Sinabi ng executive ng Micron: Ang storage ang nagtatakda ng limitasyon ng AI, ang malakihang dagdag na kapasidad ay mangyayari pagkatapos ng 2028

Habang ang alon ng AI ay bumabago mula sa mga data center patungo sa edge at larangan ng robotics, nagbabala ang mga senior executive ng Micron na ang storage na ang naging pangunahing bottleneck na nagtatakda ng limitasyon ng performance ng AI. Dahil napakabagal at kumplikado ng proseso ng pagtatayo ng bagong produksyon, tinatayang aabutin pa ng hindi bababa sa 2028 bago maranasan ang malakihang paglabas ng karagdagang kapasidad sa industriya.

Noong Setyembre 15, sa semiconductor focus forum ng Six Five Summit 2026, kinapanayam ni analyst Patrick Moorhead si Sumit Sadana, Senior Advisor sa CEO ng Micron, kung saan detalyadong tinalakay ang supply-demand dynamics ng storage industry sa panahon ng AI, capital expenditure plans, at mga pangunahing bagong merkado para sa hinaharap.

Sa nagdaang taon, nagkaroon ng batayang pagbabago ang pananaw ng buong industriya ng teknolohiya ukol sa storage. Ang ugat ng pagbabago ay, ang compute power ay di na ang tanging pamantayan ng kakayanan ng isang AI system. Tinukoy agad ni Sadana sa panayam ang pundamental na lohika sa AI hardware ngayon: “Ngayon, ang performance ng artificial intelligence system ay una nang nakabatay sa performance ng memory subsystem at kapasidad ng memory. Ang dalawang bagay na ito talaga ang nagtatakda ng antas ng performance ng AI subsystem.”

Ipinaliwanag niya na dahil kailangang i-store ang AI models sa memory, at napakalaking datos ang kailangang ilipat pabalik-balik sa mga memory module, ang bandwidth sa pagitan ng processor at memory ang naging susi sa performance bottleneck. Kasabay nito, nahaharap ang storage market sa ilang dekadang akumulasyon ng structural imbalance — noong early 1990s, mahigit 20 DRAM companies ang umiiral, ngunit ngayo'y kakaunti na lamang; samantalang mahigit 20 na rin ang mga kumpanyang nagde-design ng processor. Ang ganitong “few to many” na funnel-type ng supply structure ang dahilan kaya naging napaka-fragile ng supply chain ng storage kapag sumiklab ang biglaang demand para sa AI.

Mabilisang pagtaas ng capital expenditure, kailangang hintayin ang 2028 para sa tunay na dagdag na supply

Sa harap ng napakalaking agwat ng supply at demand, hindi na kayang punan ng simpleng teknolohikal na pag-angat ng bits ang pangangailangan sa merkado, kaya napipilitang pumasok ang buong industriya sa “new cleanroom and fab construction” na panahon ng malalaking fixed asset expansion.

Kasalukuyang sinisimulan ng Micron ang hindi pa nararanasang capital spending plans. Ibinunyag ni Sadana: “Kung titingnan ang aming capital expenditure plans: Sa fiscal year 2025, bahagyang mas mataas sa $13 bilyon ang aming gastos; dodoble ito sa fiscal year 2026; at sa 2027 ay inaasahang higit $45 bilyon na. Kamakailan, inanunsyo naming sa Amerika ang pagtaas ng investment mula $200 bilyon papuntang $250 bilyon at pinabilis pa ang timeline.” Bukod dito, isinabay din ng Micron ang halos 20 expansion projects sa Idaho, New York, Taiwan, Japan, at Singapore.

Ngunit, malayo pa ang solusyon sa kasalukuyang pangangailangan. Ang pagtatayo ng semiconductor factories ay limitado ng imprastruktura, regulasyon, at matinding kakulangan ng skilled workers. Nilinaw ni Sadana ang timeline expectations: “Naniniwala kami na ang tunay at efektibong karagdagang supply ay magsisimulang dahan-dahang ilabas sa 2028, at ito pa lang ang simula; ang malakas na momentum ng pag-angat ng kapasidad ay mararamdaman pa lang sa mga susunod na taon. Kaya't mangangailangan ng panahon bago balansehin uli ng industriya ang sarili nito.”

