万亿美元市值的美光，叙事模版是不是英伟达？｜估值叙事09

作者：MD

出品：明亮公司

近日，美光科技（MU.US）市值突破万亿美元大关，此前两个交易日，市值累计上涨23.26%，其中26日当日，公司股价涨幅近20%。而2026年的首个交易日，美光股价还在285美元附近。不到半年时间里，这家公司的涨幅超过了220%。

至于上涨原因，市场上的分析可以总结为四个方面：

第一个变量是HBM4。随着英伟达新一代AI架构推进HBM4成为下一阶段AI加速器的重要组件。美光在HBM4上的进展，使市场重新评估它在下一代AI供应链中的位置。对于云厂商和GPU厂商而言，在一个供给紧张的市场里，任何能够稳定供应先进HBM的厂商，都具有战略价值。

第二个变量是通用DRAM涨价。HBM生产会挤占大量通用DRAM产能。当全球存储厂商把更多晶圆和封装资源投向HBM时，DDR5等通用DRAM的供给反而变得更紧张。

高端HBM需求强劲，普通DRAM价格也因为供给被挤压而上涨。美光管理层甚至披露DDR5利润率已经超过HBM本身。这意味着美光并不是只在一个细分品类上受益，而是在整个DRAM价格体系中获得了更强的定价权。

第三个变量是长期供应协议。美光签署五年期战略客户协议，被市场视为存储行业商业模式变化的标志。过去，存储芯片价格高度波动，客户倾向于按周期采购，很少愿意给予供应商长期价格确定性。但在AI基础设施军备竞赛中，客户最担心的不是价格高一点，而是拿不到货。

当云厂商和AI硬件公司愿意签长期协议锁定供应时，美光的收入“能见度”就发生了变化。它不再只是跟着季度价格波动起伏，而开始拥有更类似基础设施供应商的订单可见度。

第四个变量是美国本土战略资产属性。全球科技竞争的大背景下，美光作为美国本土极少数先进存储制造商，获得了额外的战略溢价。或许可以认为，美光不再只是一家普通商业公司，而带有某种“国家战略资产”的意味。

不仅仅是美光，作为HBM全球市占率最高的SK海力士，以及DRAM市占率最高的三星电子，年内涨幅分别达到了254%和159%，三家公司的市值也均突破了万亿美元。但相比于两家韩国公司，美光的市盈率（TTM）则明显更高，其原因可能是考虑到其最新一季度营收和未来一季度营收指引给出的超预期数字。

不过，如果将时间窗口拉长至过去五年，万亿市值“跳涨”和“一直涨”的公司并不鲜见，自最初的英伟达（NVDA.US）到美光，再到国内的寒武纪（688256.SH）和今年的“易中天”，资本市场对AI基础设施硬件的追逐，不断从算力芯片向下渗透，直到下一个”卡点“和“瓶颈”。

对比之下，大市值公司的占比也已经达到近60年的“顶峰”。

「明亮公司」统计发现，过去约60年中，标普500中前十市值公司的“市值集中度”均值约为20-22%之间，而目前前十市值公司占标普500市值的比例已经达到29%，为历史最高水平，甚至超过2000年互联网泡沫期间的集中度27%。

这意味着，少数大型科技公司对指数表现的影响越来越大。被动投资者选择投资指数，进一步放大了头部公司的市值，形成了一个市值的“飞轮”。

01 估值逻辑：从周期股到AI基建成长股

美光的基本面逻辑可以归结为：AI模型能力提升，带来更多复杂任务——复杂任务提升Token消耗——Token消耗推高推理需求——推理需求放大KV Cache压力——KV Cache需要更大的HBM容量和更高的内存带宽；最终，上游HBM供应商的盈利预期被抬升。

作为一家存储芯片公司，美光主要产品包括DRAM、NAND以及近年来越来越重要的HBM（营收统计在DRAM内）。

存储芯片乃至半导体以往的基本特征是周期性极强2026年的美光，开始被放进另一个坐标系里：AI改变了存储的需求结构。

如果说2023年和2024年的AI叙事主要围绕GPU展开，那么到2025年和2026年，市场越来越清楚地意识到，AI计算并不是只有“算力”一个瓶颈。一个大型AI系统背后需要GPU，也需要HBM，需要高速网络，需要先进封装，需要数据中心，需要电力，还需要持续不断的云资本开支。

