但等一下會讀取到的歷史對話快取，先「溢流」存放到 SSD 裡。需要時，再透過高速通道快速調回。

這種架構的轉變，直接重塑了 AI 伺服器的硬體配置：

在訓練階段，伺服器主要需要讀取固定的數據集，單台伺服器的 SSD 配置大約從 4TB 增加到 8TB 即可。

但在推理階段，因為要同時應付無數用戶的長對話與即時快取，單台推理伺服器的儲存需求直接從過去的 64TB 暴增至 122TB 甚至更高。

▋Agentic AI 的崛起：開啟全新的 I/O 模式

如果說 CMX 平台解決了當前的記憶體不足問題，那麼代理式 AI（Agentic AI）的普及，則從根本上改變了數據讀寫與處理的方式。

過去我們與 AI 的互動採用「離散提示」模式，也就是你問一句、它答一句，當對話結束時，系統暫存的資料就會釋放。

現在我們進入了「持續代理式工作流」的時代，AI 智能體會主動在背景規劃任務、調用各種外部工具，並進行自我反思與修正，整個過程可能會連續運行數小時甚至數天。

這種新型態的工作模式對儲存系統帶來了新的要求。首先，AI 智能體在長達數天的運作過程中，必須隨時記住先前的決策與狀態，這代表大量的中間運算資料需要被長期且安全地保存在儲存空間中。

其次，AI 智能體在思考與執行任務時，需要頻繁且反覆地從硬碟中讀取先前的歷史紀錄與相關知識。

為了因應這種高頻率的讀寫需求，AI 基礎設施中誕生了一個全新設備，稱為 SSD POD。這是一種透過超高速網路直接與 GPU 集群連接的專屬儲存池，突破了傳統硬碟插在單一伺服器上的限制。

在代理式 AI 時代，如果沒有這種儲存節點提供極低延遲與高頻寬的隨機讀寫支持，GPU 就會因為等待數據傳輸而頻繁「空轉」，進而大幅降低運算效率。

▋傳統硬碟缺貨：加速 SSD 替代效應的連鎖反應

除了 AI 計算直接帶來的記憶體需求外，另一個推動儲存晶片（NAND Flash）需求暴增的幕後推手，來自於傳統機械硬碟（HDD）的嚴重缺貨。

在大型資料中心裡，資料通常會分類存放：

• 熱數據（Hot Data）：需要頻繁且快速讀取的資料，使用速度快的 SSD。
• 數據（Cold Data）：不常存取、用來備份的歷史資料，通常儲存在成本極低、容量極大的傳統機械硬碟（Nearline HDD）中。

然而，AI 應用的爆發讓全球對儲存容量的需求集體噴發，導致企業級機械硬碟的產能供不應求。

Seagate 和 Western Digital 等硬碟大廠指出，2026 年全年的企業級機械硬碟產能，幾乎已被微軟、Google 等大型雲端服務商（CSP）提前搶光，部分高容量硬碟的交貨時間甚至被拉長到52 週以上。

面對機械硬碟買不到、交期太長的困境，各大資料中心被迫做出改變：直接用高容量的 QLC SSD（固態硬碟）來替代傳統機械硬碟。

這個無奈之舉，卻意外帶來了顯著的營運優勢。根據產業分析，用高容量 QLC SSD 取代傳統機械硬碟，可帶來數倍空間效率提升與顯著 TCO 改善。

此外，Meta 等科技巨頭也指出，在 AI 的工作流程中，傳統機械硬碟的讀寫速度實在太慢，已經成為拖累 AI 運作的瓶頸，升級到 SSD 勢在必行。

然而，這種「用 SSD 替代 HDD」的趨勢，卻引發了連鎖反應。由於高階的 NAND 晶圓產能同時還要供應給前述的 AI 推理使用，導致 QLC SSD 的產能也開始出現供不應求的缺口。

為了解決機械硬碟短缺的瓶頸，資料中心轉向購買 SSD，結果反而進一步推升了整個 NAND Flash 產業的供給緊張與價格壓力。

▋供給側也難以跟上需求

在市場的正常邏輯下，當需求出現爆發性成長，產業龍頭便會開始擴產，進而結束這波供需失衡的週期。然而，當前的實際情況是，各大記憶體龍頭短期內並沒有大幅擴充 NAND 產能的計畫。

