SK海力士 2026Q3财报，电话会议，问答环节 不仅仅是DRAM，NAND也看起来要到2029年都卖光了呢 产量难度在增加，所以应该不会增长太多

Q1) 花旗（CITI）：关于AI需求的走向，相对于AI基础设施投资规模，变现滞后，市场担忧依然存在。今后，公司认为AI投资势头会持续的依据是什么？

A1) 客户投资与AI服务扩张相连，已经出现成果。主要超大规模云服务商的云收入实现了高速增长，这是AI成果所致。订单积压也增加了2～5倍，有付费用户也在稳步增加。企业现金流也得到改善，市场的担忧将得到缓解。第二点是，投资主体多样化。初期集中于少数大科技公司的结构，正在转向一般企业构建自主AI基础设施、主权AI、本地部署需求等，多样化正在持续。

Q2) 梅里茨（Meritz）：关于股东回报，将股息与自社股票回购・注销分开的标准是什么？

A2) 将持续均衡利用并分配。铠侠对于盈余部分，也计划在今年稍后作为期末股息实施。今后，将每季度持续进行股东回报。

Q3) 高盛（Goldman Sachs）：关于2027～2028年的LTA（长期供应合同）50%，从中长期视角来看，该如何理解？

A3) 通过LTA来提升中长期业绩可见度。我们已通过LTA确保的数量，以及目前与客户协商中的数量来考虑的话，今后“3年全部SOLD-OUT（售罄）”的状态。 中长期的LTA组合，将维持在与当前水平相似的程度。对于Non-LTA的数量，将在价格・产品上灵活应对。

Q4) 美国银行（BofA）：过去内存周期中曾面临困难，但公司对供给过剩可能性的策略是什么？

A4) 正在执行CAPEX（设备投资），但产能（CAPA）不会按比例扩张。在HBM等高性能产品组合高度化、工艺难度上升的情况下，微细化也有极限。应该视为不仅仅是扩大生产CAPA，而是用于工艺迁移和技术竞争力的投资。从最近紧急推进Y1或M17等设施的情况来看，也请理解为着眼于灵活运营。判断需求时，不仅看客户CAPEX或展望，还综合考虑客户的融资余力、财务状况、今后策略等，并反映到公司CAPEX中。此外，公司财务健全性当然也是重要指标（公司的净现金），将综合所有这些来应对扩建。

Q5) JP摩根（JPMorgan）：HBM4供应的进展详情，以及未来HBM4E和定制HBM的计划是什么？

A5) HBM4的当前量产正在顺利进行中，通过此举，我们预计在2026年第4季度（预测）实现交叉点。良率也非常稳定，处于行业顶尖水平。后端（凸点、堆叠、封装等个别工序而非整体后工序）的良率非常良好。目前正集中精力进行量产，以应对高客户需求，同时下一代产品也在稳步推进。下一代产品方面，也将在第2季度进行样品供应。今后，不仅是标准HBM，针对客户特定工作负载的定制HBM也将变得重要，因此我们正与主要客户推进多个项目（PJT）。今后，我们将继续巩固HBM首位企业的地位。

Q6) SK（SK证券 / SK証券）：关于HBM的规格变更（规格简化）公司的看法是什么？这种变化将对HBM的出货量及盈利性产生何种影响？

A6) 最近部分客户进行的规格变更，在我们看来证实了需求压倒性地高。减少层数并不意味着容量减少。每个芯片的容量本身会增加，从而在相当程度上抵消了该容量损失。一方面，HBM的供给需求是可供给数量的2倍以上。供给方面也不会受到影响。以相同比特数量在较低（层数）的情况下进行，立方体数量会增加，后工序数量也会增加。此类部分已反映在我们公司的计划中，预计将顺利推进。盈利性是交易条件、产品构成、后工序生产性、原价等复合因素，因此难以仅凭层数简单判断。如果明年加上原价竞争力和良率的进一步改善，2027年（预测）的HBM销售额、利润规模及盈利性均将显著增加和改善。

Q7) 未来资产（未来资产证券）：关于后发制造商的新技术等话题。公司4F²技术竞争力及未来的竞争情况

A7) 4F²是与传统6F²相比提高集成度的下一代DRAM技术。根据工艺环境、微细化水平、结构等而大不相同。我们充分利用6F²结构，拥有向3D DRAM平台或4F²过渡的技术路线图。目前，通过EUV，即使在6F²中也存在进一步改进的空间，我们判断目前最大限度利用这一点是最佳方法。将新单元结构应用于产品，需要综合清除良率、原价竞争力、客户评价等所有方面，这与单纯“开发出来”本身，以及量产并销售给客户之间，有着天壤之别。

Q8) NH（NH投资证券 / NH投資證券）：关于NAND，层级型存储结构变得重要并进行再利用，但今后的NAND市场展望如何？

A8) 随着Agentic AI的扩散以及长上下文（长文本）的增加，将KV缓存分散存储到HBM/DRAM/NAND SSD的分层化变得重要。这被期望创造出NAND保存和再利用AI推理所需上下文的新需求机会。相应的SSD已在部分AI系统中用于KV缓存的卸载，今后的扩展将向多个服务器或GPU共享大规模KV缓存的上下文存储层级角色发展。我们为了应对此类机会，正在开发语义识别生命周期分层KV或CMM混合等存储分层化技术。SALT KV是评估每个KV缓存的再利用价值和保存费用，优化HBM/DRAM/SSD间数据配置的技术。CMM混合是将整体KV缓存保存到SSD，并预测今后所需部分预先调用到DRAM的CXL基础混合存储技术。最近，通过此类实际AI工作负载基础系统的演示，我们正在整理推理环境中eSSD的适用领域和要求性能的具体化基础。中长期来看，通过HBF，我们也将对应HBM和SSD之间的新存储层级。我们今后将先制性地应对新的NAND市场需求。