ETO Markets 市场洞察｜英伟达携手 SK 海力士，AI 工厂进入“存储共研”阶段

6 月 8 日，英伟达与 SK 海力士宣布达成多年期技术合作，双方将围绕全球 AI 工厂建设研发下一代存储产品，并把合作范围延伸至半导体设计、仿真、制造和晶圆厂数字孪生。官方公告显示，这项合作将面向英伟达 AI 基础设施路线图，解决高端存储研发周期长、制造工艺复杂、资本投入高等问题，为后续 AI 工厂扩建提供稳定供应。

双方本次合作，代表英伟达正式把 SK 海力士拉进下一代 AI 工厂平台的共研体系。SK 海力士将为 Vera Rubin AI 超级计算机、Vera CPU、RTX Spark 个人 AI 电脑和 Jetson Thor 机器人计算平台研发配套存储产品，覆盖 AI 基础设施、个人 AI 和物理 AI 三条线。

存储路线绑定

Vera Rubin 是英伟达下一代 AI 计算平台，存储不再只是 GPU 的配套零部件，而是平台性能的一部分。前沿模型训练需要 HBM 提供高带宽，Vera CPU 需要更大容量、更低功耗的系统内存，RTX Spark 个人 AI 电脑和 Jetson Thor 机器人平台则需要把存储能力带到终端和边缘设备。

SK 海力士在 HBM 市场处于核心位置。公开资料显示，SK 海力士一季度在全球 HBM 市场份额约为 58% ，三星电子和美光分别约为 21% 。SK 集团董事长此前表示，公司计划未来五年将晶圆产能翻倍，并认为 AI 驱动的存储供应瓶颈可能持续至 2030 年。

英伟达需要确定 Vera Rubin、Vera CPU、RTX Spark 和 Jetson Thor 的存储路线，SK 海力士需要围绕这些平台规划 HBM、DRAM、低功耗内存和高性能存储，双方各取所需。AI 工厂越往后走，算力、内存、存储和互连越难分开定价。

制造流程重构

合作第二条线放在半导体设计与制造。官方公告显示，SK 海力士将使用英伟达 CUDA-X 程序库和 PhysicsNeMo 框架，加速半导体仿真、TCAD 工作流程、计算光刻和内部工程代码。

AI 不只是消耗芯片，也开始进入芯片制造流程。HBM 和先进 DRAM 的研发越来越依赖仿真、材料建模、工艺验证和良率优化，传统工程流程很难承接快速迭代。英伟达把 CUDA-X 和 PhysicsNeMo 带入 SK 海力士研发体系，相当于把 AI 计算能力反向用到半导体生产端。

晶圆厂数字孪生也是本次合作的重点。SK 海力士将结合 Omniverse、OpenUSD 和 cuOpt，搭建 3D 工厂场景，用于复杂半导体生产环境的可视化、仿真与优化，并支持自主移动机器人和生产设备调度。

过去存储厂商主要比拼制程、产能和良率。AI 工厂周期下，工厂本身也要变成 AI 系统：设备怎么排产，机器人怎么移动，产线怎么调度，良率问题怎么提前模拟，都会进入数字孪生和自动化决策框架。

果链之外新线

这次合作也让 SK 海力士的业务边界继续外扩。SK 海力士将切入英伟达正在开拓的新市场，覆盖 AI infrastructure、personal AI 和 physical AI。

这三个方向对应三类需求。AI infrastructure 需要 HBM 和高性能 DRAM 支撑 Vera Rubin 这类超级计算平台；personal AI 需要更高带宽、更低功耗的内存进入 PC 和个人 AI 设备；physical AI 则对应机器人、自动化设备和边缘计算平台，Jetson Thor 会把存储需求带到工业和实体场景。

存储行业过去被视为强周期行业，价格、库存和产能是核心变量。英伟达与 SK 海力士的多年期共研，把一部分需求变成平台级绑定：先定义下一代 AI 平台，再反向规划存储产品、制造流程和供应节奏。对 SK 海力士而言，竞争不再只是在 HBM 单品上领先，而是能否持续进入英伟达每一代 AI 工厂路线图。

ETO Markets 提示，英伟达与 SK 海力士的多年期合作，标志着 AI 工厂建设进入“算力与存储共同设计”阶段。投资者后续可重点关注三条变量：Vera Rubin 对 HBM 和系统内存的实际需求节奏，SK 海力士扩产能否匹配 2030 年前的供给缺口，CUDA-X、PhysicsNeMo、Omniverse 与 cuOpt 能否在半导体制造中形成可复制的效率提升。

免责声明

本文所载信息仅供参考，不构成任何投资建议、要约或招揽。我们不对信息的准确性、完整性或时效性做出保证，对于因依赖此信息而造成的任何损失不承担责任。