在这条链条里，HBM开始变得越来越重要。

HBM（高带宽内存），并不是普通DRAM的简单升级。它通过多层堆叠、TSV硅通孔、先进封装等方式，把内存和GPU更紧密地连接在一起，提供远高于传统内存的带宽。对于大模型训练和推理来说，HBM不是“可有可无”的配件，而是决定GPU能否高效运行的关键部件。

更重要的是，AI正在从训练时代进入Agent主导的推理时代。

训练是一次性的，推理是持续性的。一个模型训练完成之后，真正的商业化要靠用户不断调用它。每一次搜索、每一次代码生成、每一次企业知识库问答、每一次Agent自动执行任务，背后都在消耗Token，也都在消耗算力和内存资源。

传统的生成式AI，更像是一个问答系统。用户提出一个问题，模型生成一个答案，任务基本结束。即便模型能力很强，但大多数交互仍然是相对短链条的。

Agentic AI不一样。

它不是简单回答问题，而是执行任务。它会规划、调用工具、观察结果、反思、修正，再继续下一步。这导致AI推理过程中的上下文越来越长，状态越来越复杂，模型需要记住的东西越来越多。

这里就涉及一个关键概念：KV Cache。

大模型在推理过程中，每生成一个新的Token，都需要参考前面已经输入和生成过的内容。为了避免重复计算，系统会把这些上下文信息以Key和Value的形式缓存下来，这就是KV Cache。上下文越长，KV Cache就越大；并发用户越多，总内存占用就越高；模型层数越深、参数越大，对内存带宽和容量的要求也越严苛。

在短上下文时代，KV Cache还不是最突出的瓶颈。但当上下文长度从几千Token扩展到几十万、上百万Token之后，内存压力会呈数量级上升。

这正是Agentic AI对HBM需求的技术基础。

一个普通聊天机器人可能只是回答一个问题；一个Agent则可能在数十轮甚至上百轮内部推理中不断调用模型。它需要保存任务目标、历史步骤、工具返回结果、代码上下文、文件内容和中间推理状态。每一次循环，都会增加Token消耗，也会增加对高带宽内存的依赖。

因此，AI Agent并不是简单地让AI更聪明了，它还让AI基础设施的消耗方式发生了变化，而美光等存储

在这一轮AI基础设施重估中，Token消耗量是一个非常重要的指标。过去12个月以来，Token的消耗量增速（指数）趋势变化和美光的股价走势以及AI基础设施投入趋势基本一致。

尤其在编程场景中，Token消耗增长非常快。据Openrouter数据，2025年初，编程token的消耗量大约占整体的约11%，而到了2026年近期，这一数字已超过50%。

02 叙事：美光是推理时代的英伟达？

美光的上涨很容易让人联想到英伟达之前的持续几年的上涨。据统计，英伟达过去5年的涨幅约百分之1522%，而美光过去5年的累计涨幅约1570%。

英伟达是AI叙事开始至今最重要的公司。它的上涨来自一个朴素但强大的事实：大模型需要GPU，而英伟达几乎垄断了高端AI加速器生态。更重要的是，英伟达不只是卖芯片，它还有CUDA软件生态、网络、整机系统和开发者锁定。

美光没有CUDA这样的软件生态，也没有英伟达那样强的平台控制力。它的护城河主要来自制造能力、良率、产能、客户认证和供应链位置。从这个意义上说，美光更像是AI基础设施中的关键瓶颈供应商，而不是完整平台型公司。

但两者也有共同点：都处在AI需求爆发和供给约束之间。

英伟达代表的是计算瓶颈，美光代表的是内存瓶颈，市场最先理解的是“AI需要GPU”，随后开始理解“AI需要数据中心、电力和网络”。2025年后，市场进一步理解“AI推理尤其需要HBM和高性能内存”。

而到了2026年，美光的股价暴涨正是这一认知扩散的结果。

认知的扩散往往遵循这样的路径：最直观的瓶颈先被定价；随着产业深化，资本开始寻找第二层、第三层瓶颈；GPU之后是HBM，HBM之后可能是先进封装、基板、电力、液冷、光模块，再往后则可能是平台和应用。

