Układy pamięci: Cisi zwycięzcy kolejnego etapu rozwoju sztucznej inteligencji

• Najnowsze sygnały z Nvidii sugerują, że popyt w obszarze AI przesuwa się z trenowania modeli w kierunku ich ciągłego działania w czasie rzeczywistym.

• Ten zwrot czyni pamięć bardziej strategicznym elementem, ponieważ uruchamianie modeli wymaga wysokiej szybkości dostępu, dużej przepustowości i wysokiej efektywności energetycznej, a nie tylko surowej mocy obliczeniowej.

• Wyniki Microna są istotnym barometrem szerszego cyklu na rynku pamięci — to nie tylko kwestia jednej spółki.

Na konferencji Nvidia GTC 16 marca 2026 r. dyrektor generalny Jensen Huang stwierdził, że „punkt zwrotny w inferencji już nastąpił” i podniósł szacunki potencjalnych przychodów z układów AI: z wcześniej komunikowanych 500 mld USD w 2026 r. do co najmniej 1 bln USD w 2027 r. Mówiąc prościej, branża przechodzi od budowy modeli AI do ich masowego i ciągłego wykorzystania.

Mózg wciąż ma znaczenie, ale pamięć to krwiobieg

Trenowanie modelu AI jest kosztowne i spektakularne, dlatego często przyciąga najwięcej uwagi. Inferencja jest mniej widowiskowa, ale często bardziej dochodowa. To moment, gdy miliony użytkowników zlecają modelowi wyszukiwanie, streszczanie, pisanie kodu, przygotowywanie rekomendacji czy wykonywanie zadań. Kluczowe stają się wtedy niskie opóźnienia, wysoka przepustowość i wysoka efektywność energetyczna. To nie tylko kwestia mocy obliczeniowej, lecz także pamięci.

HBM (high‑bandwidth memory — pamięć o wysokiej przepustowości) to w tym kontekście produkt klasy premium. Znajduje się tuż przy procesorze i bardzo szybko „karmi” go danymi. Jeśli procesor to silnik, HBM jest przewodem paliwowym. A wielki silnik bez odpowiedniego dopływu paliwa to tylko kosztowna rzeźba.

Dlatego komunikat Microna z tego tygodnia ma znaczenie. 16 marca 2026 r. spółka ogłosiła, że jej układ HBM4 o pojemności 36 GB wszedł do produkcji na dużą skalę na potrzeby platformy Vera Rubin firmy Nvidii, zapewniając przepustowość przekraczającą 2,8 TB/s oraz o 20% wyższą efektywność energetyczną. Micron podkreślił także nowy moduł pamięci, który — według firmy — skraca „time to first token” (czas do pierwszego tokenu) przy inferencji dużych modeli językowych z długim kontekstem 2,3 raza. W żargonie branżowym oznacza to jedno: odpowiedzi pojawiają się szybciej.

Warto wspomnieć również o Samsungu. Na GTC zaprezentował układ inferencyjny Groq LP30, wytwarzany w 4‑nanometrowym procesie Samsunga. To ważne, bo pokazuje, że rynek pamięci i sprzętu AI nie ogranicza się do samego Microna. Samsung również szybko posuwa się naprzód w segmencie zaawansowanych pamięci: wysyłki HBM4 już się rozpoczęły, a próbki HBM4E zapowiedziano na późniejszą część 2026 r. Innymi słowy, inferencja nie faworyzuje wyłącznie jednej firmy z branży pamięci. Podnosi strategiczną wartość całego segmentu pamięci z najwyższej półki.

Dlaczego wyniki Microna mają znaczenie wykraczające poza samą spółkę

Wyniki Microna z 18 marca 2026 r. to nie tylko sprawa jednej spółki — to barometr całego rynku pamięci. Branża ta od lat jest cykliczna, zmienna i podatna na wahania koniunktury. W jednym roku przypomina rynek surowcowy w bessie, w kolejnym — licencję na drukowanie pieniędzy. Różnica tym razem polega na tym, że AI może sprawić, iż niektóre kategorie pamięci przestaną być postrzegane jako „zwykły towar”.

Micron, Samsung i SK Hynix mają dziś trudności z nadążaniem za popytem napędzanym przez AI, a firma Applied Materials nawiązała współpracę z Micronem i SK Hynixem w zakresie rozwoju kolejnych generacji pamięci DRAM (pamięci operacyjnej) oraz HBM. Samsung mówi o „bezprecedensowym supercyklu” na rynku chipów: niedobory pamięci nadal utrzymują wysoki popyt, nawet jeśli wyższe ceny zaczynają ciążyć na rynkach komputerów osobistych i smartfonów.