群聯 WHO 潘健成:這輩子就這麼一次的記憶體超級週期,中國擴產會讓記憶體崩盤?

群聯 WHO 潘健成:這輩子就這麼一次的記憶體超級週期,中國擴產會讓記憶體崩盤?

2025 年 11 月,群聯電子執行長潘健成上《年代向錢看》專訪,那天群聯股價一千元。三個月後的今天,他再度坐上同一張椅子,股價已經突破兩千。主持人陳凝觀開場就笑問:「上次訪完變兩千,這次訪完要變多少?」

但潘健成帶來的訊息,比股價翻倍更令人不安。

他做了一道算術。NVIDIA 年底即將出貨的 Vera Rubin GPU,每一顆需要配置超過 20TB 的 SSD,假設賣出一千萬顆,就是 200 個 exabyte。

去年全球 NAND Flash 總產出不過 1,000 到 1,100 個 exabyte。光是一個晶片機種,就能吞掉全球 Flash 產能的兩成。

「而且這還只是 GPU 本身,」潘健成補了一句,「這個機器使用後產生出來的資料還要再儲存,這個還沒算進去。」

AI 是剛需,才跑了三年半

上一次專訪,潘健成就斷言 AI 是「剛需」。當時市場半信半疑,三個月過去,他的判斷變成市場共識:記憶體確實大缺貨,而且會缺很久。

他看的時間軸比多數人更長,半導體產業的每一次驅動力都走了很久,消費電子是第一代,PC 走了四十年還在,手機超過二十年,網際網路也快二十年。AI 從 2022 年算起,不過三年半,「未來照過去軌跡看,會走很久。」

他拿 VR 做對比:「當年 VR 炒得很熱,我就覺得不現實,因為它不是剛需。AI 是剛需。」

差別在哪?看錢就知道。美國四大雲端服務供應商(CSP)今年的資本支出預估合計超過 6,000 億美元,有人花 1,000 多億,有人花 2,000 億,全部投入資料中心建置,買台積電的晶圓、買 NVIDIA 的 GPU、買記憶體,買到玻璃基板都缺貨。

6,000 億美元比絕大多數國家的 GDP 還高。而且這只是一年的支出。

一顆 Vera Rubin 吃掉全球 Flash 兩成

開場那道算術只是起點,實際的缺貨溫度要從故事裡才感受得到。

群聯最近要擴充 800 台伺服器做 Gen5 和 Gen6 的測試平台,結果卡在 DRAM 缺貨,堂堂 Flash 控制器龍頭,和原廠關係深厚,還是得直接找原廠求援才拿到貨,「透過傳統的供銷管道根本拿不到東西」。另外有客戶要買伺服器,交期八個月,原因就是缺 DRAM。

DRAM 缺,Flash 更缺。

潘健成跟客戶說:「如果現在很痛苦,那年底會跳樓。」因為 Vera Rubin 年底才開始大量出貨,那道算術的衝擊到下半年才會全面爆發。

eMMC 8GB 的價格最能說明問題,去年初一顆 1.5 美元,電視用的,根本是菜價,現在一顆 20 美元,漲了超過 13 倍,還不一定買得到。群聯對客戶的滿足率不到三成,每天被客戶追著要貨、追著罵。

潘健成自嘲是「記憶體乞丐」,第一次去原廠求,靠人情可以拿到一些;第二次,很難;第三次,不容易,再去同一個題目,「真的叫乞丐了」。所以群聯必須創造自己被需要的價值,做出原廠覺得「支持你是值得的」產品,才能在缺貨潮中拿到分配。

預付三年現金

然後潘健成丟出了一個炸彈。

有一家 Flash 原廠,現在要求買方預付三年的現金才供貨。三年,預付,現金。主持人立刻接話:「台積電都沒有要求 NVIDIA 先付三年現金耶!」

這是潘健成自己投身電子業數十年來頭一次遇到的事,原廠的態度很簡單:不買就不要買,後面排隊的人多的是。現在是徹底的賣方市場。

群聯因此需要再次籌資,因為接了大量長約,必須鎖定上游貨源。潘健成透露,群聯的資本額是 22 億台幣,但今年需要的週轉資金規模可能達到十幾到二十億美元,約五百億台幣,用在預付貨款、庫存備貨、研發擴張,還有滿足客戶長期交貨的承諾。

他也提到一個細節:昨天跟一家供應商開會,群聯主動提出願意預付貨款,對方回了一句:「我不缺錢。」那我要貨?「沒貨。」

潘健成話鋒一轉,說了自己判斷對方最大的壓力其實是市值,然後把群聯在 AI 端開發的方案完整講了一遍。「聽完之後一個小時合約下來了,價格還拿到折扣。」

原廠不缺錢,缺的是新故事。群聯能給的,就是技術帶來的新題材。

為什麼擴產永遠追不上

既然缺貨這麼嚴重,原廠為什麼不拚命擴產?

