2026 年 3 月的 GTC 大會上，黃仁勳花了比往年更多的時間，談一個過去被當成配角的字：推理（inference）。同一季，華爾街盯著的是另一條線——光是微軟、Alphabet、亞馬遜、Meta 四家超大規模雲端業者，2025 年合計就砸下約 4,000 億美元資本支出，2026 年的指引合計逼近 7,000 億美元（年增約 70%；其中微軟 2026 年約 1,900 億美元的資本支出裡，光是被記憶體與零組件漲價墊高的就約 250 億美元）。錢都往「AI 算力」湧，但真正卡住整條供應鏈、決定一張加速器能不能出貨、跑得快不快的，往往不是 GPU 的運算能力，而是一種多數投資人講不清楚的記憶體：HBM。
HBM（High Bandwidth Memory，高頻寬記憶體）就是把好幾顆 DRAM 記憶體像疊積木一樣垂直堆起來、用上千條微通道直接貼在 GPU 旁邊的「高速大容量倉庫」。這篇要講的核心觀點，一句話：當 AI 從「訓練」走向「推理」，整個運算的瓶頸正從「算力」移向「記憶體」——誰能又快又多地把資料餵給 GPU，誰就握住了這一輪的關鍵環節。但這句話只對了一半；另一半，是市場最不想聽、卻最該知道的真相。
AlphaLab 想做的不是複述「HBM 是新主角」這套已經很響亮的敘事，而是把背後 30 年的工程史、三輪記憶體循環的一手數據、還有 2026 年最新、最反直覺的一個數字攤在桌上。不講廢話、不灌雞湯，用數據和歷史把這個市場拆到你能自己驗證、自己判斷。
先說結論（一句話重點）：「推理時代瓶頸從算力移到記憶體」這個方向是對的——它有 30 年的「記憶體牆」理論、與 LLM 運作的一手證據撐腰，HBM 也確實是這一輪 AI 基建裡最稀缺的零件。但「HBM 是利潤永遠最肥的印鈔機、記憶體週期已死」這半句是錯的，而且已經被 2026 年第一季的數據打臉：根據 TrendForce（2026/6/2），一般伺服器用的 DDR5 64GB RDIMM，每片晶圓的營收與獲利在 2026 年第一季雙雙超車了 HBM。記憶體永遠會循環，這一輪的超額利潤已經開始均值回歸。
什麼會推翻我、或證實多頭：如果 HBM4 放量、超大規模業者資本支出續創新高、而 HBM 對 DDR5 的每片晶圓獲利重新拉開差距（TrendForce 甚至預期 2027 年 HBM 合約價再翻倍），那「結構性稀缺、定價權持久」就成立，本文的保留會被推翻。反過來，若四大買家的資本支出進入「消化期」、推理變現不如預期，HBM 會像 2022–23 那輪一樣供給洪水、三家一起虧錢——那它就只是「這次循環特別久」，不是「週期已死」。本文不喊單、不帶風向，只把數據攤開，推到一個你能自己驗證的結論。
先看清楚：AI 為什麼從「算力時代」走進「記憶體時代」
要懂為什麼瓶頸換人，先把一件常被混為一談的事拆開：訓練（training）和推理（inference）是兩種完全不同的工作負載。訓練是「一次性、可平行、把整批資料塞進去算」的重活；推理是「使用者每問一句、模型就要即時回一句」的零售業。2023–2024 年的 AI 軍備競賽，市場眼裡只有訓練——誰的叢集 GPU 多、FLOPS（每秒浮點運算次數，衡量「算得多快」的指標）高，誰就贏。但當 ChatGPT、Claude 這類服務變成每天幾十億次的日常呼叫，重心就壓到了推理這一側。想先補 LLM 怎麼運作的讀者，可以參考我們的〈LLM 是什麼？大型語言模型運作原理〉。
關鍵在於：推理本身又會裂成兩個瓶頸相反的階段。第一階段叫 prefill（預填充，處理你輸入的整段提示），它是「大矩陣乘大矩陣」的密集運算，把 GPU 的算力吃好吃滿——這一段是算力瓶頸。第二階段叫 decode（逐字生成回覆），因為文字是一個字接一個字生出來的，每生成一個 token，硬體都得把整組模型權重從 HBM 搬一遍，卻只做了極少量的乘加運算。衡量這件事的指標叫「運算強度」（arithmetic intensity，每搬一個位元組能做幾次運算）：根據一篇被廣泛引用的 roofline 分析（arXiv:2402.16363），prefill 的運算強度高達約 1,024，而 decode 只有約 1——相差約 1,000 倍。
