DRAM ETF vs SMH:記憶體晶片 ETF 與半導體 ETF 有哪些不同?

更新時間 2026-07-15 03:48:17
閱讀時長: 4m
DRAM ETF 與 SMH 的對比,分別代表存儲主題 ETF 與綜合半導體 ETF。DRAM ETF 採用主動管理方式,重點涵蓋 HBM、DRAM、NAND、SSD 等存儲領域公司;SMH 則以指數追蹤方式,聚焦於美國上市的大型半導體設計、製造及設備企業。兩檔基金皆能反映 AI 基礎設施的市場需求,不過 DRAM ETF 對存儲價格及產能週期的變動反應更為直接,而 SMH 則同時受到 GPU、晶圓代工、網路晶片及設備投資等多重因素影響。

Roundhill Memory ETF 的基金代碼為 DRAM,於 2026 年 4 月 2 日正式掛牌,採主動管理,年度總費用率為 0.65%。VanEck Semiconductor ETF 的代碼為 SMH,成立於 2011 年,追蹤 MVIS US Listed Semiconductor 25 Index,官方費用率為 0.35%。

兩檔 ETF 的核心差異不僅在於持股名單,還體現於半導體產業兩種不同的投資敞口。DRAM 聚焦於資料的臨時運算與長期儲存,SMH 則涵蓋從晶片設計、晶圓製造到設備的完整價值鏈。VanEck 官方將 SMH 定位為覆蓋 25 家流動性最高的美國上市半導體公司,範疇包含設計、製造及半導體設備。

DRAM ETF vs SMH:存儲晶片 ETF 與半導體 ETF 有什麼區別?

DRAM ETF 是什麼

DRAM ETF 是以全球存儲晶片及資料儲存公司為核心的主動管理型基金。投資範圍橫跨 HBM、DRAM、NAND、NAND 型 SSD、NOR、HDD,以及特殊和嵌入式儲存,旨在聚焦 AI 記憶體、伺服器記憶體與企業級儲存產業。

依據基金說明,DRAM 通常將至少 80% 淨資產及相關投資借款配置於合格的存儲公司或具類似經濟特性的金融工具。該基金不複製固定指數,而由管理團隊主動篩選與調整持股,換倉多集中於季度再平衡時段。

這樣的結構使 DRAM 題材純度較高。其績效更易受 HBM 放量、DRAM 和 NAND 報價、企業級 SSD 需求及少數大型存儲廠營運變化影響,不會如綜合半導體 ETF 般因 GPU、晶圓代工或設備公司分散存儲週期波動。

SMH ETF 是什麼

SMH 為 VanEck 推出的指數型半導體 ETF,目標是在扣除相關費用前,最大程度複製 MVIS US Listed Semiconductor 25 Index 的價格與收益表現。投資標的為美國上市半導體公司,涵蓋晶片設計、晶圓製造、存儲、網路晶片、製造設備等多重環節。

SMH 不像 DRAM 要求成分公司主要收入來自存儲產品。只要企業屬於半導體製造或設備產業,並達到指數規範的上市與流動性條件,即有機會納入成分,因此涵蓋產業面向更廣。

SMH 仍具產業集中特性,但其將單一存儲週期風險分散至更多技術環節。當存儲報價走弱時,GPU、晶圓代工、網路晶片或半導體設備公司可能形成抵禦;反之,存儲產業表現強勢時,DRAM 通常比 SMH 更直接受惠於存儲主題。

持股範圍與產業集中度有何差異

DRAM ETF 持股集中於存儲公司,產業集中度普遍高於 SMH。其組合邏輯在於篩選營收或獲利高度依賴 HBM、DRAM、NAND、SSD 等產品的企業,導致持股數量及業務類型相對有限。

SMH 則跨足半導體價值鏈多個環節。VanEck 官方定義其範圍涵蓋美國上市大型半導體公司,從設計、製造一路延伸至設備,因此不受單一產品類別限制。

對比維度 Roundhill Memory ETF(DRAM) VanEck Semiconductor ETF(SMH)
核心主題 存儲晶片與資料儲存 綜合半導體產業
管理方式 主動管理 指數追蹤
主要產品敞口 HBM、DRAM、NAND、SSD、HDD GPU、CPU、網路晶片、代工、設備、存儲
公司篩選邏輯 強調存儲營收或獲利比重 強調半導體產業歸屬、規模與流動性
產業集中度 更集中於存儲製造商 覆蓋多個半導體子產業
單一週期敏感度 對存儲供需與價格更敏感 由多種晶片及設備週期共同驅動
再平衡方式 至少每季主動調整 按指數規則調整
官方費用率 0.65% 0.35%
成立時間 2026 年 4 月 2 日 2011 年 12 月 20 日