Isa pa sa dahilan ng mabagal na paglabas ng kapasidad ay ang napakatinding teknikal na kompleksidad ng memory manufacturing. Gamit ang mainit na HBM bilang halimbawa, tahasang sinabi ni Sadana na ang tamang pagpapatakbo nito ay “parang isang himala”: “Isipin mong pagsasama-samahin ang 12 layer na DRAM chips, sa pinakailalim ay nakadikit pa sa GPU ang base chip. Sobrang mahigpit ang hamon sa heat dissipation at power consumption… May halos 2,000 proseso sa loob ng fab. Mula umpisa ng produksyon hanggang maihatid ang produkto sa kliyente, halos limang buwan ang ikot ng buong proseso.”

Pagtalikod sa “instant buy and sell”, pang-mahabaan at malalim na custom contracts ang bumabago sa modelo ng negosyo

Dahil sa sobrang higpit ng kapasidad, nababago agad ang business model ng storage industry; nabubura na ang tradisyonal na spot transactions at JEDEC-standard generic chips na panahon.

“Ang mga pinipirmahan namin ay multi-year contracts, nangangakong magbibigay ng supply sa customers, at ang customers naman ay nagpapasa ng demand forecasts. Malayo ito sa dating one-year agreements — noon, basta gusto bumili ang customer at may stock kami, ibebenta namin agad.” sabi ni Sadana, at tinawag itong “strategic customer agreement,” isang modelong may napakataas na return on investment, nagbibigay ng matibay na pananggalang sa multi-year na capital expenditure ng fab.

Mas malalim na pagbabago ang nakikita sa panig ng R&D partnership. Upang makapagtakda ng difference sa AI systems — sa power consumption, processing speed, at iba pa — dini-design na rin ng customers ang storage sa 5 to 7 taon nilang product roadmap. Sabi ni Sadana: “Binabago ng modelong ito ang relasyon ng partnerships, nagiging mas kamukha ng structure ng ASIC chips — mas may awtonomiya ang kliyente sa disenyo, at long-term ang relasyon.”

Papalapit ang AI sa edge, humanoid robots ang susunod na higanteng incremental market

Kalimitang nakatuon ang merkado sa data center na demand para sa AI, ngunit ayon sa Micron, simula pa lang iyan. Sa paglago ng AI sa smartphones, PC (gaya ng unified memory architecture ng Mac mini), at mga self-driving cars, magiging ubiquitious ang pangangailangan sa storage.

Pagdating sa hinaharap, nakatutok si Sadana sa larangan ng robotics bilang susunod na suson ng malakihang demand pagkatapos ng data center.

“Isipin ang humanoid robot — isa ito sa pinakamalaking product markets in history.” Sa pagtingin sa 2030s, binigyang-diin ni Sadana ang nakakatakot na konsumo ng edge AI sa storage: “Ang pinakakapanabik sa robotics ay bawat device ay kakailanganin ng napakalaking storage — bawat humanoid robot ay may daan-daang GB na DRAM memory at ilang TB na NAND flash. Kaya, itutulak nila nang husto ang demand para sa DRAM at NAND… Kailangan makapag-operate ng autonomous ang robot, hindi dapat laging magpapadala ng datos sa server.”

Narito ang transcript ng panayam:

Sumit Sadana 00:00（UTC+8）

Ngayon, ang performance ng artificial intelligence systems ay una nang nakabatay sa performance ng memory subsystem at memory capacity. Ang dalawang bagay na ito talaga ang nagtatakda ng antas ng performance ng AI subsystem. Maligayang pagbabalik sa 2026 Summit.

Patrick Moorhead 00:22（UTC+8）

Dumating na ang panahon ng artificial intelligence. Ang halaga't estratehikong kahalagahan ng memory ay talagang nakakagulat. Palagi ko nang pinaniniwalaang mahalaga ang memory, pero sa harap ng panahon ng AI, ang mga kakayanang naibibigay nito ay halos hindi kapani-paniwala — at, sa totoo lang, kung walang sapat at tamang memory, hindi magagawa ang lahat ng kahanga-hangang bagay na nakikita natin sa paligid.