「過去五年賠怕了。」2020 到 2025 年,記憶體產業經歷了慘烈的虧損週期,所有原廠的擴產態度因此極度保守,潘健成用了兩次「非常節制」來形容。

即使願意擴,物理限制也擋在前面,3D NAND 越疊越高,資本支出越來越大,成本下降的空間卻越來越小。以前 2D 時代,掃描器一進步產能就翻倍,所以容易崩盤,現在 3D 沒那麼簡單。

設備是另一個瓶頸,全球關鍵半導體設備就那幾家,「大家搶設備,一個蘿蔔一個坑。」硬體建設可以八到十二個月趕出來,但設備排隊、調試、跑良率,從頭到尾最快兩年,「你今天 1 月 1 號說要砸錢生產,兩年吧,最快。」

美光上個月在新加坡剪綵,宣布建 Flash 新廠,最快 2028 年才能投產,三星、SK 海力士、鎧俠的擴產時程也類似。潘健成預測,很快海力士也會跟進宣布擴廠,因為不跟不行,但所有人都受制於同樣的設備和時間瓶頸。

所以業界的主流判斷是:記憶體缺貨至少到 2027 年。而有一家原廠的內部報告更驚人:缺到 2030 年。

潘健成點出一個很多人忽略的事實:「目前所有的缺貨,都只是美國雲端需求造成的,中國的雲端還沒跟上,地端還沒跟上,教育也還沒跟上。」三個巨大的需求區塊還沒啟動,這場缺貨的盡頭根本看不到。

消費電子的犧牲季

AI 對記憶體的搶奪,正在引發消費電子的連鎖危機。

手機方面,今年全球產出預計減少兩億到兩億五千萬支,PC 也會下滑,幅度待定。電視最慘,一台 300 美元的電視,光記憶體就從 1.5 漲到 20 美元,BOM 表(物料清單)直接爆掉,根本不可能維持原價銷售。

伺服器的 BOM 表裡記憶體可能只佔 5% 到 6%,漲價可以承受,但手機的記憶體已經超過 BOM 的兩成,「系統客戶說價格沒辦法調漲,我說那你要賠錢,沒辦法。」結果就是消費電子的出貨量被強制壓縮,有些產品線可能直接停產。

潘健成預測:「今年下半年會看到很多受害者。」系統商、消費類業者,拿不到材料的,有些會直接倒閉,「以前電子產品壞了就丟掉,未來一兩年,壞了會去修。」

但他也看到另一面,消費電子的需求被壓抑兩三年後,供給開始紓解的那一刻,累積的換機需求會一次湧回,形成巨大的市場真空。「誰在這段時間把自己的能量養好,多賺錢、技術做好,到時候就是他的。」

活下來還不夠,要活得滋潤一點。

中國還沒進場

記憶體的地緣政治變數裡,中國是被嚴重低估的一環。

有人擔心長江存儲和長鑫存儲的擴產會衝擊市場、壓低價格,潘健成一句話回應:「講那些人是講夢話。」

理由有三。第一,擴產需要時間,從無到有不是一年半年的事;第二,中國廠商的產出可能增加全球 3% 到 5% 的供給,但缺口是一成到兩成,遠遠不夠;第三,也是最關鍵的,中國自己的需求也在那裡,全球消費電子主要在中國生產,缺了記憶體工廠開不了工,影響的是就業率,「產出再多,先救自己吧。」

從價格上也看得出來,潘健成透露,目前 Flash 價格最積極進取的,第一名是一家美系公司,第二名是中系公司,大家都有需求,大家都在搶。

而中國的 AI 雲端建置還沒真正開始,全世界只有美國和中國有能力建置大規模雲端基礎設施,目前的缺貨幾乎全由美國一方造成。等中國跟上來,「又是另外一波的缺貨」,雲端以外,地端 AI 的需求也還沒發生,教育也沒跟上。

