美光科技预测,自动驾驶汽车将需要300GB或更多的DRAM内存,仿人机器人也将需要类似的内存容量,这为这家领先的内存制造商描绘了光明的未来前景。
该公司周三公布了2026年第二季度业绩,营收达238.6亿美元,几乎是2025年第二季度80.53亿美元的三倍。与上一季度相比,营收增长了103亿美元。
净收入达到138亿美元,远超2025年同期的15.8亿美元。
首席执行官桑杰·梅赫罗特拉将这些业绩归因于"生成式AI驱动的内存需求增长、结构性供应限制以及美光在各个方面的强劲执行"。
该公司正在充分利用这一机遇。梅赫罗特拉表示,美光现在正在签署"战略客户协议",这些协议与之前的长期协议不同,因为它们涉及"在多年时间跨度内的具体承诺,为我们的商业模式提供更好的可见性和稳定性"。该公司已签署了一份为期五年的新协议,并正在推动签署更多协议,理由是这些协议也有助于客户规划业务。
首席执行官还表示,美光在新制造工艺上线方面的努力将在今年晚些时候收到成效,帮助公司将产量提升20%。
梅赫罗特拉预见到个人电脑和智能手机市场的波动,他表示由于内存短缺,这些设备的出货量今年可能会"以低两位数百分比下降"。
但他看好这两类设备的长期前景。
"随着时间推移,我们预期设备端生成式AI的价值将推动个人电脑和智能手机内存内容的强劲增长,"他说。"我们看到了内存和存储在生成式AI时代跨市场领域的前所未有的机会,预计在2027财年将大幅增加研发投资。"
部分研究将用于探索高带宽闪存(HBF),这是一种拟议的新内存层级,比RAM更慢更便宜,但比固态硬盘中使用的内存更快。HBF的支持者SK海力士和闪迪建议将其作为推理工作负载的理想选择。
当金融分析师问及美光是否在研发HBF时,梅赫罗特拉表示该技术"具有一些积极属性,如容量,但它也有NAND的限制,如写入速度以及功耗和保持性"。
"因此,可能会有一些工作负载将其作为可能的解决方案,但现在还很早,需要的是与客户接触,真正理解HBF的商业价值主张。当然,我们会继续研究这个问题。"
首席执行官对汽车和机器人更为乐观。
在道路方面,梅赫罗特拉认为,随着汽车制造商推出更多能够在地理围栏区域内进行无人驾驶操作的车辆(L4自动驾驶),物料清单将从16GB内存增加到超过300GB,创造"汽车内存需求的强劲长期增长"。
首席执行官分享了他的信念,认为我们"正处于机器人技术20年增长向量的风口浪尖,预计机器人将成为科技世界最大的产品类别之一"。他说,机器人将需要"与高端L4级自动驾驶汽车相媲美的计算平台"。因此,每个未来的机器人都需要另外300GB的RAM和大量的固态硬盘。
来自机器人的收入还需要数年时间。下一季度,美光认为现有设备的收入将达到335亿美元,上下浮动7.5亿美元,相比2025年第三季度的93亿美元收入大幅跃升。梅赫罗特拉表示,如果能够更快地建设晶圆厂,美光会增长得更快。遗憾的是,这意味着内存短缺将在可预见的未来持续存在。
尽管美光超越了指导预期和市场预期,投资者在盘后交易中对该公司股票态度转冷,股价从收盘价461.73美元跌至441.28美元。
Q&A
Q1:美光科技为什么预测自动驾驶汽车需要300GB内存?
A:美光CEO梅赫罗特拉认为,随着汽车制造商推出更多能够在地理围栏区域内进行无人驾驶操作的L4级自动驾驶车辆,汽车的物料清单将从目前的16GB内存大幅增加到超过300GB,这将创造汽车内存需求的强劲长期增长。
Q2:美光科技2026年第二季度业绩表现如何?
A:美光科技2026年第二季度营收达238.6亿美元,几乎是2025年第二季度80.53亿美元的三倍,净收入达到138亿美元,远超2025年同期的15.8亿美元。CEO将这些业绩归因于生成式AI驱动的内存需求增长、结构性供应限制以及公司的强劲执行。
Q3:什么是高带宽闪存HBF?美光对此技术有何看法?
A:高带宽闪存(HBF)是由SK海力士和闪迪提出的新内存层级,比RAM更慢更便宜,但比固态硬盘内存更快,适用于推理工作负载。美光CEO表示HBF具有容量等积极属性,但也有写入速度、功耗和保持性等限制,需要与客户接触了解其商业价值。
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。