Według SemiAnalysis, główną przyczyną nie jest brak popytu. To pragmatyczna decyzja podyktowana ograniczeniami podaży: moduły LPDDR5X SOCAMM2 o wysokiej gęstości są trudno dostępne, a Nvidia priorytetowo traktuje dostarczenie szaf Rubin na czas, zamiast czekać, aż każde gniazdo będzie wypełnione najmocniejszym komponentem .
Sposób, w jaki raport przedstawił sprawę – 50-procentowe cięcie pamięci na szafę – okazał się wystarczająco silny, by wywołać szeroką wyprzedaż w całym sektorze pamięci dla AI.
Ten spadek spotęgował wcześniejszy cios dla Micron. W marcu 2026 roku Nvidia wybrała Samsunga i SK Hynix na wyłącznych dostawców pamięci HBM4 dla Vera Rubin, całkowicie pomijając Micron w lukratywnym segmencie pamięci HBM. Akcje Micron spadły wtedy o około 6,7% . Dla tej firmy cięcie SOCAMM wyglądało na drugi bezpośredni cios, choć szczegóły okazały się bardziej skomplikowane.
Założyciel SemiAnalysis, Dylan Patel, i inni komentatorzy rynkowi szybko odrzucili narrację o „zniszczeniu popytu na pamięci”. Ich kontrargumenty opierają się na jednym szczególe technicznym, który rynek początkowo przeoczył: architektura jest modułowa, a nie stała.
W przeciwieństwie do lutowanej pamięci LPDDR we wcześniejszych systemach Blackwell, moduły SOCAMM2 w Vera Rubin są umieszczane w wyjmowanych, łatwych w serwisowaniu złączach . Operatorzy centrów danych (tzw. hiperskalerzy) i producenci OEM mogą rozpocząć pracę z modułami 96 GB, a później – gdy części 192 GB lub 256 GB staną się bardziej dostępne – po prostu wymienić moduły bez konieczności wymiany całej szafy. Oznacza to, że początkowa konfiguracja nie jest docelowym zapotrzebowaniem na pamięć; całkowita liczba modułów kupionych w całym cyklu życia produktu może pozostać bez zmian, a nawet wzrosnąć
.
SemiAnalysis wyraźnie określiło tę zmianę jako pragmatyczny plan na pierwszą fazę dostaw, służący ominięciu ograniczeń podażowych, a nie decyzję projektową o trwałym zmniejszeniu pamięci. Gdy podaż LPDDR5X nadgoni, moduły o większej gęstości będą mogły być stopniowo wprowadzane .
Pamięć HBM4 po stronie GPU – czyli ten naprawdę wartościowy i wysokomarżowy element stosu pamięci – nie została w ogóle naruszona przez raport. Każdy GPU Rubin wciąż zużywa 288 GB HBM4, a dostawy dzielą między siebie Samsung i SK Hynix, odpowiednio w około 30% i 70% . Ten gigantyczny czynnik napędzający popyt jest nienaruszony
.
Ponieważ Nvidia zwiększa produkcję Vera Rubin, by sprostać rosnącemu zapotrzebowaniu hiperskalerów, całkowita liczba zamawianych modułów SOCAMM może wzrosnąć, nawet jeśli każda szafa startuje z niższą pojemnością na gniazdo. Niektórzy analitycy sugerują, że ta dynamika może ostatecznie okazać się pozytywna również dla popytu na dyski SSD i interkonekty optyczne .
Choć Micron przegrał walkę o kontrakt na HBM4, pozostaje kluczowym graczem w wyścigu SOCAMM2. W marcu 2026 roku Micron rozpoczął wysyłkę próbek klienckich modułów 256 GB SOCAMM2 – o 33% pojemniejszych niż 192 GB części oferowane przez Samsunga i SK Hynix – i jest wykwalifikowanym dostawcą obok swoich koreańskich konkurentów . Szacowana przez TrendForce alokacja dla Micron w 2026 roku na poziomie ponad 70 miliardów gigabitów w segmencie SOCAMM2 jest jak najbardziej realna
.
Historia z Vera Rubin obnaża stałą prawdę o rozbudowie infrastruktury AI: moce produkcyjne w zakresie najnowocześniejszych pamięci są napięte do granic możliwości. Podaż LPDDR5X, DDR5 i HBM jest pod presją, a ruch Nvidii to przyznanie, że nie każdy komponent może dotrzeć w idealnej konfiguracji i czasie . Zamiast opóźniać dostawy systemu, który obiecuje dziesięciokrotne obniżenie kosztu tokena przy inferencji, Nvidia postanowiła wysyłać szafy w konfiguracji pamięci, którą może zapewnić teraz, a zmodernizować później
.
Dla inwestorów kluczowy wniosek jest taki, że fizyczna architektura ma znaczenie równie duże, co nominalne liczby dotyczące pojemności. Wymienna, modułowa pamięć zasadniczo zmienia rachunek: pojedynczy początkowy zestaw modułów nie definiuje już docelowego popytu. Supercykl w sektorze pamięci dla AI, napędzany głównie przez HBM4 i modułowe LPDDR5X, nie załamuje się – po prostu przechodzi przez bóle wzrostu łańcucha dostaw, który ściga się, by dotrzymać kroku bezlitosnemu tempu produktowemu Nvidii.
Comments
0 comments