Natutuwa akong ianunsyo ang pagdalo ng Micron sa summit na ito. Masaya akong makita ka ulit, at salamat sa paanyaya. Nakaka-excite talaga. Trenta'y limang taon na akong nasa industriyang ito, mula consumer ng memory, naging partner sa memory, hanggang ngayon ay nag-aaral ng memory market sa isang analysis company. Nakakabilib na mga narating natin. Noong nagkausap tayo noong nakaraan taon, inilista ko nga ang memory bilang strategic technology — oo, inaangkin ko ang credit dito. Pero sa totoo lang, mas nararapat kang bigyan ng pagkilala dahil ikaw ang aktwal na gumagawa, ako'y nagsasalita lang. Pero ngayon, tila mas mahalaga ito, unti-unting tinatalakay ng mas maraming tao. Sa AI age, anong pagbabagong nangyari noong nakaraang taon at mas binigyang halaga ng industriya ang memory?

Sumit Sadana 01:44（UTC+8）

Bakit nga ba pinabilis ng AI ang pagbabagong ito? Magandang tanong. Isang taon lang ang lumipas, ngunit ang daming nangyaring malalaki sa mundo nitong nakaraang taon. Sa pananaw ng customer, napakalaki ng pagbabago. Sa kasalukuyan, labis ang kakulangan ng memory sa lahat ng segment ng merkado. Kahit anong effort sa pagdagdag ng supply, hindi pa rin matiyak kung kailan mahahabol ng supply ang demand, dahil tuloy-tuloy ang paglaki ng demand. Pataas ng pataas ang requirements ng customers taon-taon mula sa iba't ibang sektor.

May ilang dahilan kung bakit nagbago ng pagtingin ang customers sa memory. Una, dahil sa malaki talagang agwat ng supply at demand; Pangalawa, habang tumataas ang demand sa AI, tumataas din ang requirements sa performance ng system. Kung iisipin mo kung ano ang nagpapagaan sa system para mag-deliver ng best performance, makikita mong hindi lang processor ang mahalaga. Ngayon, napakahalaga ng memory performance, bandwidth sa pagitan ng processor at memory, at ang mismong kapasidad ng memory. Dahil ang AI models ay kailangang i-store sa memory, malalaking datos ang kailangang ilipat mula at papunta sa memory — ang bandwidth sa pagitan ng processor at memory ang naging pangunahing performance bottleneck. Kaya napapansin ng customers na kailangan nilang i-replan ang product roadmap at gumamit ng ibang strategy para sa memory.

Sumit Sadana 03:44（UTC+8）

Ngayon, mahalaga ang tanong kung paano idi-design ang memory upang makakuha ng competitive advantage, paano gagawing standout ang system ng bawat customer. Kung ang memory ay katulad pa rin ng nakaraan — lahat gumagamit ng JEDEC standard na generic memory — mahirap mag-differentiate. Kaya, ngayon, nakikipagtulungan na ang aming kumpanya sa customers para isama ang memory design sa multi-year product roadmap nila. Hindi lang basta performance ang habol nila — gusto rin nilang mag-iba-iba, baguhin ang competition. Ibig sabihin, kailangang mag-isip ng bagong paraan sa memory at makipag-collaborate sa mga kumpanyang tulad ng Micron para mag-design ng bagong function na magagamit talaga nila.

Sumit Sadana 04:31（UTC+8）

Halimbawa, ang aming partnership sa Nvidia ukol sa data-center low power DRAM (LPDRAM) ay magandang case study. Kami ang pinakaunang nagdala ng technology na ito sa data center, at matagal nang kami lang ang supplier dito; ngayon ay sinusundan na ng ibang kumpanya. Dumarami ang customers na nakikita ang advantages ng using low power DRAM — nagbibigay ito ng mas mataas na density, mas maliit na sukat, mas mataas na performance, at malaking bawas sa konsumo ng kuryente, bagay na kritikal sa mga data center. Isa lang ito sa maraming halimbawa.

