SK海力士暴漲,難道是一個更大的泡沫?

重點摘要
SK海力士因AI記憶體需求帶動股價飆漲,但漲幅已超越基本面,引發泡沫化疑慮。分析師擔憂高本益比與產業週期性可能導致修正,不過支持者認為AI基礎建設才剛起步,HBM需求尚未觸頂。整體而言,這波漲勢夾雜機會與風險,投資人需留意股價驅動力是否來自實質盈餘。
SK海力士近期股價一路狂飆,在AI熱潮推升記憶體需求的背景下,這家南韓半導體大廠成為投資人追捧的焦點。然而隨著股價漲幅不斷擴大,市場開始浮現「泡沫化」的擔憂聲音,部分分析師警告,這波凌厲漲勢可能已經偏離基本面,若後續利多無法跟上,恐怕會面臨劇烈修正。這波漲勢的核心驅動力來自高頻寬記憶體(HBM)的強勁需求。由於AI運算需要大量資料傳輸,HBM成為GPU不可或缺的關鍵元件,而SK海力士正是全球HBM市場的領導者。受惠於輝達(NVIDIA)等客戶的訂單挹注,SK海力士營收與獲利雙雙大幅成長,股價也因此獲得強勁支撐。
然而短短幾個月內,股價漲幅遠遠超過企業盈餘的改善幅度,讓部分市場人士開始懷疑這股狂熱是否已經過頭。泡沫論的主要論據在於估值是否合理。目前SK海力士的本益比已攀升至歷史高檔區間,顯示市場對未來獲利成長的預期極為樂觀。分析師指出,一旦AI資本支出出現放緩跡象,或是競爭對手(如三星、美光)成功追上HBM量產進度,過度樂觀的預期將面臨殘酷考驗,屆時股價回檔風險不容小覷。此外,記憶體產業向來具有高度週期性。過去幾十年,DRAM與NAND Flash市場經歷多次「榮景-供需失衡-庫存過剩-價格崩跌」的循環。
目前SK海力士正處於景氣高峰,若需求出現任何風吹草動,庫存調整的壓力往往會迅速反映在股價上,這也是泡沫論支持者最擔心的劇本。不過,看多陣營則持相反觀點。他們認為,新一代AI基礎建設才剛剛起步,HBM的需求遠未觸頂,特別是在大型語言模型與生成式AI持續迭代的背景下,運算資源的軍備競賽才正要開始。SK海力士在先進封裝技術(如MR-MUF、Hybrid Bonding)上擁有顯著領先優勢,短中期內很難被競爭對手輕易超越,因此泡沫說可能過度悲觀。真正的關鍵還是在於後續財報能否持續讓市場驚豔。如果SK海力士每一季都能交出超乎預期的營收與獲利,並且給出強勁的未來展望,那麼高估值或許能被實質盈餘逐步消化。
反之,若財報無法支撐市場的想像空間,股價修正壓力就會迅速累積。另一個觀察重點在於終端應用能否支撐如此龐大的資本投入。AI伺服器與資料中心的建置需要數千億美元的投資,若終端用戶(企業、雲端服務商)的回收速度不如預期,可能導致資本支出階段性放緩,進而影響HBM訂單的持續性。這正是泡沫論與基本面投資人各自押注的關鍵分歧點。整體而言,SK海力士這波暴漲夾雜著機會與風險。對於長期投資者來說,公司所處的產業地位確實具備結構性成長動能,但短期股價的波動性也明顯升高。投資人必須仔細分辨,驅動股價上漲的究竟是實質盈餘成長,還是市場情緒的堆疊。隨著股價持續攀高,居高思危的氣氛正在逐漸發酵。
若短期內沒有新的重大利多刺激,部分獲利了結賣壓可能會陸續出籠,使得股價進入震盪整理格局。投資人在追逐AI記憶體熱潮的同時,或許也需要為可能出現的修正做好心理準備。
Related
相關文章

OpenAI首款AI硬件,為什麼是個沒有屏幕的「甜甜圈」
OpenAI與Jony Ive團隊合作的首款AI硬體,外型類似無螢幕的冰球大小圓環,被形容為金屬甜甜圈。這款設備定位為以AI為第一交互入口的計算設備,而非傳統智能音箱,售價可能落在300至400美元之間。
OpenAI 首款硬件真容浮現:冰球大小無屏設計,售價 300 至 400 美元
OpenAI首款硬件產品細節曝光,為一款無螢幕的智能音箱,外型類似冰球,售價約300至400美元,由OpenAI與前蘋果設計師Jony Ive的LoveFrom公司合作開發。該設備內建電池與攝影鏡頭,可支援手持使用並將視覺資訊傳給ChatGPT,實現多模態感知。此產品推出時正值蘋果對OpenAI提起商業機密訴訟,OpenAI內部評估其設計細節有望反駁侵權指控。

消息稱英偉達急尋中國 AI 基站供應商,與“下一個中際旭創”合作開發 6G 基站
NVIDIA正積極在中國尋找AI基站供應商,並有意與被視為「下一個中際旭創」的業者合作開發6G基站,顯示其從資料中心延伸至通訊基礎設施的布局。此舉凸顯NVIDIA對6G市場的重視,AI基站被視為整合邊緣運算與智慧調度的關鍵節點,但合作細節與技術方案尚未正式公布。
金剛GC3芯片重新定義視頻AI算力規則,國產RISC-V高端算力商業化提速
近日,第三屆中國計算機學會芯片大會(CCF Chip 2026)在太湖之濱無錫成功舉辦。會場中,兩院院士與頂尖工程師們的討論話題直指底層架構的“根技術”創新。一個核心追問被反覆推至臺前:當摩爾定律逼近物理極限,製程紅利日益稀薄,堆核心、拼頻率的老路越走越窄,是否該徹底換一條路走?換言之,與其在通用架構上不斷打補丁,能否從數據流動的本質出發,為特定場景原生設計一顆芯片?
把512 GiB閃存搬到xPU旁邊,HBF能打破推理內存牆?
HBM已經證明,通過堆疊和共封裝把存儲介質遷移至GPU附近,可以緩解AI計算中的數據搬運瓶頸。現在,SK海力士聯合閃迪,將類似的思路正式應用到NAND上,通過HBF將大容量閃存放到包括GPU在內的各類xPU旁,以緩解AI推理內存牆問題。近日,雙方通過OCP發佈《High Bandwidth Flash(HBF)High-Level Base Die Specification, Version 0.7.0》。

AI的錢,被誰賺走了?
AI 浪潮推動雲端服務供應商大舉擴建資料中心,背後龐大的資本支出正沿著供應鏈層層傳導,最終流向光模塊、晶片與伺服器業者。這條資金鏈路的起點是亞馬遜 AWS、微軟 Azure、Google Cloud 等雲端廠商,他們為了滿足訓練與推論大語言模型所需的算力,持續加碼採購 GPU 伺服器與高速網路設備,帶動上游零組件需求爆發。