費用率、管理方式與成立時間均根據兩家基金管理人官方資訊。

換言之,DRAM 提供的是較窄但純度更高的存儲產業敞口,SMH 則是較廣泛的半導體產業敞口。兩檔基金皆可能集中於少數大型企業,但其成因不同:DRAM 受全球存儲產業本身高度集中的結構影響,SMH 則因市值加權指數偏向大型半導體企業。

存儲晶片與綜合半導體公司的業務結構有何不同

存儲晶片公司核心業務為生產用於資料保存與傳輸的標準化產品。HBM、DRAM 主要負責高速記憶體,NAND 與 SSD 屬於非揮發性儲存,營收多受到產品價格、庫存、位元出貨量、良率及產能利用率影響。

綜合半導體公司業務更為多元。晶片設計公司可能仰賴 GPU、CPU、網路晶片或客製加速器收入;晶圓代工企業藉製造服務獲利;設備企業則依賴晶圓廠資本支出與工藝升級,這些業務未必與存儲價格同步。

DRAM ETF 與 SMH 對應不同的獲利傳導路徑:

產業環節 主要收入來源 常見經營變數 在基金中的主要體現
HBM 與 DRAM 記憶體晶片銷售 單價、容量、良率、客戶認證 DRAM 的核心敞口
NAND 與 SSD 閃存與儲存設備銷售 庫存、單位成本、企業需求 DRAM 的重要組成
GPU 與加速器 高效能運算晶片銷售 AI 需求、產品迭代、軟體生態 主要反映在 SMH
晶圓代工 晶片製造服務 產能利用率、製程節點、客戶訂單 主要反映在 SMH
半導體設備 製造設備銷售與服務 晶圓廠資本支出、製程升級 主要反映在 SMH
網路與客製晶片 資料中心連接及專用晶片銷售 雲端資本支出、客戶平台週期 主要反映在 SMH

DRAM 更像是針對單一半導體子產業建立組合,SMH 則將多元半導體商業模式納入同一檔基金。前者有助於觀察存儲產業自身獲利變化,後者則反映整體半導體產業的景氣循環。

AI 需求如何經由不同路徑影響兩檔 ETF

AI 需求對 DRAM ETF 的傳導路徑主要是推升記憶體頻寬、系統容量與長期儲存需求。更多 GPU 與 AI 伺服器通常需搭配更多 HBM 與伺服器 DRAM,而更大的訓練數據集、模型檔案及推理紀錄,也會拉高企業級 SSD 與 NAND 容量需求。

AI 對 SMH 的影響更為廣泛。除存儲需求外,SMH 亦受 AI 加速器銷量、晶圓代工訂單、先進封裝、網路連接晶片及半導體設備投資帶動,因此其 AI 敞口涵蓋運算、製造與基礎設施多個層級。SMH 官方定位該基金覆蓋設計、製造至設備的完整半導體價值鏈。

兩條傳導路徑分述如下:

  • DRAM 傳導路徑: AI 伺服器數量增加後,HBM 與伺服器 DRAM 需求隨之提升,進而牽動存儲產品結構、價格與相關公司營收獲利。

  • SMH 傳導路徑:AI 資本支出增加時,資金同步流向 GPU、網路晶片、晶圓製造及半導體設備,帶動多元半導體公司營運。

因此,兩檔 ETF 均有機會受惠於 AI 基礎建設,但表現未必同步。若 AI 支出集中於 GPU 與先進製程,SMH 受益層面較廣;若 HBM 供應吃緊、存儲單價走揚或伺服器記憶體升級加速,DRAM 敏感度則更高。

存儲價格週期與晶圓製造週期有何不同

存儲價格週期主要受標準化產品供需變動驅動。DRAM、NAND 廠商於需求旺盛時擴大資本支出,新增產能與庫存可能導致供過於求,壓低價格;當企業縮減產能與投資後,供需又可能再度收緊。