Patrick Moorhead 05:07（UTC+8）

Sa susunod na limang taon, mawawitness natin ang explosive growth ng mga technology na ito. Tuwing ipapaliwanag ko kung bakit suddenly naging napaka-interesting ng memory, naaalala ko ang isang college class ko noong late 80s — sinabi ng professor: limitahin mo ang operations sa memory, tataas ang performance. Siyempre, magkaiba na ang sitwasyon ngayon. The more memory, mas maganda ang resulta, at mas malapit sa data ang memory, mas mabilis. Kapag lumampas na sa memory, bumabagal. At sa panahon ng AI, major challenge ito.

Napakaintriga. Sa career ko, siyam na memory cycles na ang nadaanan ko. Dati akong OEM, nagtrabaho din sa chip company, at 15 taon na akong analyst. Sa totoo lang, memory ang pinaka-cyclical, kahit alam kong marami pang ibang industriya ang cyclical din, pero ang memory ay commodity pa rin kung ituring. Nasimulan mo nang talakayin ito kanina pero...

Sumit Sadana 06:17（UTC+8）

Bakit fundamental na binabago ng AI ang perception na ito? Magandang tanong. Noong early 1990s, mahigit 20 ang DRAM companies, nagkaroon ng matinding konsolidasyon. Konti lang ang processor companies noon; ngayon, mahigit 20 na. Madali nang bilangin kung sino-sino ang gumagawa ng processor designs. Pero pagdating sa DRAM, kakaunti na lang talaga.

Kaya kung magdidisenyo ka ng AI, hindi lang data center ang saklaw nito — malaki ang distinction ng workloads sa data center para sa training at inference, at lalong lumiit ang segments ng inference mismo. Ilan sa mga iyon ay kayang gamitin ang SRAM, pero karamihan ay sobrang dependent pa rin sa DRAM. Pinalalaki namin hangga't maaari ang DRAM capacity ng mga system. Lumalawak iyon, papunta sa self-driving cars, industrial systems, at siyempre, smartphones at PCs — dahil sa unified memory architecture, tumataas ang benta ng Mac mini at nagsimula ang “Open Claw” movement. Lahat ng ito, fundamentally, ay may kinalaman sa AI.

Sumit Sadana 07:50（UTC+8）

Ngayon, ang system performance ay una talagang nakabase sa performance at kapasidad ng memory subsystem — dalawa talagang susi para sa AI subsystem performance. Kaya kapag ang memory ang naging core design point ng system, kailangan iba na ang pag-iisip mo sa memory. Susunod diyan ang tanong: paano mabilis maglabas ng differentiated na produkto? Naniniwala akong iba na ang memory business ng hinaharap kaysa nakaraan, at yan ay konektado talaga sa sumusunod na konsepto...

Sumit Sadana 08:36（UTC+8）

Umabot na ang buong industriya sa puntong kailangang magdagdag ng bagong kapasidad, na aakalain mong wala pang mangyayari, pero dahil sa AI-driven growth, forced lahat. Ang mere technological transformation di na sapat — dati, bit growth ay kasya na. Ngayon, kailangan talagang magdagdag ng wafers, ibig sabihin, magtayo ng bagong cleanroom space. At pag napuno na ang production site na existing — na halos lahat ng kumpanya ay nararanasan, — kailangang mag-expand sa bagong locations, na napakatagal gawin.

Napakatagal ng proseso, maraming factors tulad ng regional construction speed at regulatory clearance ang nakaka-apekto. Paano mo pagsasabayin ang pagtatayo ng power, tubig, at lahat ng fab-supporting infrastructure mula sa wala? Lahat ng kailangan para magpatayo ng fab, mabusisi at mahaba ang proseso, ito ang kalagayan ng buong industriya.

Sumit Sadana 10:01（UTC+8）

Kaya kahit anong effort ng lahat, hindi pa rin sapat ang supply para sa demand ng market. Matagal pa bago makasabay ang supply, at ito rin ang nagdidikta sa behavior ng customers ngayon.