這個差距為什麼致命？每張 GPU 都有一個「臨界點」（ridge point），運算強度低於它就是「記憶體頻寬瓶頸」、高於它才是「算力瓶頸」。以 NVIDIA H100 為例，這個臨界點約在 295（A100 約 153）。decode 的運算強度只有約 1，等於深陷在臨界線下方 150–300 倍的位置——再快的 GPU 算力都用不上，速度完全由「資料從 HBM 搬過來有多快」決定。換句話說：在推理這一側，決定快慢的不是 GPU 算得多快，而是記憶體餵得多快。
還有第二個怪物，叫 KV cache（鍵值快取）。模型生成時，會把前面每個 token 的中間狀態暫存起來避免重算，這份快取的大小，會隨著「對話長度 × 同時服務的人數 × 模型層數」線性膨脹。最能說明問題的，是柏克萊團隊 2023 年的 PagedAttention／vLLM 研究（arXiv:2309.06180）：他們發現當時的推理系統，光是 KV cache 的記憶體碎片就浪費了 60–80% 的 GPU 記憶體，於是 GPU 算力在那邊乾等。他們借用作業系統的「分頁」技巧，把浪費壓到 4% 以下，結果——在同一張 GPU 上，吞吐量提升了數倍（相較當時最強的服務系統約 2–4 倍，相較未優化的基準更達 24 倍）。一個純粹的「記憶體管理」改動就換來這麼大的提升，這幾乎是「瓶頸在記憶體、不在算力」最乾淨的證據。
這就是 HBM 站上舞台的原因：它解決的正是「容量」（裝得下多大的模型＋多長的對話＋多少並發）和「頻寬」（每秒能餵多少資料給 GPU）這兩件事。所以你會發現，NVIDIA 每一代資料中心晶片的行銷主軸，其實都是記憶體：H100 是 80GB HBM3、頻寬 3.35 TB/s；H200 跳到 141GB HBM3E、4.8 TB/s（容量近乎翻倍）；出貨版的 B200 約 180–186GB HBM3E、頻寬約 8 TB/s。賣點的軸線，就是記憶體的軸線。
用一條 30 年的線看懂它：這道「記憶體牆」其實不是新東西
市場最愛說「這次 AI 不一樣」。但「記憶體跟不上運算」這件事，其實早在 1995 年就被預言了。兩位維吉尼亞大學的電腦科學家 Wm. A. Wulf 與 Sally A. McKee，在那篇後來無人不知的短論文〈Hitting the Memory Wall: Implications of the Obvious〉裡指出一個「顯而易見卻被忽略」的數學事實：處理器速度和記憶體速度都在指數成長，但指數不一樣，於是兩條曲線之間的差距本身也以指數擴大。他們的思想實驗很犀利：就算快取命中率高達 99%，那剩下 1% 要去 DRAM 拿資料的存取，遲早會主宰平均延遲——「不管硬體算得多快，問題終將被記憶體頻寬卡死」。
CPU 產業當年的解法，是不斷加深的快取階層和預取技術。諷刺的是，AI 加速器走了相反的路：為了塞進更多運算邏輯，它們簡化了記憶體階層——於是把這道牆重新暴露了出來。一篇 2024 年的權威論文〈AI and Memory Wall〉（Gholami 等人，arXiv:2403.14123，發表於 IEEE Micro）用數據釘死了這個趨勢：過去約 20 年，硬體的尖峰 FLOPS 成長了約 60,000 倍，但 DRAM 頻寬只成長約 100 倍、晶片間互連頻寬更只有約 30 倍。換算成速率，是每兩年 FLOPS 漲 3.0×、DRAM 頻寬漲 1.6×、互連漲 1.4×。
（提醒一個常見誤讀：這組 60,000×／100×／30× 是論文作者以約 1998 年為基準、在他們的資料集上做迴歸得到的「量級對比」，不是一條精準的物理定律；要和「每兩年 3.0×／1.6×／1.4×」的速率框架一起看，別把它當成不變的常數。）重點是方向：算力一路狂奔，記憶體在後面追得上氣不接下氣，而 LLM 的 decode 正好是「運算強度最低」的那種最壞情況工作負載——它把一個潛伏了 30 年的 CPU 時代問題，變成了今天主宰資料中心經濟的那件事。這不是「這次不一樣」，這是「一個老問題終於被推到了檯面」。