「有人說中國增加產能會崩盤,我倒是希望它崩盤,」潘健成說,「因為市場需求太大,買不足。」

不種米,做米加工

在這場超級缺貨潮中,群聯的定位很獨特。

潘健成用了一個比喻:「我們不種米,我們是買米做米加工。」群聯不生產記憶體,而是買記憶體做成模組和系統產品,用控制器技術和客製化設計創造附加價值。

為什麼這很重要?因為純模組廠的命運完全受制於記憶體價格循環,漲價時吃低價庫存很開心,到高原期就沒利潤了,跌價時甚至賠錢。

「DRAM 成本一塊賣十塊,很開心。買回十塊賣十塊半,毛利只剩 5%。十塊半不小心掉到八塊,毛利負 20%。」

群聯過去五年走了兩個半的漲跌循環,毛利維持在 30% 正負 3%。靠的就是用同樣的材料,產生不一樣的價值。

最極端的例子是太空,群聯的儲存產品 2020 年上了火星,2021 年開始在軌道測試,2022 年在軌道上運行,2025 年初登上月球表面。認證過程極其艱難,要通過輻射、極端溫度、斷電後自動恢復等各種測試,潘健成甚至帶團隊半夜去長庚醫院借 X 光設備模擬太空輻射環境。

賣了幾顆?很少。賺錢嗎?還沒。為什麼做?

「我告訴客戶,外太空都沒問題,你地球用我的,你怕什麼?」太空認證帶來的是地球上的信任,群聯現在已經大量出貨模組給美國 CSP 和太空相關業者。

另一個新戰場是 AI PC,DRAM 嚴重缺貨,PC 上要跑 AI 理論上需要 32GB、64GB 甚至 128GB 的 DRAM,光 128GB 就要兩千美元,比電腦本身還貴。群聯的方案是用少量 DRAM(8 到 16GB)加上自家的特殊 Flash 方案,讓每一台電腦都能跑 AI。

「這講很久了,沒人相信,」潘健成說,但 DRAM 缺到沒貨,替代方案忽然變成了剛需。今年三月到六月會陸續推出活動與成功案例,如果市場買單,消費端的擴散速度可以很快,群聯還計畫在台灣成立軟體協同夥伴機制,和 AMD、Intel、NVIDIA 的 PC 端處理器搭配,從硬體到軟體建立完整的生態系。

這輩子就這麼一次

訪談接近尾聲,主持人問了一個大問題:這種缺貨,你在產業三四十年有見過嗎?

「這輩子就這麼一次。以前沒有,以後大概也不會再有了。」

他的解釋是 AI 的斜率太陡,PC 從零到普及花了二十幾年,iPhone 到智慧型手機普及花了快十年,AI 三年就推出好幾代產品。NVIDIA 現在是一年一個新機種,以前 Intel 一個週期要兩到四年,速度差了好幾倍,供應鏈完全跟不上。

這讓潘健成想起網際網路泡沫,當年的泡沫是新創公司靠股東撐,沒賺錢,股東一撤就破,但網際網路本身是真的,基礎建設鋪好之後,Google 在 2004 年崛起,電商改變了零售業。AI 走的是同樣的路,只是速度快了十倍。

「如果它不是剛需,誰要買這個單?」

群聯的應對同樣激進,今年研發支出至少增加五成,1 月營收年增三倍、月增 25%。汽車領域投資了 15 年,太空 6 年,企業級 7 年,每一條線都還在投入,台積電的成功教會了一件事:專注做一件事,經過每一天、每一年的努力,時間到了自然就會有回報,「武功不是三兩下花招就很厲害,內功要練三五十年。」

但潘健成不談明年,「今年都活不過去,講明年就沒意思了。每三個月對我們來說是一個新的里程碑,把這道城牆打下來,再告訴大家下一步做什麼。」

上一次專訪,潘健成的每一個預測都驗證了,這一次他帶來的訊息更嚴峻:第一季痛苦只是開始,年底才是真正的衝擊。消費電子被犧牲,企業會倒閉,中國還沒進場,地端還沒起步,在這場一輩子只有一次的超級週期裡,能活下來的人,幾年後會吃到一場前所未有的大成長。

但前提是,你得先活過今年。


相關資料:

《年代向錢看》:獨家專訪群聯執行長潘健成!AI 是剛需!市場需求太大,記憶體大缺貨!要預付三年現金!(2026.02.13)