Sumit Sadana 10:27（UTC+8） Ito ang pinag-uusapan naming strategic customer agreements. Pabago ng lahat ang business model at paraan ng negosyo. Multi-year contracts, guaranteed ang supply ng customer, at mayroong demand forecast. Di ito tulad ng dating kontrata na one-year — dati, basta gusto nila, bibili lang sila. Ngayon, assured supply agreement na; sobrang taas ng return kaya nakakahawak kami ng matatag na base para sa capital spending sa mga susunod na taon.

Di pa nga ito umaabot sa intelligent AI agents o “intelligent artificial intelligence,” na susunod na development phase ng AI. Susunod diyan ay physical AI — yan ang susunod na malaking demand wave. Kung titignan mo ang lahat ng demand waves na ito, makikitang nagsasalansan lang sila — hindi pumapalit-palit, kundi nagtutulungan pa. Sobrang challenging isalin ang napakalaking physical supply capacity na ito online.

Patrick Moorhead 11:39（UTC+8）

Sa ganitong panahon, para masuportahan ang lahat ng demand na yan, para sa akin, nagpapakita talaga ang inyong long-term agreements ng strategic significance ng memory. Madaling sabihing, “kailangan ng long-term agreements para ma-lock-in ang future na kapasidad,” tama naman, pero kasama diyan ang collaborative planning.

Technically, talagang napahanga ako, mas lalo nang nabanggit mong edge AI. Ang pinaka-interesting, kahit sa Open Claw o mga bagong client computing designs — halimbawa, pag-integrate ng memory at CPU/GPU para palakasin ang bandwidth — bihira ang client computer architecture transitions, pero nagiging regular ito ngayon. Pero gusto ko ring ma-focus sa hyperscale data centers — dito nangyayari ang halos lahat ng excitement, mula sa massive capital spending hanggang sa innovation ng models at applications. Pero curious lang ako tungkol sa self-driving cars, PCs, robotics, smart edge...

Sumit Sadana 13:00（UTC+8）

Binabago ba ng need sa memory ang mga application na iyon? Oo, magaling na tanong yan. Siyempre, data center ang simula ng lahat. Pero pag iniisip natin ang hinaharap ng AI, hindi lang data centers. Unti-unting uusad ang intelligence sa edge hanggang sa magiging ubiquitous, lahat ng devices ay magkaka-intelligence. Kaya lahat ng uri ng consumer electronics, kotse, at maging ang bagong antas ng industrial revolution — ang lahat ng intelligence na ito, ikakalat global sa iba’t ibang kumpanya.

Sumit Sadana 13:43（UTC+8）

Ang inyong personal devices, mula computer sa work o bahay, smartphone, at maging ang mga bagong devices na plano ng ibang kumpanya — pwedeng magkaibang-magkaiba ang itsura kumpara sa current na smartphone o PC, totally ibang design. Kasi kapag magtatayo ka ng native AI device, pwedeng magkaibang-magkaiba sa tradisyonal na PC or smartphone solution. Papasok diyan ang tanong kung paano babaan ang power consumption, gaya ng sa mga device na battery ang source. Paano mo iaangat ang performance pero maliit lang ang model na sapat para mag-run locally, hindi kailangan ipadala sa cloud — iyan ang frontier ng AI.

Tuloy-tuloy ang exploration na ito. Ang mga modelong sapat ang liit para mag-run sa PC o smartphone ay gaganda nang gaganda habang tumatagal. Kasabay ng trend na ito, makinang ang advantage ng data privacy at confidentiality. Mahalagang-mahalaga ito sa consumers, at ang mga kumpanyang makakapagpatunay na ang lahat ng interaction nila sa device ay strictly local ay magbibigay ng panibagong uri ng apps at imposibleng laki ng halaga.

Sumit Sadana 15:30（UTC+8）

Sa pagtingin sa self-driving, napakabilis ng development dahil sa AI. Ang sunod na frontier: robotics. Isipin ang humanoid robots — isa ito sa pinakamalaking product markets in history. Siyempre, kailangan pa ng panahon; pero palapit tayo sa singularity — araw na makakapag-usap ka na halos parang tao na halos hindi mo na makilala. Habang tumatagal, lalong nagiging advanced ang physical capabilities ng robots, isang tunay na rebolusyonaryong development.