但記憶體有一條鐵律：它是半導體裡「最會循環」的環節
如果你只看上面那一段，會以為 HBM 是穩賺不賠的聖杯。錯了。要真正判斷這個市場，你必須記得記憶體最殘酷的特性：它是整個半導體產業裡，循環最劇烈的一塊。原因藏在成本結構——記憶體是接近大宗商品的產品，約 9 成成本是「產能與折舊」這類固定成本，差異化極低。於是只要供需出現一點點缺口，價格（ASP）和毛利就會劇烈擺盪。這條鐵律，過去十年演過兩遍給你看。
第一遍：2017–2019 的「超級循環」與崩盤。一場真實的需求爆發（智慧型手機記憶體用量、雲端早期擴建）加上供給端把產能挪去做 3D NAND，把 DRAM 價格推上多年高點，記憶體三雄賺到史上最甜的幾年——美光（Micron）營收從 2016 會計年度的 124 億美元，一路衝到 2017 的 203 億（+64%）、2018 的約 304 億（+50%），三星 DRAM 的營業利益率一度高達約 66%。然後呢？產能追上、雲端業者手上庫存滿出來，迴圈完成：全球 DRAM 營收在 2018 第四季單季就 -18.3%（季減），SK 海力士 2019 第三季營業利益較前一年暴跌約 93%（從 6.5 兆韓元掉到 4,730 億韓元），美光股價從 2018 年高點約 $61 一路腰斬到 2019 低點約 $30。
（這裡藏一個經典的資料陷阱：TrendForce 統計 2019 年 DRAM「模組營收」只年減約 3%，看起來沒崩——但那是因為「位元出貨量」還在成長，掩蓋了「每 GB 單價」的崩跌。看記憶體千萬別只看營收總額，要把「量」和「價」拆開。）
第二遍：2022–2023 的大蕭條。這一遍更值得記住，因為主角是同一個三強寡占、同一個產品家族。疫情把 PC／手機／伺服器需求拉到前面，廠商擴產，接著 2022–2023 一個需求空窗加庫存修正，價格幾乎腰斬。當年很多人相信「市場已經整併成三家寡占，不會再有惡性循環了」——結果這個論點被當場證偽：三家全部虧錢。SK 海力士 2023 全年營業虧損達 -7.73 兆韓元（十多年來首次年度虧損），第一季營業利益率一度 -67%，直到第四季靠減產才勉強轉正；美光 2023 會計年度淨虧 -58.3 億美元（營收年減 49%），單季毛利率一度為負。兩家最後都把資本支出砍掉約一半、刻意停產，才把這場供給洪水止住。
把這條線拉完整，弧線是這樣的：記憶體牆（1995，結構性事實）→ 2017–19 超級循環＋崩盤 → 2022–23 全產業虧損 → 2024–25 HBM／AI 超級循環把同一批公司重新吹起來 → 2026，溢價開始壓縮。同一個寡占、同一種物理與經濟學，只是換了個更性感的名字。寡占的「紀律」（能協調減產）讓低谷變淺、變短，但它從來沒有取消過循環本身。這也正是我們在單一個股層級寫過的同一個問題——詳見〈Micron（MU）：AI 記憶體超級循環是真的，但這次「不一樣」嗎？〉。
為什麼是 HBM：它的護城河、它的數字、還有它的邊界
先講 HBM 真正硬的地方。第一，它是個極度集中的三強寡占。依市調機構 Counterpoint 的數據（以營收計），2025 第三季是 SK 海力士約 57%、三星約 22%、美光約 21%，2026 第一季最新一期約 SK 海力士 58%、三星 21%、美光 21%——SK 海力士穩居一家獨大。（注意兩件事：一是這個排名季季在變，2025 第二季曾是 62%／17%／21%；二是這是「HBM 市占」，別跟「整體 DRAM 市占」混淆，後者 2025 第四季是三星 36%、SK 海力士 32.1%、美光 22.4%——同一批公司，換個產品就換了名次。）
