AI带动存储定制需求，专家建议转型芯片代工模式

随着人工智能技术的不断进步，海量数据传输与图形处理器效能的要求日益提升，这促使存储芯片的市场需求逐步向定制化方向演进。据韩国业界分析指出，存储芯片制造商的定位正在发生改变，有望从单一的零部件供应商，升级为根据客户具体需求承接订单并进行设计的“存储器晶圆代工”模式。

据成均馆大学半导体融合工学系教授权锡俊（音译）在Nano Korea 2026论坛上透露，传统存储芯片单纯依靠大规模量产的时代已经落幕。企业不能再被动地提供计算所需的存储容量，而是需要积极融入芯片的系统级设计环节。他强调，未来的核心竞争力在于定制化能力，行业必须向先获取订单、再按需设计的代工模式转型。

当前，人工智能正逐步从模型训练向推理阶段过渡，这使得芯片应用的核心考量不再局限于图形处理器的算力，数据供给的速度与效率变得尤为关键。在自动驾驶、智能机器人以及工业制造等实际应用场景中，人工智能的硬件需求与大型数据中心存在显著差异。

具体来看，依赖电池且在离线环境中运行的人形机器人，亟需具备高能效的视觉与语音识别、传感器及电机控制芯片。工业人工智能的终端设备通常仅需配备用于车牌识别等任务的轻量级神经网络处理器，而无需部署庞大的完整模型。此外，智能手机作为大众接触人工智能智能体的主要终端，受限于电池容量与设备体积，同样催生了对定制人工智能芯片的庞大需求。

权锡俊据此指出，以往存储芯片企业主要通过大规模生产动态随机存取存储器与闪存，并依靠提升成品率来获取利润，客户仅需直接采购标准品。然而，伴随人工智能芯片架构向定制化发展，存储芯片领域也开始引入订单驱动理念，逐步采用类似芯片代工的运营机制。

在具体实施路径方面，未来高带宽存储器（HBM）的基础裸片将演变为三层结构。其中，底层由存储芯片制造商自主控制，继续沿用现有的输入输出调度技术与知识产权。

中间层则是面向不同客户开放的标准化算法硬件化层，涵盖数据精度转换、KV缓存向量格式转换等功能，从而大幅缩减计算耗时。例如，谷歌此前推出的TurboQuant算法，能够在几乎不牺牲精度的前提下，显著减少推理过程对存储容量的消耗，这正是标准化且可多客户共享算法实现硬件化的典型应用。

最外层则针对特定客户的个性化需求，开展定制化的混合设计，甚至有望引入现场可编程逻辑门阵列等可编程架构，以便灵活应对各类客户的计算要求。

由此可见，这种新型运营模式表明，存储芯片正从单一的硬件供应商，转变为与逻辑计算芯片协同突破性能瓶颈的技术合作伙伴。

伴随高带宽存储器技术的不断迭代，相较于存储单元本身，逻辑计算层与先进封装技术的竞争力显得更为核心。权锡俊认为，三星电子兼具存储芯片、晶圆代工及封装测试三大业务板块，能够实现一站式整合，这为其推进存储芯片代工战略提供了显著的结构性优势。相比之下，SK海力士未来若要生产4纳米或3纳米制程的逻辑裸片，则必须寻求与台积电等外部晶圆代工企业的合作，这也是其后续发展需要解决的重要课题。