Sa simula, pang-automation sa factories lang sila, simple ang mga tasks, limitado. Pagkatapos, sa bahay — yun ang pinaka-komplikadong environment dahil unpredictable. Pero naniniwala akong pagpasok ng 2030s, magiging napakalaking growth driver ang robotics. At pinaka-interesting dito, bawat device ay nangangailangan ng malalaking storage — bawat humanoid robot ay may daan-daang GB ng DRAM at ilang TB ng NAND flash. Sobrang tataas ang demand para sa DRAM at NAND dito. Sa tingin ko, hindi masyadong nauunawaan ng karamihan: Kailangang maging autonomous ang robot; hindi pwedeng kada aksyon, kailangan magpadala ng data sa server. Totoo iyon.

Patrick Moorhead 17:25（UTC+8）

At habang nagpapaliwanag ka, naisip ko, Micron nga ang tumutulay sa gigawatt level. Nakakamangha ang imbensyon ng mga teknolohiya. Dapat tandaan ng mga tao iyan kapag naisip ang pangalan ng Micron.

Habang pumapasok ang AI, tumitindi ang strategic thinking, mula sa paggamit ng hindi pa naimbentong cutting-edge devices hanggang sa gigawatt-level data centers na kayang kumuha ng AI at malalaking modelo agad na magagamit — lahat ito critical.

Naririnig ko na rin ang collaborative design o co-invention mula sa inyong mga partners, at natutukoy nila ang mga idea na nilalapit nila. Nabaggit ko kanina ang architectural change — dati, dinadala lang ito ng JEDEC standard; pero ngayon, pinag-uusapan natin ang tunay na malalim na co-design. Pwede mo bang ikuwento kung paano nagbabago ang relasyon niyo sa partners dahil dito?

Sumit Sadana 18:45（UTC+8）

Siyempre. Gusto ring malaman ng mga partner namin kung paano sila magbibigay ng edge sa kanilang merkado. Kung bakit naging critical ingredient ng AI subsystem ang memory processor subsystem — kasi, ang interaction ng memory at processor ang nagtatakda sa maraming key parameters ng AI system — dito nakasalalay ang power consumption, kung anong klase ng models ang pwedeng patakbuhin, ang laki ng models, at ang pagpapatakbo nito.

Kapag nakita mo ang innovations sa iba’t ibang LLM size at type, mapapansin mong para magka-differentiation sa memory at processor hardware design cycles, kailangang malapitang pasadahan ang trabaho kada segment. Di sapat ang plug-and-play ng JEDEC standard devices na after certification lang ang kailangan. Sa ilang market ok iyon, pero dumadami ang customers na nagtatanong: paano magka-differentiation? Kailangan kong gumawa ng features na wala sa off-the-shelf products. Kaya kailangan naming mag-partner sa storage company nang mahaba — 5 to 7 years ang usapan para sa R&D roadmap. Nakikilahok kami sa roadmap ng maraming customers, at marami silang interesting ideas, may puwedeng gawin ngayon, iba nangangailangan pa ng panahon bago maging breakthrough invention.

Sumit Sadana 20:28（UTC+8）

Nakakatuwang makita ang diversity ng idea sa industry. Sabi mo nga, mula napakababang konsumo (dahil baterya-powered) hanggang sa gigawatt-level data centers, lumalago ang innovation. Kitang-kita sa maraming segment, at sa bawat segment ay may mga nangungunang customers na mabilis maglabas ng innovation. Patuloy naming tatanggapin ang mga hamon na iyan at magsusumikap dito.

Sa mga promising na proyekto, pinalalawak namin ang kakayanan at tinutupad ang career innovation dreams ng customers. Limitado lang talaga ang kayang maging ka-deep partner ng customers — isa-dalawang kumpanya lang; mga susunod, ilang taon pa bago makahabol. Ang benepisyo ng modelo: tumitibay ang partnership, kadalasa’y isa lang ang source supplier, o kung may kasabay man, dalawa lang nang sabay. Parang ASIC chip partnerships — mas autonomous ang design ng customer at long-term ang relationship. Ito ay dahil tuluyang nagiging parang ASIC ang modelo, hindi kagaya ng dati na pamantayang memory chip lang. At makikita kong magagamit ito sa malaking sakop.