第二，HBM 會「吃掉」整個 DRAM 市場的產能。美光在 2026 會計年度第一季法說（2025/12/17）自己講過，HBM 與 DDR5 大約是 3:1 的「產能換算比」——每 GB 的 HBM，要佔用約 3 倍於一般 DRAM 的晶圓面積（因為要打穿矽晶的 TSV 通道讓晶片變大、堆疊 8–16 層又拉低良率），而且這個倍數每出一代新 HBM 還會升高。結果就是：TrendForce 估 2026 年「AI 用高速記憶體」（HBM＋GDDR7）會吃掉全球約 20% 的 DRAM 晶圓產能，但整體位元供給只成長約 10–15%——直接排擠到 PC、手機、伺服器用的一般 DDR5，這正是 2025–26 年連「普通記憶體」都在漲價的根本原因。
第三，訂單能見度極高。SK 海力士執行長郭魯正早在 2024 年就說 2025 年 HBM 產能「售罄」，並在 2025 第三季法說宣布連 2026 年的 DRAM、NAND 與 HBM 產能都已全部售罄；美光執行長 Mehrotra 也在 2025/12 表示，整個 2026 日曆年度的 HBM 供應（含新一代 HBM4）已「價量全數簽約」。但這裡要校準心態：「售罄」說的是「向前預訂的帳本」，不是「已交付的供給保證」——美光同場就坦言目前只能滿足核心客戶約 50–66% 的需求；SK 集團會長更警告晶圓短缺恐延續到 2030 年。把它當成「商業承諾」看，別當成「鐵口保證」。
那它的邊界在哪？什麼會讓「HBM 是持久主角」這個故事翻車？至少有三條：
- 真正的瓶頸是「HBM＋先進封裝」的共同瓶頸，不是 HBM 一個。把 HBM 和 GPU 黏在一起的
CoWoS（台積電的先進封裝技術）一樣卡。台積電執行長魏哲家在 2025 第三季法說直言產能「非常吃緊」，CoWoS 交期長達 52–78 週。研究機構 Epoch AI 估算：2025 年全球四大 AI 晶片設計商吃掉了約90%的 CoWoS 與 HBM（以價值計），卻只佔先進邏輯晶片產出的約12%——換句話說，真正的關卡是 CoWoS 和 HBM，不是邏輯晶圓。每張加速器都需要「邏輯晶圓＋CoWoS 名額＋HBM 配額」三者齊備，沒有任何單一環節能獨立解套。 - 工程師正在「繞過」這道牆。過去 30 年的歷史，就是設計者一次次用架構和軟體把記憶體稀缺繞過去。今天這批武器特別猛：
MoE（混合專家模型，例如 DeepSeek-V3 總參數 6,710 億、但每個 token 只啟用 370 億，約 5.5%）讓每個 token 只讀一小部分權重；FP8／FP4量化把 KV cache 的位元砍半甚至更多（FP8 約省一半、NVIDIA 的 NVFP4 約是 FP16 的 3.5 倍壓縮）；再加上 KV cache 分頁、投機解碼、模型蒸餾——這些都在壓低「每個 token 的 HBM 用量」。也就是說，HBM 的需求不是固定係數，前沿模型正主動把 bytes/token 往下砍，這會「降溫」而非「消滅」HBM 的需求成長。 - 需求集中在少數幾個買家，價值最後可能流向「機櫃整合者」。客製 ASIC（Google TPU v7、AWS Trainium3）雖然也用 HBM，但它們把 HBM 當「零組件」採購、議價時往商品而非溢價 SKU 壓。而 NVIDIA 透過 NVLink、整櫃方案（Vera Rubin NVL72 整櫃 72 顆 GPU、20.7TB HBM4）把推理的價值往「機櫃」收——記憶體廠很可能仍是價格接受者。延伸閱讀我們對「AI ASIC 第二勢力」的拆解：〈博通 Broadcom（AVGO）：AI 營收暴增的 ASIC 攻防〉與〈NVIDIA（NVDA）：AI 霸主的估值悖論〉。
真相校準：4 個 HBM 迷思 vs 數據
這個市場充滿了「聽起來很順、查下去有問題」的說法。把最常見的幾個攤開校準一次：
