從HBM短缺到汽車爭搶記憶體:特斯拉公開感謝美光,記憶體周期進入第二階段

資訊日期:2026年7月22日特斯拉財報電話會,7月23日至24日集中傳播資訊性質:公司管理層公開表態、供應商官方協議及產業機構資料核心判斷:記憶體緊缺已經不再侷限於AI伺服器。隨著HBM和伺服器DRAM持續佔用高端產能,汽車、機器人、邊緣裝置和消費電子開始爭奪傳統DRAM、LPDDR和NAND供貨配額,記憶體上行周期的覆蓋範圍正在擴大。

一、事件:馬斯克為何公開感謝美光?

在特斯拉2026年第二季度財報電話會上,馬斯克公開感謝三星、台積電和美光對特斯拉晶片供應的支援。

其中,馬斯克特別提到,美光在當前記憶體價格大幅上漲、供貨緊張的環境下,為特斯拉預留了相當規模的記憶體供應配額,而且供貨條件相對合理。

馬斯克還表示,美光正在為特斯拉未來數年的需求“騰出空間”。這意味著雙方的合作可能不僅是短期採購,而是帶有長期產能保障性質的供應安排。

這句話真正重要的地方,不是“特斯拉獲得了多少記憶體晶片”,而是:

當特斯拉這種全球頭部製造企業需要在財報會上公開感謝記憶體廠商提供配額時,記憶體晶片已經從普通電子元件升級為戰略供應資源。

二、今日最大的邏輯變化:記憶體短缺開始向汽車和機器人擴散

此前,市場對記憶體漲價的理解主要集中在三個方向:

AI伺服器拉動HBM需求;

  • 雲廠商增加伺服器DDR5採購;
  • 企業級SSD需求快速增長。

特斯拉的表態說明,記憶體緊張正在由資料中心進一步向實體終端傳導。

新的需求範圍包括:

這意味著,本輪記憶體周期的驅動力正在從單一的“雲端AI資本開支”,擴展為:

雲端訓練+伺服器推理+智能汽車+物理AI+端側AI的多場景共振。

三、為什麼HBM擴產會影響傳統DRAM?

HBM本質上仍然屬於DRAM,但其製造複雜度和資源消耗遠高於普通DRAM。

一方面,HBM通常需要更先進的DRAM製程、更大的裸片面積和更嚴格的良率控制;另一方面,HBM還需要TSV、堆疊、鍵合及測試等先進封裝資源。

因此,相同的晶圓產能用於生產HBM時,能夠提供的有效記憶體位元數量通常低於傳統DRAM。

TrendForce指出,雲服務商的AI基礎設施投資推動HBM需求快速增長,而HBM較大的裸片面積正在明顯擠佔傳統DRAM產能,導致整個DRAM市場進入供給緊張狀態。

截至2026年第二季度,記憶體廠商仍在持續將產能向HBM和伺服器應用傾斜。TrendForce預計:

  • 2026年第二季度傳統DRAM合約價格環比上漲約 **58%—63%**;
  • NAND Flash合約價格環比上漲約 **70%—75%**;
  • NAND產能和產品資源也在更多流向企業級SSD。

需要注意的是:

HBM直接擠佔的主要是DRAM晶圓產能和先進封裝資源,而不是直接佔用NAND晶圓。

NAND受到的影響更多來自兩方面:

記憶體廠商將資本開支和廠房資源優先投向高利潤DRAM與HBM;

  1. AI資料中心對企業級SSD的需求快速增長,進一步擠壓消費級和嵌入式NAND供應。

因此,本輪行情並不是簡單的“HBM漲價”,而是整個記憶體廠商產品組合重新分配。

四、汽車記憶體為什麼會成為新的供需矛盾點?

智能汽車正在從“機械產品”轉變為“移動計算平台”。

一輛高階智能汽車通常需要同時處理:

  • 多路攝影機和雷達資料;
  • 智能座艙與多屏顯示;
  • 自動駕駛演算法運行;
  • 高精地圖與導航資料;
  • 車輛控制軟體;
  • OTA升級包;
  • 行駛日誌與故障記錄。

隨著車輛電子電氣架構從分佈式ECU向中央計算和域控制架構升級,單車DRAM和NAND容量持續增加。

與此同時,汽車晶片還有三個特殊要求:

1. 認證周期長

車規記憶體需要通過嚴格的可靠性和溫度測試,不能像消費電子一樣隨意更換供應商。

2. 生命周期長

一款車型可能持續生產多年,記憶體廠商需要長期維持相應型號和工藝。

3. 斷供損失大

記憶體晶片在整車成本中的佔比並不算最高,但一顆關鍵晶片缺貨,就可能影響整條生產線。

因此,汽車企業關注的已經不只是採購價格,而是:

能否獲得持續、穩定、可預測的長期供貨。

這一趨勢已經得到供應商層面的驗證。2026年7月,美光先後與通用汽車、福特以及高通、電裝、現代摩比斯等汽車產業鏈企業簽署長期戰略客戶協議,以提高汽車記憶體供應的可預測性和連續性。

特斯拉獲得美光記憶體配額,並不是孤立事件,而是汽車行業開始主動鎖定記憶體產能的縮影。

五、機器人需求目前有多大?

