AI基建下一站浮現 新ETF鎖定記憶體＋光子學 SK Hynix、美光入列

AI基礎設施投資版圖持續從GPU處理器擴大至記憶體與高速資料傳輸領域，Defiance ETFs近期推出全新美國掛牌ETF「Defiance Memory & Photonics ETF」(PRAM)，將記憶體半導體與光子連接技術納入同一投資工具，鎖定AI資料中心背後兩項日益重要的基礎設施需求。

PRAM追蹤Solactive Memory and Photonics Index，指數依自由流通市值挑選20家符合條件的最大企業，並採等權重配置，涵蓋記憶體半導體、儲存晶片、網路晶片及光電元件等領域。這意味著投資人不必只押注AI處理器，也能透過單一ETF布局AI伺服器對記憶體容量與高速資料傳輸日益增加的需求。

這檔ETF推出之際，AI基礎設施支出正逐漸從處理器擴大至整個資料中心供應鏈。隨著AI模型規模持續增加，大量資料不僅需要被儲存與快速讀取，也必須在GPU、交換器及伺服器之間高速傳輸，使記憶體容量、頻寬及資料互連逐漸成為AI運算擴張的重要瓶頸。

其中，記憶體產業已成為AI基礎設施投資的重要受益者，尤其是與先進AI加速器搭配使用的高頻寬記憶體(HBM)。PRAM持倉包括SK Hynix、美光科技(MU-US)、南亞科技、華邦電子、SanDisk(SNDK-US)及旺宏等企業。

SK Hynix目前持續受惠於HBM、AI伺服器DRAM及企業級SSD需求成長。隨著AI伺服器配置的GPU數量增加，單一伺服器對高頻寬及高容量記憶體的需求也同步提高，推動記憶體供應商擴充產能。

SK Hynix已規劃在美國印第安納州投資40億美元興建先進封裝工廠，並計畫在2029年開始生產HBM4E。這項投資反映AI記憶體需求持續增加，也顯示先進封裝已成為擴大HBM供應能力的重要環節。

AI帶動的記憶體需求並不僅限於HBM。AI伺服器同時需要更多傳統DRAM以及高容量儲存設備，意味著AI資本支出的成長可能對整體記憶體週期形成更廣泛的支撐，而不只是集中於高頻寬記憶體市場。

另一方面，AI基礎設施的另一項關鍵瓶頸來自資料傳輸。隨著AI叢集規模不斷擴大，GPU數量及伺服器之間需要交換的資料量急劇增加，傳統電氣互連在頻寬、傳輸距離及功耗方面逐漸面臨限制，促使資料中心加速採用光學技術。

市場研究機構LightCounting預期，800G光收發器出貨量將在2026年增加一倍以上；1.6T光收發器則預計從2025年的較小基數快速成長，2026年出貨量可能達到數千萬個連接埠。

高速光學連接技術目前正被部署於GPU、交換器及資料中心其他基礎設施之間，以協助AI叢集處理快速增加的資料流量。隨著AI叢集持續擴張，光纖及光電元件的重要性也可能進一步提高。

PRAM的光子學相關持倉包括Lumentum Holdings(LITE-US)，而高速連接相關半導體則包括Marvell Technology(MRVL-US)。兩家公司分別布局光學元件及高速資料連接技術，代表ETF除了記憶體供應商之外，也將AI資料傳輸需求納入投資範圍。

這也形成不同於單純GPU投資的AI基礎設施布局邏輯：記憶體負責儲存及供應AI運算所需資料，而光子學技術則負責將資料高速傳送至不同GPU、交換器及伺服器。隨著AI運算規模擴大，兩者都可能成為限制資料中心效能的重要環節。

PRAM同時凸顯AI硬體供應鏈高度國際化的特徵。20家成分股中有11家在美國以外上市，且基金對台灣企業具有相當程度的曝險，反映記憶體、儲存及高速連接元件的全球供應鏈仍高度集中於亞洲及其他海外市場。

截至目前，PRAM前十大成分股依權重依序包括南亞科技5.79%、Marvell 5.68%、SanDisk 5.47%、華邦電子5.35%、Lumentum 5.35%、旺宏5.25%、Jeju Semiconductor 5.22%、美光科技5.21%、宜鼎國際(Innodisk)5.21%及SK Hynix 5.16%。

由於採用等權重方式，單一企業對整體ETF的影響相對有限，也讓投資組合可以同時涵蓋記憶體、儲存、高速網路及光子學等不同AI基礎設施環節。相較於集中投資單一AI晶片企業，這種設計提供另一種捕捉AI資料中心資本支出的方式。

AI產業目前的競爭焦點已逐步從單純增加GPU數量，擴大至如何解決記憶體容量、頻寬及資料移動問題。大型AI模型需要處理的資料量持續增加，使運算能力之外的基礎設施成為整體系統效能的重要限制因素。

在這個趨勢下，HBM、高容量DRAM、企業級SSD、高速網路晶片以及800G和1.6T光收發器均可能成為AI資料中心投資的重要受益領域。PRAM透過單一ETF同時涵蓋這些產業，等於將AI基礎設施投資從「誰提供GPU」延伸至「誰負責儲存及搬運AI所需要的資料」。

不過，記憶體與光子學產業本身仍具有高度週期性，企業獲利可能受到供需變化、資本支出、產品價格及技術世代轉換影響。尤其HBM市場目前處於快速擴張階段，供應商擴產速度與AI伺服器需求能否保持同步，將影響相關企業未來的價格及獲利表現。

隨著AI基礎設施投資規模持續擴大，市場資金也開始尋找GPU以外的受惠者。PRAM將記憶體與光子學放進同一投資組合，正反映AI產業下一階段的投資主題可能不再只是處理器效能，而是整個資料中心如何儲存、取得及傳輸海量AI資料。