迷思一：「HBM 賣 DRAM 的 5 倍價，是永遠的印鈔機。」校準：那個「5 倍」是 TrendForce 在 2024/5 講的「對 DDR5、以每顆單價計」的數字（對「一般 DRAM」只說「數倍」），不是「每 GB」、也不是「對所有 DRAM」。它在 2025 年確實維持約 4–5 倍，但 TrendForce 預期到 2026 年底會壓縮到只剩約 1–2 倍，因為這波 DRAM 缺貨把 DDR5 的價格也拉了上來。更狠的是前面提過的那一槍：在「每片晶圓」的營收與獲利上，DDR5 64GB RDIMM 在 2026 第一季已經反超 HBM（TrendForce，2026/6/2）——因為 HBM 是年度合約、定價跟不上 2025 下半年以來現貨 DRAM 的暴衝。需求面的護城河是真的，但「每片晶圓的經濟效益」已經開始均值回歸。
迷思二：「HBM 佔 DRAM 的 X%」（單一數字）。校準：這是 HBM 評論裡最常見的錯誤。HBM 約佔 DRAM 位元供給的 8%（2025 年底）、9%（2026）、13%（2027），卻佔 DRAM 產值約 33%（2025 年，2023 年才約 8%）。同一個 HBM，用「位元」算是個位數、用「產值」算是三分之一——講的時候一定要說清楚是哪個軸，位元數字低估了它的經濟份量，產值數字則高估了它的實際出貨量。
迷思三：「B200 有 192GB HBM。」校準：192GB 是 NVIDIA 2024 年 GTC「發表時」的規格；實際出貨的 B200 是約 180–186GB HBM3E（後來的 B300／Blackwell Ultra 才到 288GB）。有意思的是，這代表出貨版 B200 的每顆 HBM 容量，其實還少於 AMD MI300X 的 192GB。引用「規格發表數字」當「出貨事實」，是這個領域很常見的陷阱。
迷思四：「黃仁勳曾說 HBM 只是 HMC 的廉價山寨。」校準：這句話不是黃仁勳說的。HMC（Hybrid Memory Cube）是美光與三星 2011 年力推、後來敗給 HBM 標準、約 2018 年被放棄的對手規格；「HBM 是廉價山寨」這句嘲諷，出自當年輸掉那場標準戰的 HMC 陣營，被張冠李戴安到黃仁勳頭上。黃仁勳公開的態度恰恰相反，他多次稱讚 HBM。這提醒我們：記憶體領域到處是被誤植的名人金句，引用前先查清楚「誰說的」以及「他唱衰的那個技術後來是不是其實贏了」。
AlphaLab 的判讀：我同意什麼、存疑什麼、會怎麼看
我同意的：「推理時代，決速環節從算力往記憶體與資料搬運移」這個大方向是對的，而且有硬證據（roofline、vLLM 的 24 倍、記憶體牆 30 年的鋪陳）。HBM 是這一輪 AI 基建裡最稀缺、最被預訂一空的零件，這也是真的。
我存疑、要打折的：「推理就是記憶體瓶頸」是個階段與批次相依的簡化。prefill 是算力瓶頸；decode 只有在小批次時才牢牢是頻寬瓶頸，當同時服務的請求一多（批次大於約 32），權重運算又會跨回算力瓶頸，只剩 attention／KV cache 那塊還卡在記憶體。更重要的是——瓶頸會「遷移」：頻寬牆 → 容量牆（批次一大）→ 互連牆（模型被切到多張卡）。任何把「inference 永遠是記憶體瓶頸」當鐵律的說法，本身就是它要對抗的那種「這次不一樣」式過度簡化。
我會砍掉的：「HBM 利潤永遠最肥、週期已死」。這不只是理論上的保留——它已經在數據上被證偽：HBM 每片晶圓的獲利在 2026 第一季掉到 DDR5 64GB RDIMM 之下，因為 HBM 的高「每顆單價」在乘上「3 倍晶圓面積」之後，每片晶圓的經濟效益並沒有想像中無敵。記憶體仍是 DRAM，仍會循環。
我會怎麼看（情境框架，談的是「記憶體循環這個變數」，不是任何單一個股目標價）：
- 樂觀情境：HBM4 順利放量、四大買家資本支出續創新高、CoWoS 解套但需求更兇 → HBM 溢價重新拉開，TrendForce 甚至預期 2027 年合約價再翻倍，記憶體廠從「價格接受者」升級成「稀缺輸入的收費員」。假設前提：資本支出不消化、推理 token 需求成長持續快過產能與效率優化。
- 中性情境（我的基準）：溢價壓到約 1–2 倍（已在發生）、量增但價穩，HBM 與 CoWoS、DDR5 共同決定供給節奏。三雄賺的是「真金白銀但會波動」的錢，不是無限印鈔。假設前提：資本支出進入高原而非崩跌；效率優化壓低 bytes/token，但被 token 總量成長抵銷。