03 市场：万亿级公司，为何股价还能跳涨

小公司因为市值小、流动性低，出现几倍涨幅并不罕见。但美光、英伟达这类大公司短期大涨，背后一定不是单一因素，而是多重机制同时发生。

除了开篇对于美光等公司股价变化的分析外，在市场层面的一个原因是，大市值公司上涨之后会形成资金正反馈。

AI周期不仅推高了个别公司的市值，也改变了整个指数的结构。标普500前十大公司市值集中度已经处于历史高位，明显高于长期平均水平。这意味着，少数大型科技公司对指数表现的影响越来越大。

种集中度本身会强化股价上涨的反馈机制。大型科技公司上涨后，在指数中的权重提高，被动基金需要配置更多；主动基金如果低配，又会面临跑输压力；期权市场的看涨交易也可能迫使做市商买入正股对冲。于是，基本面改善带来的上涨，会被指数权重、被动资金和衍生品交易进一步放大。

也有分析认为，AI周期中万亿美元市值公司的大涨，还来自一种新的资本市场定价模式。

如果将AI相关资产单独开辟一个资本市场，那所有的公司的定价逻辑也可能有所不同。投资者不再只按照传统DCF、EPS和季度指引去理解AI公司，而是开始按照“AGI时间线”“物理基础设施瓶颈”和“产业动员速度”来重新排列资产优先级。

这种叙事基本上可以称为“AI瓶颈的超额溢价”。

最典型的代表是此前OpenAI的员工Leopold Aschenbrenner和他在2024年创立的AI基础设施对冲基金Situational Awareness LP（SALP）。

SALP的“核心思想”基本上来自其2024年发布的一篇文章。《Situational Awareness: The Decade Ahead》，文章指出，如果AGI可能在2027年前后到来，那么未来几年AI产业将不再只是软件升级，AI 将从科技产业问题，迅速升级为工业大开发、国家安全、地缘政治和文明级风险问题，而市场在那个时候还没有将所有产业链上的基础设施“Price-in"到公司的股价上。据SALP的持仓包括一系列AI基础设施中的垂直细分行业，而其在管资产的规模也已经从当初的2.5亿美元扩张至超过140亿美元。

另一个案例是在X上讨论度颇高的个人投资者“Serenity”。和SALP类似，Serenity不是简单追逐英伟达，而是专注寻找AI基础设施中的“卡脖子”环节，关注的重点包括光通信、InP磷化铟材料、玻璃基板、封装、设备、光模块和上游材料等等。

他们的类似之处是，AI产业链真正的投资机会，往往不只在最显眼的龙头，而在那些一旦需求放大、供给却很难快速扩张的瓶颈环节。

相关媒体称，Serenity关注点不是英伟达、微软、谷歌这类显性龙头，而是反向拆解GPU集群、CPO、硅光、外部光源、高纯材料和测试设备等等的细分节点，寻找被机构覆盖不足但对AI基础设施扩张具有物理约束的公司。

从另一角度来看，Serenity的受到关注，也说明AI基础设施叙事正在从第一层龙头向第二、第三层供应链外溢。

“最开始，市场只知道买英伟达；随后开始理解HBM、美光、SK海力士；再往后，资金会继续追问：高速互连靠什么？数据中心光模块谁供？磷化铟衬底够不够？玻璃基板会不会成为新瓶颈？封装设备和良率谁控制？当这些问题被越来越多投资者理解，原本冷门的供应链环节就可能被迅速重估。”

在这样的背景下来看，美光不是模型公司，也不是应用公司，但它站在AI规模化过程中的物理约束上（主要体现在HBM上）。这些东西不能靠一次软件更新解决，也不能靠资本市场一句“加大投入”立刻复制出来。它们需要真实工厂、真实设备、真实工程能力和真实交付周期。

换言之，投资者可能已经开始相信，AI时代最重要的资产，未必都在应用层，也不一定只在模型层；很多关键回报，可能藏在那些看起来更“笨重”、更资本密集、但也更难复制的物理基础设施环节里。