Patrick Moorhead 22:27（UTC+8）

Tama. Ang ibig sabihin, sobrang laki ng volume na pwede, kaya financially puwedeng mag-invest ang magkabilang panig, at pag nagsimula na ang project, critical ang differentiation. Hanap ng lahat kung saan sila aangat, maging ito man ay sa performance efficiency o total cost of ownership (TCO).

Gusto kong silipin ang investment outlook. Nabaggit mo na ang investment sa kapasidad. Nakakatawang isipin — parang iniisip ng iba, agad-agad malalagay ang memory fab, parang code lang. Pero, nakapaggtrabaho na ako dati sa may fab na chip company, at hanggang ngayon, sobrang hirap gawin, capital-intensive at tatlo o apat na taon pa bago may resulta. Pwede mo bang ibahagi kung anong investment/trabaho talaga naglalatag ng foundation ng Micron para sa next-gen technology? Maging ito man ay para sa AI, o ibang variant.

Sumit Sadana 23:57（UTC+8）

Tama ka. Sabi nga, kung may nakakaalam kung paano magtayo ng DRAM fab nang mabilis, gusto naming malaman kasi malaking tulong sa amin iyon. Siyempre, gusto rin ng customers naming makuha agad ang produkto, kaya't ginagawa namin lahat ng makakaya.

Ginagalingan naming lahat — pinapabilis ang lahat ng investment project. Sa capital expenditure plans lang: Sa 2025 fiscal year, mahigit $13 bilyon; sa 2026, doble na; sa 2027, higit $45 bilyon. Tumaas nang tumaas ang figure. Kamakailan, in-announce naming tataas ang investment sa US mula $200 bilyon patungong $250 bilyon, pausbong at binilisan pa nang husto, kahalintulad ng pagpapasok ng $50.2 bilyon makukumpleto pagsapit ng susunod na taon.

Saklaw ng investment ang lahat: Idaho fab (ID1) malapit nang mag-online ang first production line; mid-next year, ID2 na, target simulan ang wafer production lines sa dulo ng 2028. Yung binili naming fab sa Taiwan ay magsisimula ng wafer production sa 2027, at tina-triple pa ang expansion. May mga expansion din kami sa Japan at Singapore; lampas 20 global expansion project ang kasalukuyang ginagawa, tutok sa front- at back-end na kapasidad.

Sumit Sadana 26:06（UTC+8）

Pero nga, matagal. Kahit isang fab, matagal gawin. Sa New York, may apat na fab na cluster, at 2030 pa target mag-online ang una. Noong Enero lang nagsimula ang construction, at advance pa sa schedule ang concrete milestone.

Sumit Sadana 26:22（UTC+8）

Maraming proyekto worldwide, at nangangailangan ng iba’t ibang permit, at kailangang buuin ang lahat ng supporting infrastructure. Matindi ang kakulangan sa skilled workers — isipin mong sabay-sabay ang pagbuo ng fab sa Amerika at iba pang mga bansa worldwide.

Kahit saan bumabaha ng data center construction, kaya kasabay ng power plant builds; kinakailangan ng semiconductor plants, kaya sabay na ring ginagawa ang mga front-end at back-end fab. Nasa krisis ang kakulangan sa skilled labor, napakarami ng binubuong napakakomplikadong proyekto, at kapos na kapos ang workers.

Sumit Sadana 27:15（UTC+8）

Kaya, nag-iinvest kami sa komunidad, nagpapalaki ng talento, para may talent pool — makakatulong ito sa lahat ng proyekto, pati na sa ecosystem. Marami kami investment sa talent cultivation, community colleges, partnerships sa mga syudad at community kung saan andun ang negosyo. Long-term commitment ito para sa amin.

