内存芯片供应商美光科技在最新季度的收入几乎增长了两倍,远超分析师预期,并为当前季度提供了令人惊艳的指导预期,但股价在盘后交易中仍下跌超过4%。
公司报告每股收益(扣除某些成本如薪酬)为12.20美元,大幅超越华尔街9.31美元的目标预期。该期间收入增长194%,达到238.6亿美元,轻松超过207亿美元的一致预期。
美光的净利润表现更加亮眼。凭借额外收入,公司在该季度录得137.8亿美元净利润,相比去年同期仅15.8亿美元的利润大幅增长。
公司业绩受益于内存芯片需求激增的推动。这些芯片已成为英伟达公司图形处理单元的基础组件,为人工智能工作负载提供动力。当然,内存也被用于几乎所有其他类型的计算设备,包括个人计算机、智能手机、平板电脑和自动驾驶汽车。
美光是全球三家内存芯片制造商之一,也是美国唯一一家。其他两家分别是韩国的三星电子和SK海力士。随着英伟达每一代新GPU需要更大容量的内存,全球供应变得极度紧张,推高了价格。与三星和海力士一样,美光也在努力增加生产能力以克服日益严重的短缺问题。
对于当前季度,美光预计将继续受益于对内存的巨大需求。公司预期每股收益19.15美元,收入335亿美元,远超华尔街预期的12.05美元收益和243亿美元销售额。
首席执行官桑杰·梅赫罗特拉表示,公司在该季度的收入、毛利率、每股收益和自由现金流方面都创下新纪录,并预计在当前季度将打破这些纪录。他补充说:"在AI时代,内存已成为客户的战略资产,我们正在投资全球制造基础设施以支持他们不断增长的需求。"
美光股价表现强劲。自年初以来,即使包括今日盘后下跌,其股价也上涨了超过61%。在过去12个月中,该股价惊人地上涨了351%。在美国十大最有价值的科技公司中,美光是今年唯一股价上涨的公司。甲骨文下跌22%,而微软和特斯拉也遭受了两位数跌幅。
在与分析师的电话会议中,梅赫罗特拉表示,AI和传统计算机服务器正面临"DRAM和NAND供应不足"的问题,指的是动态随机存储器和闪存芯片。
美光已将大部分生产能力转向高带宽内存,这是一种能够更高效存储数据的新产品,几乎专门用于AI服务器。很容易理解美光为什么这样做,因为HBM芯片的利润率高于传统内存产品。在该季度,美光的毛利率从一年前的37%上升到季度末的74%,较上一季度增长56%。
美光云内存业务收入暴涨160%,达到77.5亿美元。其移动和客户端部门增长更快,收入从一年前的22.4亿美元增长到今天的77.1亿美元。
传统上,内存芯片被视为商品业务,利润率低于其他类型的硅产品。美光等内存生产商过去通常与客户签署短期合同,但在最近几个月,他们开始利用短缺优势签署更长期的协议。
客户们正在争相这样做,以锁定未来的内存供应。梅赫罗特拉说:"随着AI的发展,我们预计计算架构将变得更加内存密集型。这就是为什么我们坚信美光是AI最大的受益者和推动者之一。"
公司在第一季度开始批量生产专为英伟达即将推出的Vera Rubin芯片设计的最新HBM4内存产品,并计划在2027年加速生产下一代HBM4e产品。公司随后将在2028年转向为英伟达未来的Feynman GPU制造"定制HBM",这些GPU预计将在2028年上市。
梅赫罗特拉告诉分析师,公司预计2027财年资本支出将"显著"增加,由于急于建设更多内存制造设施以满足AI的高需求,建设成本将增加超过100亿美元。公司目前正在爱达荷州和纽约州建设新的制造工厂,以增加美国的生产能力。爱达荷州工厂预计将在2027年中期开始初步生产,而规模更大的1000亿美元纽约园区将在大约一年后投产。
Q&A
Q1:美光科技为什么收入大增但股价还是下跌?
A:尽管美光第三季度收入增长194%至238.6亿美元,大超市场预期,净利润也从去年同期15.8亿美元暴涨至137.8亿美元,但股价在盘后仍下跌超过4%。这可能反映了市场对高估值的担忧或获利回吐行为。
Q2:美光科技的内存芯片主要用在哪些地方?
A:美光的内存芯片主要用于英伟达的图形处理单元,为人工智能工作负载提供动力。此外还广泛应用于个人计算机、智能手机、平板电脑和自动驾驶汽车等几乎所有类型的计算设备中。
Q3:美光如何应对AI时代的内存需求增长?
A:美光正将生产能力转向利润率更高的高带宽内存产品,专门用于AI服务器。公司计划2027财年大幅增加资本支出超过100亿美元,在爱达荷州和纽约州建设新制造工厂,其中爱达荷州工厂2027年中期投产,纽约州1000亿美元园区约一年后投产。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。