Google 的 TurboQuant 對像 華邦電 這樣的記憶體廠反而是好事, 需求端的質變：AI 從「雲端」下沉到「邊緣 (Edge)」

 

1. 絕對護城河：未來三年「沒有任何取代品」

從計算機運作的底層物理架構（馮·紐曼架構）來看，運算與記憶體是必然分離的。CPU/GPU 跑得再快，只要沒有足夠的高速暫存（DRAM）與非揮發性儲存（Flash），系統就無法運作。

• 新技術難成氣候： 雖然學界一直在研發 MRAM、ReRAM 等次世代記憶體，但受限於材料物理特性與極高昂的製造成本，未來 3 到 5 年內，絕對不可能撼動 DRAM 與 Flash 的統治地位。

• 軟體壓縮的極限： Google 的 TurboQuant 等軟體技術能優化演算法，但這叫「提升效率」，在實體物理定律下，它無法憑空變出儲存空間。效率越高，引發的應用需求就越大（傑文斯悖論），最終對實體記憶體的需求總量依然是向上噴發的。

2. 供給端的三年死結：產能排擠效應 (Supply Crowding-out)

這是支撐華邦電長線基本面最堅硬的磐石。

• 蓋一座晶圓廠需要 3 年： 記憶體是重資本支出的產業。現在三星、海力士、美光為了追逐高毛利的 AI 伺服器 HBM，瘋狂將原本生產 DDR3、DDR4（一般型與利基型記憶體）的機台改機。HBM 消耗的矽晶圓面積是一般 DRAM 的數倍，這直接導致了中低階記憶體的「結構性供給真空」。

• 華邦電的絕佳戰略位置： 三大原廠退出中低階市場留下的龐大真空，未來三年將全數由台廠（華邦電、南亞科）吃下。在沒有新產能開出的情況下，華邦電將掌握極強的定價權，這也是為什麼矽創等供應鏈已經開始啟動實質漲價的原因。

3. 需求端的質變：AI 從「雲端」下沉到「邊緣 (Edge)」

如果說過去一年是雲端 AI 伺服器（HBM 的主戰場）的爆發期，那麼未來三年就是「邊緣 AI (Edge AI)」的黃金期。

• 終端設備的剛需： 接下來的 AI PC、AI 手機、智慧車載與聯網機器人，不可能隨時連線雲端運算，必須在本地端執行 AI 模型。這會強迫所有終端設備的基礎記憶體容量翻倍（例如手機從 8GB 跳升至 16GB，PC 從 16GB 跳升至 32GB 起跳）。

• NOR Flash 的隱形爆發： 每一台 Edge AI 設備都需要存放 AI 開機韌體與本地端演算法，這需要高容量、高穩定性的 NOR Flash。作為全球第一大 NOR Flash 供應商，未來三年這些海量終端設備的換機潮，就是華邦電實質營收成長的保證。

4. AI 伺服器的隱形剛需：BMC 與 NOR Flash

大家目光都盯著 AI 伺服器裡的 GPU 和 HBM，卻忽略了周邊的基礎元件。

• AI 伺服器比傳統伺服器昂貴且複雜數十倍，因此需要更高階的遠端伺服器管理晶片 (BMC) 來監控溫度、電壓和運作狀態。

• 每一顆 BMC 旁邊，都需要搭配高容量的 NOR Flash 來儲存開機程式碼與韌體。而華邦電正是全球第一大的 NOR Flash 供應商。雖然單價不如 HBM，但隨著 AI 伺服器出貨量暴增，這塊的實質訂單是確確實實落在華邦電口袋裡的。