Inaasahan naming lalaki pa lalo sa paglipas ng panahon ang mga pasilidad, kasi ang fab parang cluster system — di pwedeng magpatayo lang ng isa. Kailangan ng scale para mabilis mabreak ang cost curve, kaya’t tuloy-tuloy ang expansion for the next decade or more. Lahat ng ito ay long-term project para sa amin. Tingnan namin, 2028 pa talaga sisimula ang mass supply, at umpisa pa lang iyon — ang tunay na acceleration sa kapasidad, mga susunod na taon pa. Di pa namin masasabi kung kailan magiging balanse uli ang industriya.

Patrick Moorhead 28:54（UTC+8）

Magaganda ang investments na example mo. Pero siguro may mga hindi nakakaunawa sa kumplikasyon ng memory. Alam natin na mahirap ang logic chips. Pero pag-usapan natin ang complexity ng memory — isa ito sa pinakamahirap na semiconductor tech ngayon.

Sumit Sadana 29:19（UTC+8）

Madaling sabihin na at the cutting edge ang logic, pero ang storage napaka-advance din. Gamit natin ang EUV lithography machines, napakalalaking makina. Sa fab, may higit 2,000 proseso. Mula simula ng pagkakaroon ng wafer hanggang angproduktong inihahatid sa customer, lima't kalahating buwan ang ikot. Nakakabilib, at mahirap i-imagine for most people. Ang wafer fab production ay at least 3.5 hanggang halos 4 na buwan, tapos assembly, packaging and testing pa ng isa o isa't kalahating buwan.

Sumit Sadana 30:04（UTC+8）

Para sa mas kumplikadong produkto tulad ng HBM, lalo itong halata. Sinasabing parang milagro ang tamang takbo nito. Isipin — 12 layer ng DRAM chips na pinagpatong-patong, nakadikit pa sa ilalim ang base chip patungong GPU. Naghahamok ang buong system sa heat dissipation at power problems — paano patakbuhin ng mataas na bandwidth at bigyang lunas ang heat transfer mula processor at chip? Packaging pa lang, sobrang advanced na, parang cleanroom sa komplikasyon, malayo sa flip-chip packaging ng logic. Mula packaging complexity hanggang sa advance ng EUV process nodes, bawat DRAM node, palala nang palala ang extendibility.

Sumit Sadana 31:18（UTC+8）

Pati sa NAND. Pinapatong-patong ang daan-daang layers, 200, 300, 400; sobrang hirap i-process. At ang NAND products ay may kakayanang mag-store o magfunction — ngayon, may SSD na may 245 TB capacity. Isang napakaliit na device pero ganyang kalaki ang memory, milagro na nagagawa araw-araw ng engineers at manufacturing. Totoo — sobrang complex nito, at sa mga susunod na taon, kailangang magpatuloy ang scaling at gawing mass production ito, panibagong milagro uli.

Patrick Moorhead 32:23（UTC+8）

Kinakailangan ng napakalaking oras, effort, at innovation. Ang level ng complexity, sobrang taas, lalo na’t nagagawa mo in such a wide power range. Hindi ko rin alam kung ilang kumpanya lang ang may ganitong kapasidad sa mundo.

At interesting, laging sinasabi ng mga tao: “Hindi ako kailanman masasatisfy rito,” kasi lagi silang humahanap ng mas maganda, mas nakakamangha. At, syempre, pag-uusapan ang presyo. Pero, para sa akin, investment ito — natural lang para sa Micron at sa ibang memory industry companies na mag-invest dahil kung hindi, titigil ang innovation cycle. Excited na akong makita kung anong maibubunga ng Micron mula investments nila, hindi lang sa fab construction, kundi pati sa technology mismo. Naniniwala akong robotics ay kayang magdala ng ten-fold growth — siguro pinakamalaking market growth area, at nit hindi pa talaga totally kinokonsider sa current supply modeling. Syempre, kakailanganin pa ng karagdagang ebidensiya kung kailan talaga mararamdaman ang effect nito.

Maraming salamat sa napakagandang usapan. Hindi ako makapaniwalang isang taon na simula noong huling discussion natin — napakalaki ng pinagbago.