美光科技在2025财年第四季度创造了历史新高,收入超过110亿美元,主要得益于超大规模云服务商对内存需求的大幅增长。
**财务表现创历史新高**
截至2025年8月28日的季度中,美光科技收入达到113.2亿美元的历史最高纪录,超出110亿美元预期上限,较去年同期的77.5亿美元增长46%,GAAP利润3.2亿美元,同比增长261%。2025财年全年收入373.8亿美元,较上年增长48.9%,利润增至85.4亿美元。
公司董事长兼首席执行官Sanjay Mehrotra表示:"美光以出色的第四季度表现结束了创纪录的财年,彰显了我们在技术、产品和运营执行方面的领导地位。在2025财年,我们的数据中心业务创下历史新高,正以强劲势头和迄今最具竞争力的产品组合进入2026财年。"
**DRAM业务强劲增长,NAND表现平稳**
DRAM收入同比增长69%至90亿美元,HBM达到创纪录水平,而NAND收入下降5.0%至23亿美元。目前DRAM占美光收入的80%且持续上升,NAND占20%并保持平稳。
Mehrotra对美光的DRAM技术表示乐观:"我们的1γ DRAM工艺节点以创纪录的速度实现成熟良率,比上一代快50%。我们是业内首家出货1γ DRAM的公司,将在整个DRAM产品组合中采用1γ工艺,以最大化这一领先技术的优势。本季度我们首次从一家主要超大规模客户获得1γ服务器DRAM产品的收入。"
**产能扩张和技术升级**
美光正在提升产能,在日本工厂安装首台EUV设备以实现1γ工艺能力,补充台湾工厂现有的1γ供应。美国联邦资金也将提供帮助,美光获得了CHIPS法案补贴,用于在爱达荷州建设新的大规模制造工厂(ID1),预计2027年下半年开始首批晶圆产出。公司还开始了第二个爱达荷制造工厂(ID2)的设计工作,将在2028年后提供额外产能。
**HBM业务快速发展**
HBM收入增长至近20亿美元,意味着年化运营收入近80亿美元,主要由HBM3E产品的产能提升推动。美光表示:"我们与几乎所有客户就2026年绝大部分HBM3E供应达成了定价协议。我们正与客户积极讨论HBM4的规格和产量,预计在未来几个月内达成协议,售完我们2026年剩余的HBM总供应。"
公司最近出货了下一代HBM4样品,认为其"超越所有竞争对手的HBM4产品,提供业界领先的性能和最佳功耗效率"。美光还在开发HBM4E,与台积电合作制造标准和定制产品的HBM4E基础逻辑芯片,预计HBM4E将在2027年推出。
**AI应用推动需求增长**
美光在内部使用生成式AI,在代码生成等特定用例中实现了30-40%的生产力提升。过去一年中,晶圆图像分析增长5倍,从制造设备收集和分析的有用数据和遥测量翻倍,所有这些都改善了良率表现。
AI PC和AI智能手机都需要更多DRAM。Mehrotra表示:"总体而言,AI趋势强劲,涵盖数据中心、AI智能手机和AI PC。这推动了2026年的强劲需求。"供应紧张将导致价格上涨。
**未来展望乐观**
下季度收入指导为125亿美元±3亿美元,中值同比增长43.5%。数据中心销售应会增加,美光表示"我们现在预期2025年服务器总量增长约10%,高于之前预期的中个位数百分比增长",AI和传统服务器的增长都推高了DRAM需求。
Mehrotra向分析师表示:"作为唯一的美国内存制造商,美光在未来AI机遇中具有独特优势。预计未来几年将有数万亿美元投资于AI,其中很大一部分将用于内存。"
Q&A
Q1:美光科技第四季度业绩表现如何?
A:美光科技2025财年第四季度创造了历史纪录,收入达到113.2亿美元,较去年同期增长46%,GAAP利润3.2亿美元,同比增长261%。全年收入373.8亿美元,较上年增长48.9%。
Q2:美光在HBM市场的表现和前景如何?
A:HBM收入增长至近20亿美元,年化运营收入近80亿美元。美光已与几乎所有客户就2026年绝大部分HBM3E供应达成定价协议,目前拥有6个HBM客户,预计HBM市场份额将达到22.5%左右。
Q3:生成式AI如何影响美光的业务发展?
A:生成式AI在多个层面推动美光发展:内部应用实现30-40%生产力提升,AI PC和AI智能手机需要更多DRAM,数据中心AI服务器需求增长推动DRAM需求,预计未来几年数万亿美元AI投资中很大部分将用于内存。
好文章,需要你的鼓励
AI初创公司Modular完成2.5亿美元C轮融资,估值达16亿美元。该公司提供统一平台,让开发者无需重写代码即可在不同芯片上运行AI应用,包括CPU、GPU、ASIC和定制芯片。公司旨在打破英伟达CUDA的垄断局面,为企业提供更多硬件选择自由。其平台已支持英伟达、AMD和苹果架构,在新一代加速器上性能提升20%-50%。
OpenAI团队的最新研究揭示了大语言模型产生幻觉的根本原因:AI就像面临难题的学生,宁愿猜测也不愿承认无知。研究发现,即使训练数据完全正确,统计学原理也会导致AI产生错误信息。更重要的是,现有评估体系惩罚不确定性表达,鼓励AI进行猜测。研究提出了显式置信度目标等解决方案,通过改革评估标准让AI学会诚实地说"不知道",为构建更可信的AI系统指明方向。
谷歌发布Data Commons模型上下文协议服务器,为AI开发者提供标准化访问公共数据集的新工具。该服务器连接谷歌2018年推出的开放知识库Data Commons,整合经济、健康、人口和环境等领域的公共数据集。通过标准化接口,AI系统可直接查询数据而无需管理复杂API,有效减少模型幻觉问题,为构建数据驱动的智能体应用奠定基础,提升AI输出的准确性和可信度。
字节跳动AI实验室提出"逆向工程推理"新范式,通过从优质作品反推思考过程的方式训练AI进行创意写作。该方法创建了包含2万个思考轨迹的DeepWriting-20K数据集,训练的DeepWriter-8B模型在多项写作评测中媲美GPT-4o等顶级商业模型,为AI在开放性创意任务上的应用开辟了新道路。