Read more

從「月球是分心」到月球質量投射器:馬斯克的太空 AI 路線圖

從「月球是分心」到月球質量投射器:馬斯克的太空 AI 路線圖

2025 年 1 月,有人在 X 上建議 SpaceX 可以先在月球生產液態氧,為 Starship 的火星任務提供燃料,馬斯克的回覆只有一句話:「不,我們直接去火星,月球是分心。」 2026 年 2 月 8 日,馬斯克在 X 上宣布 SpaceX 已經將重心轉移到月球,要在月球上建造一座「自我成長的城市」,月球可以在十年內實現,火星需要二十年以上,「首要任務是確保文明的未來,月球更快。」 一年之內,從「月球是分心」變成「月球是首要任務」。 如果只看這則新聞,會以為馬斯克又在改主意,畢竟他改主意的頻率和 SpaceX 發射火箭的頻率差不多。但如果你把過去兩週發生的三件事放在一起看,這個轉向的邏輯就清楚了,而且答案不在 SpaceX,在他的另一家公司 xAI。 1.

By Fox Hsiao
馬斯克把「限制因素」說了一百次:三小時訪談的真正重點

馬斯克把「限制因素」說了一百次:三小時訪談的真正重點

2026 年 2 月 5 日,Dwarkesh Patel 發布了一段將近三小時的馬斯克(Elon Musk)訪談。八個主題、資訊密度極高,從軌道資料中心講到 DOGE 政府效率,從 AI 對齊哲學講到自建晶圓廠。 但如果你只有 15 分鐘,想從這場馬拉松對話裡抓住一個核心概念,那就是兩個英文字:limiting factor(限制因素)。 馬斯克在三小時內把這個詞說了快一百次,他自己都笑說:「我冒著把這個詞說太多次的風險。」但這個重複本身就是他思考一切問題的框架。 AI 為什麼要搬到太空?因為電力是限制因素。為什麼要自建晶圓廠?因為晶片會變成下一個限制因素。為什麼 SpaceX 能保持速度?因為他每週都在找限制因素。為什麼 DOGE 這麼難推?因為政府缺乏能力和關心程度,這是限制因素中的限制因素。 這場訪談的背景值得交代。就在幾天前,SpaceX 正式完成了對

By Fox Hsiao
AI 狂潮的矛盾:花錢的在跌,被取代的也在跌

AI 狂潮的矛盾:花錢的在跌,被取代的也在跌

25 年前,他們鋪了一條沒人用的光纖 1998 年到 2002 年之間,美國電信公司掀起了一場史無前例的基礎建設狂潮。WorldCom、Global Crossing、Level 3 這些名字,當時是華爾街的寵兒。他們在北美和跨大西洋的海底鋪設了超過 8,000 萬英里的光纖電纜,總投入超過 1,000 億美元,相當於當時美國 GDP 的 1%。 邏輯很簡單:網路流量正在爆炸式成長,頻寬永遠不嫌多,誰先鋪好管道誰就是贏家。 然後泡沫破了。 2001 年之後,這些光纖有 85% 到 95% 閒置在地底下,業界給它們取了一個名字叫「暗光纖」(dark fiber)。Global Crossing 破產,WorldCom 因為造假帳被踢出市場,Level 3

By Fox Hsiao
光達是 2008 年的拐杖:Tesla 為何堅持只用攝影機

光達是 2008 年的拐杖:Tesla 為何堅持只用攝影機

雞過馬路的問題 Tesla AI 副總裁 Ashok Elluswamy 在 2026 年 ScaledML 大會上發表演講,播放了一段 FSD(Full Self-Driving)的實際畫面:一群雞正在過馬路,車子耐心等待,連最後一隻落單的雞都沒漏掉,等牠們全部通過後才繼續前進。 這看起來是個可愛的小故事,但 Ashok 拋出的問題很尖銳:如果你用傳統方法寫自駕軟體,你要怎麼處理這個場景?先寫一個雞腿偵測器,然後預測雞的移動軌跡,再根據預測結果決定要不要煞車? 接著他播放另一段影片:一群鵝站在路中間,但牠們不打算過馬路,只是站著。車子判斷牠們不會移動,於是倒車繞過去。同樣的鳥類,不同的行為,系統做出不同的決策。Ashok 說,端到端神經網路可以從畫素直接學會這些細微差異,不需要工程師手寫規則。 這就是 Tesla 自駕技術的核心哲學:不寫規則,讓 AI 自己學。而這個選擇,

By Fox Hsiao