一个 20 倍的判断

10月14日，韩联社报道称，SK 海力士开发总负责人安铉（Ahn Hyun）公开预计：到 2030 年，AI 基础设施的性能与规模将较当前扩大约 20 倍。财联社与韩国多家财经媒体（韩国中央日报、KED Global、Businesskorea、每日经济）均对这一表态做了交叉报道。对于一家存储芯片厂商而言，这既是需求预测，也是产能与路线图的宣言。

关键事实速览

· 核心判断：2030 年 AI 基础设施性能/规模约增长 20 倍（安铉，SK 海力士开发总负责人）；

· 路线宣言：发布「后 HBM」（Post-HBM）蓝图，押注 HBM 之后的下一代存储技术；

· 直接动机：Korea Herald 报道称，公司正寻求超越 HBM 来解决 AI 内存瓶颈；

· 同周背景：ASML 因 AI 芯片热潮上调业绩展望，设备订单已排至 2030 年。

瓶颈正从算力转向内存

大模型进入推理时代后，瓶颈正在迁移：训练看算力峰值，推理看「单位成本下的 token 吞吐」。长上下文、多轮智能体与多模态应用让显存容量、带宽与功耗成为新的墙——HBM 价格高企且供给紧张，直接推高了推理成本。SK 海力士把「后 HBM」上升为公司战略，本质是把内存墙从客户的痛点变成自己的产品周期。

当算力军备走向纵深，决定推理成本的不再是买了多少 GPU，而是每 GB 显存能跑出多少 token。

对采购方的含义

20 倍扩张的预测若成立，意味着未来几年 AI 基础设施投建将围绕「算力—存储—网络」再平衡展开：定制化存储、近存计算等方向会获得更多权重，而 HBM 供需紧张在短期内仍难缓解。对规划私有化大模型部署的企业，两点启示最为实际：一是算力预算要为内存与 IO 留出足够份额；二是模型选型应关注单位内存占用与吞吐效率，而非单纯比参数规模。九天技术在行业大模型私有化部署中同样发现，推理侧的显存与带宽配置往往先于 GPU 数量成为瓶颈——存储侧的技术演进，值得每一家做算力规划的企业持续跟踪。

（信息综合自韩联社、财联社、韩国中央日报、KED Global、Korea Herald、Businesskorea 等公开报道）