三星與 SK 海力士在產能策略上，明確將資源優先分配給利潤率更高的 HBM與先進 DRAM，而非 NAND。

理由非常現實：HBM 的每位元營收與利潤率遠高於 NAND。在無塵室空間、設備與工程人力有限的情況下，大廠自然會選擇獲利空間更大的產品。

根據市場調查機構 Omdia 的數據，SK 海力士甚至在2026年調降了 NAND 晶圓的投片量；三星也將部分廠區的混合產線調整為 DRAM 生產，目標在年底前大幅提升先進 DRAM 的月產能。

即使大廠有意建置新的 NAND 廠房，也無法在短期內提供支援。例如美光在新加坡的新 NAND 廠，以及 SK 海力士的 M17 新廠，預計的量產時程分別落在 2028 年與 2029 年。

這意味著在 2028 年之前，全球幾乎沒有大規模的全新 NAND 產能可以真正投入市場。從目前的建廠時程來看，NAND 產業的供給緊繃狀態將至少維持到 2027 年底。

在主流韓美大廠集體「分心」或延後建廠的背景下，市場上僅有極少數玩家在積極擴產，但這並不足以緩解全球的供給缺口。

鎧俠和閃迪作為純粹的 NAND 廠商，它們沒有將資金與精力轉移去研發 HBM 的包袱。其 2026 年資本支出年增 41% 至 45 億美元，且北上（Kitakami）二廠已經投入營運。這使得它們成為目前純 NAND 投資標的裡，估值邏輯最乾淨、最專注於享受這波企業級 SSD 紅利的玩家。

而中國的長江存儲雖然其市佔率在一年內從 8% 快速跳升至 13%，展現了強大的技術追趕能力。

然而，受限於美國的出口管制，海外主流客戶無法對其產品進行認證與採用。YMTC 的產能主要用於吸收中國龐大的內需市場，但對於緩解全球（尤其是西方大型雲端服務商）的供給緊繃，幾乎起不到任何實質作用。它是地緣政治的變數，而非全球市場的解方。

除了產能擴充受限，現有技術的升級難度也大幅增加。目前 NAND 的擴產高度依賴堆疊層數的提升（從 200 層向 300 層、400 層推進）。

然而，隨著堆疊層數越來越高，晶圓在製造過程中極易產生彎曲與變形，導致良率提升的難度倍增，爬坡期從過去的幾個月拉長到一年以上。

因此，廠商技術藍圖上宣稱的規格，往往需要 12 到 18 個月的滯後期，才能真正轉化為市場上的實際產能。

▋ 重新定義 NAND：從「廉價商品」到「AI 關鍵拼圖」

我並非要宣稱「NAND 的重要性已經超越了 DRAM」。在 AI 的世界裡，DRAM 與 HBM 作為「算力核心」與「運算頻寬」的地位依舊無可動搖，它們依然是整個半導體重工業的皇冠。

然而，我們必須意識到，過去被視為「便宜、隨時可替代、產能嚴重過剩」的 NAND Flash，如今正經歷一場深刻的「去商品化」。它不再只是單純用來存放冷數據的廉價容器，而是成為了直接參與 AI 推理、決定 GPU 運作效率的關鍵算力拼圖。

更值得注意的是，NAND 面臨的結構性缺貨，其嚴重程度甚至可能超越 DRAM。

在 DRAM 領域，雖然 HBM 擠壓了產能，但三大巨頭依然將其視為核心戰場，資本支出與技術升級從未停歇。但在 NAND 領域，韓美巨頭因為 HBM 而集體「分心」，這導致全球 NAND 的有效供給，在面對 AI 推理的需求暴增時，顯得極其脆弱。

在我看來，近期相關記憶體與儲存概念股的股價波動，本質上，這些波動大多只是市場沿用舊有「消費電子週期」思維去解讀新時代的「雜音」。而在這片市場雜音中，NAND Flash 的處境尤其顯得格格不入且被嚴重低估。

第二十六期專欄(出刊日期： 2026-07-29)

亞洲最大上市案長鑫存儲掛牌，記憶體中長線前景全解答

https://www.businessweekly.com.tw/archive/article?strid=7014505