- 保守情境：資本支出進入消化期、或推理變現不如預期、或模型能力進入高原 → 重演 2022–23，供給洪水、三家一起虧。假設前提：需求高度集中在少數幾個買家，任一個超大規模業者按下暫停，就是現代版的 2022 庫存空窗。
怎麼判斷 HBM 循環走到哪：5 個該追蹤的數據
讀完不該只是「覺得很有道理」，而是現在就能開始追蹤、自己判斷這個循環走到哪。以下是 5 個關鍵儀表，附上去哪看、以及什麼讀數代表「多頭續命」或「週期見頂」：
- HBM 對 DDR5 的價差／每片晶圓獲利比（看：TrendForce、DRAMeXchange 季度新聞稿）。比值若從 1–2 倍重新擴大 = 多頭續命；若 DDR5 持續在每片晶圓獲利上贏過 HBM = 溢價均值回歸的訊號。這是目前最尖銳的一根針。
- 記憶體三雄的訂單能見度、資本支出、庫存天數、與「sold out」措辭（看：SK 海力士／美光／三星法說）。訂單滿、資本支出理性 = 健康；一旦開始喊「需求能見度下降」或大舉擴產 = 週期見頂的前兆（2018 年崩盤前就是這個 tell）。
- 台積電 CoWoS 產能與交期（看：台積電法說、TrendForce）。供需缺口收斂（估從 2026 年初約 20% 收到年底約 10%）代表加速器供給鬆綁——CoWoS 是 HBM 的孿生瓶頸，兩者要一起看。
- 超大規模業者的資本支出指引（看：微軟、Alphabet、亞馬遜、Meta 財報）。這是 HBM 的需求總源頭；任何一季指引「持平或下修」，就是 air-pocket（需求空窗）的第一聲警報。
- 「每個 token 的 HBM 用量」趨勢（看：MoE 滲透率、FP4／FP8 量化採用、KV cache 壓縮技術、每百萬 token 報價）。如果 bytes/token 下降的速度超過 token 總量成長，HBM 的需求成長就會放緩——這是把「需求是固定係數」這個錯誤假設拆掉的關鍵。
一個務實的提醒：總經數據可以用 FRED 查，但 HBM 這種產業數據 FRED 沒有——你要養成讀 TrendForce／DRAMeXchange 新聞稿、各公司 IR 法說、台積電法說、NVIDIA 投資人關係頁的習慣。把上面 5 根針定期看一遍，你對「這個循環走到第幾局」的判斷，會比只看股價或只聽敘事的人準得多。想把美股投資的基本功一次補齊，可以從〈美股投資完整指南 2026〉開始。
📚 延伸閱讀
- 【深度分析】Micron（MU）：AI 記憶體超級循環是真的，但這次「不一樣」嗎？（本文的單一個股版）
- 【深度分析】NVIDIA 輝達（NVDA）：衝上 $5 兆市值，前瞻本益比卻只剩 20 倍
- 【深度分析】博通 Broadcom（AVGO）：AI 營收暴增 143%，ASIC 第二勢力的多空攻防
- LLM 是什麼？大型語言模型運作原理，零基礎白話搞懂 ChatGPT、Claude 背後的大腦
- 美股投資完整指南 2026｜從開戶到買進第一張美股
免責聲明：本文為市場分析與個人觀點，非投資建議；市場有循環與風險，過去績效不代表未來。文中所有市佔、價格、容量、頻寬、資本支出、市場規模等均為時間敏感資訊，已盡量標註日期（整理截至 2026 年 6 月），並交叉比對公開一手與可信來源：Gholami et al.〈AI and Memory Wall〉(arXiv:2403.14123)、Wulf & McKee (ACM SIGARCH CAN, 1995)、PagedAttention/vLLM (arXiv:2309.06180)、TrendForce、Counterpoint、Epoch AI、NVIDIA／AMD／TSMC 官方規格與法說、Micron 與 SK Hynix 財報。市場規模與合約價預測為研究機構推估，非既成事實；公司「售罄」說法為其向前訂單能見度，非交付保證。「AI 具有輸出錯誤資訊的可能，重要決策請由人類複核。」本文無業配內容，AlphaLab 與文中所提任何公司均無利益關係。