人形機器人目前的實際出貨規模仍明顯小於智慧型手機和汽車,因此短期內還不是傳統記憶體需求的最大來源。

但機器人具有較高的單機記憶體密度。

一台具備視覺感知、語音互動、運動控制和本地AI推理能力的人形機器人,需要配置:

  • 運行AI模型的高速記憶體;
  • 感測器資料快取;
  • 系統和控製程序記憶體;
  • 訓練資料和運行日誌記憶體;
  • 通訊及安全冗餘空間。

隨著機器人從實驗室樣機走向工廠和商業場景,其記憶體需求將經歷兩個階段:

第一階段:單機容量升級

機器人模型越來越複雜,推動LPDDR、GDDR和嵌入式NAND容量提高。

第二階段:出貨數量放大

當人形機器人進入規模化生產後,記憶體需求將從“高單機價值量”轉變為“高單機價值量+大規模出貨”。

因此,機器人當前更多屬於記憶體需求的中長期增量,而特斯拉提前鎖定產能,反映的是其對Robotaxi、Optimus和自研AI計算平台未來規模的準備。

六、產業鏈影響:誰受益,誰承壓?

1. 記憶體原廠:議價權最強

本輪周期中,最直接受益的是擁有DRAM、NAND及車規產品能力的記憶體原廠。

核心變化包括:

  • 產能利用率提高;
  • 產品平均售價上漲;
  • 長期供貨協議增加;
  • 客戶預付款和產能鎖定增強;
  • 產品組合向HBM、伺服器DRAM和企業級SSD傾斜。

真正值得關注的不是單季度漲價幅度,而是記憶體行業是否從過去的庫存周期,轉向更加長期的產能分配周期。

2. 模組與管道企業:受益取決於庫存和客戶結構

模組、分銷和管道企業並非天然受益。

其利潤表現取決於:

  • 是否提前儲備低價庫存;
  • 能否順利向下游傳導成本;
  • 是否擁有伺服器、汽車和工業客戶;
  • 是否承擔高價庫存回落風險;
  • 是否具備韌體、主控適配和定製能力。

庫存位置較低、客戶議價能力較弱的企業,反而可能受到漲價擠壓。

3. 汽車與消費電子:成本壓力上升

對於整車廠、手機廠商和消費電子品牌而言,記憶體漲價會帶來:

  • BOM成本上升;
  • 高配產品利潤率承壓;
  • 中低端產品規格下調;
  • 新產品發佈節奏調整;
  • 更高的庫存和預付款需求。

頭部企業通常可以通過長期協議獲得優先配額,而中小客戶可能面臨更高價格和更差交期。

4. 半導體裝置與材料:擴產周期拉長

如果記憶體價格和供需緊張持續,三星、SK海力士、美光及其他記憶體廠商將繼續增加資本開支。

受益方向包括:

  • 晶圓製造裝置;
  • 薄膜沉積和刻蝕裝置;
  • 測試裝置;
  • TSV及先進封裝裝置;
  • 半導體材料;
  • 高端封裝載板;
  • 記憶體測試與燒錄。

但裝置端的業績兌現通常晚於記憶體價格上漲,需要觀察原廠資本開支是否真正轉化為裝置訂單。

七、當前記憶體周期與上一輪有什麼不同?

上一輪記憶體周期更多由手機、PC庫存和廠商減產推動,具有較強的周期反轉屬性。

本輪周期則增加了明顯的結構性因素:

需求更具剛性

AI伺服器和雲端運算客戶對記憶體容量、頻寬和可靠性的要求更高,對價格的敏感度低於消費電子客戶。

產能轉換更加複雜

HBM不僅需要DRAM晶圓,還需要先進封裝和測試資源,擴產速度受制於良率、裝置和客戶認證。

客戶開始鎖定長期配額

汽車廠商、雲廠商和伺服器客戶正在通過長期採購協議、預付款和戰略合作鎖定產能。

記憶體應用範圍擴大

需求正在由資料中心擴散至汽車、機器人、工業裝置和端側AI。

因此,本輪記憶體周期不能只觀察現貨價格,還需要同時跟蹤:

  • 原廠產能分配;
  • 長期協議覆蓋率;
  • HBM與伺服器DRAM產能佔比;
  • 企業級SSD出貨;
  • 汽車客戶庫存;
  • 新晶圓廠投產時間;
  • 下游終端是否出現規格下調。

八、核心結論

特斯拉公開感謝美光提供記憶體配額,是一個具有代表性的產業訊號。

它說明記憶體行業正在發生三項變化:

記憶體短缺從AI伺服器擴散至智能汽車和物理AI;

  1. 行業競爭從爭奪價格,轉向爭奪長期產能和供應優先順序;
  2. HBM、伺服器DRAM、LPDDR和NAND正在形成相互傳導的結構性漲價鏈條。

但也需要保持理性。

特斯拉目前表示已經獲得足夠的記憶體供應,因此這一事件暫時還不是汽車生產因記憶體斷供而大規模停產的證據;機器人需求也尚未進入真正的大規模放量階段。

當前更準確的判斷是:

記憶體周期的廣度正在擴大,供貨優先順序的重要性正在上升,但汽車和機器人需求能否轉化為持續的增量訂單,仍需觀察實際產量、單機容量和長期協議的兌現情況。

記憶體行業的主線,已經不再只是“HBM供不應求”,而正在升級為:

AI擴產重新分配全球記憶體產能,汽車、機器人、工業和消費電子共同進入記憶體資源競爭時代。

風險提示

  • 全球AI資本開支增速低於預期;
  • 記憶體廠商集中擴產導致供需提前反轉;
  • 下游終端通過降低配置壓縮記憶體需求;
  • 汽車和人形機器人量產進度不及預期;
  • 高價庫存帶來模組及管道企業減值風險;
  • 新工藝良率提升速度超預期,推動供給快速釋放;
  • 行業價格預測與實際成交價格存在偏差。 (觀勢尋途)