AI内存芯片的繁荣能持续多久？

华尔街日报专栏作家James Mackintosh于5月16日撰文指出，当前AI存储芯片的繁荣正在孕育自我毁灭的种子。文章以美光科技为核心案例，系统梳理了这一轮AI芯片热潮背后的风险。

美光科技三年前刚刚录得史上最大亏损，如今却被预测将成为美国第六大盈利公司，未来12个月净利润接近1000亿美元，超过Meta和伯克希尔·哈撒韦。与此同时，韩国的三星电子和SK海力士同样受益于高带宽内存（HBM）需求爆发，韩国股市今年成为全球表现最好的市场之一。

但越繁荣，却越危险。

低估值不等于便宜，历史一再打脸

美光科技目前的市盈率不到10倍，在标普500中属于最便宜的一批股票。很多投资者看到这个数字，会觉得“这么便宜，值得买”。

对此，James Mackintosh的分析泼了一盆冷水：“这不代表它便宜，只是说明投资者知道内存芯片的好日子不会永远持续。”

历史数据印证了这一点。2022年初，美光科技股价见顶时，市盈率同样只有9倍——随后股价当年腰斩。1984年周期顶部，市盈率15倍，之后股价花了整整9年才重回那个高点。2018年周期顶部，市盈率更低至5.5倍。

规律很清晰：低市盈率出现在周期顶部，不是买入信号，而是警示信号。被“便宜”迷惑的投资者，每次都损失惨重。

最大风险：AI自己变得更“省内存”

Mackintosh认为，当前的危险主要来自需求侧，而非供给侧。今明两年新增的产能，只要需求不垮，还不足以压垮利润。

那么需求会垮吗？他列出了几个风险。最难量化、也最致命的一个是：AI技术本身变得更省内存。

今年3月，谷歌旗下Alphabet的研究人员发表了一篇论文，显示内存使用效率出现大幅提升。消息一出，内存芯片股应声下跌，尽管随后有所回升。

James Mackintosh在文章中写道：“大型语言模型是一项不成熟的技术，针对专用数据中心的工程改进是可以预期的——但改进幅度有多大、何时到来，事先无法预知。”

逻辑很简单：如果AI模型跑得更快、用的内存更少，数据中心就不需要买那么多HBM芯片，需求就会萎缩。

风险二：数据中心扩张不及预期

除了技术效率风险，James Mackintosh还列举了整个AI供应链共同面临的风险：数据中心建设计划可能缩减、AI普及速度可能低于预期、政治层面的阻力也可能拖慢扩张步伐。

文章对此的判断是：“这些风险都有可能发生，但推动股价上涨的AI多头们并不把它们当回事。”

这句话本身就值得投资者警惕——市场共识往往在最乐观的时候最脆弱。

风险三：高利润吸引新对手加速入场

第三重风险，是竞争格局的变化。

James Mackintosh指出，美光科技所在的高速内存领域目前还没有明显的新进入者，但在其他高利润AI芯片领域，竞争已经打响。

Alphabet开发了专门用于AI训练的张量处理器（TPU），直接替代英伟达昂贵的GPU；亚马逊的Graviton芯片承担AI推理任务的CPU需求，分流了英特尔的市场。

更值得关注的是Cerebras。这家公司2019年才推出第一款用于AI训练和推理的大型芯片，今年IPO融资55.5亿美元，上市首日股价直接翻倍。

这是一个典型的“赢家诅咒”：越赚钱，越多人来抢，最终把利润摊薄。

内存芯片是典型的强周期行业。建一座晶圆厂需要巨额投资，需求上来后供给要几年才能跟上，这段时间价格和利润暴涨。高利润又刺激CEO们扩产，而高固定成本又迫使工厂满负荷运转——哪怕供给已经过剩。2022至2023年的那轮暴跌，就是这么来的。

Mackintosh指出，投资者并非不知道这个规律。但他的判断是：只要AI需求持续高涨，这些新增供给暂时还能被市场消化，对利润率影响有限。“但时间越长，进场的竞争者越多，建起来的产能也越多。”

他以一句话作结：“就像所有大宗商品一样，成功本身就埋下了自我毁灭的种子——即便AI的美好愿景最终得以实现。”