Adata, TeamGroup и другие тайваньские модульные производители привлекают почти миллиард долларов через облигации и кредиты. Рекордные цены на память вынуждают их накапливать запасы в долг, несмотря на рекордные доходы.
Изображение: tomshardware.com
Тайваньские производители модулей памяти столкнулись с беспрецедентной ситуацией: несмотря на рекордные выручки, они вынуждены брать кредиты в масштабе сотен миллионов долларов просто чтобы закупить чипы у крупных производителей. Adata, TeamGroup, GoldKey Technology, Apacer, Innodisk, Transcend и Silicon Power совместно привлекают более NT$28 млрд (около $880 млн) через конвертируемые облигации, синдицированные банковские кредиты и приватные размещения акций.
Лидер по заимствованиям — Adata. Компания выпустила облигации на NT$2 млрд, получила банковские кредиты на NT$12 млрд и планирует приватное размещение на 30 млн акций. Для сравнения: в марте выручка Adata впервые превысила NT$10 млрд в месяц, а квартальный результат Q1 составил NT$26,11 млрд — более чем в два раза выше года назад. Team Group в марте показал NT$4,92 млрд выручки, что на 326% больше чем месяцем ранее.
Главная причина такого финансирования — астрономический рост цен на память. По данным TrendForce, контрактные цены на обычную DRAM в Q1 2026 выросли на 90–95% квартал к кварталу, а на Q2 ожидается ещё +58–63%. NAND flash подорожал на 60% в Q1 с прогнозом +70–75% на Q2. Мобильная DRAM для Q2 переоценена ещё выше — на 93–98%.
Председатель Adata Саймон Чэнь рассказал, что компания накопила запасы чипов на NT$30 млрд к концу февраля и целилась на NT$35 млрд к концу марта. Облачные провайдеры начали предлагать долгосрочные контракты поставок — явление, которое Чэнь назвал редким. Производители DRAM и NAND (Samsung, Micron, SK Hynix) приоритизируют высокомаржинальное серверное железо и HBM, оставляя потребительский сегмент в дефиците. Новые мощности появятся не раньше конца 2027 года.
Компания изменила формат квартальной отчётности и перестала отдельно раскрывать цифры по продажам потребительских и профессиональных GPU. Это затрудняет анализ состояния рынка видеокарт.
Языковые модели ускоряют разработку инструментов автоматизации для проектирования полупроводников. Google DeepMind и Synopsys уже демонстрируют практические результаты, хотя человеческое участие остаётся критичным.
Компания переструктурировала финансовую отчётность, объединив выручку от GeForce и консольных чипов с прочей периферией. Аналитики потеряют возможность отслеживать точные цифры гейминг-сегмента.