晶圓製造及綜合半導體週期驅動因子更多,除終端需求外,還包括製程升級、客戶新品上市、晶圓廠利用率、設備交付及地緣供應鏈調整,因此同一時期不同半導體子產業可能處於不同循環階段。

DRAM ETF 對存儲週期反應更為集中:

  • DRAM、NAND 平均售價變動影響多檔核心持股。

  • 庫存調整同步影響出貨與毛利率。

  • HBM 等高價值產品可優化產品組合,但無法完全消除傳統存儲週期波動。

  • 少數大廠的減產或擴產決策可左右全球供需。

SMH 週期性則更具組合分散效果。存儲產業下行時,GPU、晶圓代工或設備企業仍可能維持成長;但當整體半導體資本支出及終端需求齊步放緩時,廣泛持股亦難完全避免產業波動。

費用、波動性與適用場景有何不同

DRAM 官方年度總費用率為 0.65%,高於 SMH 的 0.35%。此差異來自主動管理、全球證券配置及可能運用衍生工具,而 SMH 採指數追蹤,費用結構較低。

結構上,DRAM 對單一存儲週期敏感度較高,因其產業與成分集中度更強。SMH 子產業涵蓋較廣,但指數仍偏重大型半導體公司,因此同樣會受少數高權重成分及 AI 資本支出波動影響。

兩檔 ETF 主要使用情境應依研究目標區分,而非單純以報酬高低論斷:

觀察目的 DRAM ETF SMH ETF
關注 HBM 與記憶體升級 敞口更直接 部分存儲持股間接覆蓋
關注 NAND 與企業級 SSD 覆蓋度高 整體組合占比低
觀察綜合半導體產業 覆蓋不足 覆蓋完整
關注 GPU 與 AI 運算晶片 非核心範圍 重要組成部分
關注晶圓代工與設備 基本不屬於核心範圍 提供相關敞口
分散存儲週期風險 能力有限 相對較強
控管基金管理費 費用率較高 費用率較低
需要長期歷史數據 基金歷史較短 運作資歷較長

「適用場景」僅為說明基金所代表產業範圍,不構成個人投資建議。基金價格還會受成分股表現、匯率、流動性、價差及市場情緒等多重因素影響,請勿僅以主題名稱評估風險。

總結

DRAM ETF 與 SMH 皆提供半導體產業敞口,但聚焦面向與運作模式各異。DRAM 屬主動管理型存儲主題 ETF,集中投資 HBM、DRAM、NAND、SSD 等相關企業;SMH 則為指數型綜合半導體 ETF,涵蓋晶片設計、製造、代工、設備及存儲等多元環節。

DRAM 更直接反映記憶體價格、庫存、產能與 AI 儲存需求,SMH 則較全面反映 AI 運算、晶圓製造及半導體資本支出。前者題材純度高但產業集中風險較大,後者分散度高但仍受大型半導體企業權重牽動。

FAQ

DRAM ETF 和 SMH 最大的差異是什麼?

DRAM 聚焦存儲晶片公司,SMH 則涵蓋設計、製造、設備、存儲等完整半導體產業鏈。

DRAM ETF 是否僅投資 DRAM 記憶體公司?

否。DRAM ETF 同時涵蓋 HBM、NAND、SSD、NOR、HDD 及嵌入式存儲相關企業。

SMH 是否持有存儲晶片公司?

SMH 會持有存儲公司,但存儲僅為其綜合半導體組合一部分,基金同時覆蓋 GPU、代工與設備企業。

哪檔 ETF 與 HBM 需求連動性最高?

DRAM 與 HBM 需求連動性最高,因其核心投資標的直接涵蓋 HBM 及主要存儲製造商。

DRAM 與 SMH 的費用率各為多少?

Roundhill DRAM 官方總費用率為 0.65%,VanEck SMH 官方費用率為 0.35%。

DRAM ETF 與 SMH 波動來源有何不同?

DRAM 主要受存儲價格、庫存、產能週期影響;SMH 同時受 AI 晶片、晶圓代工與設備投資等多重因素牽動。

作者: Carlton
免責聲明
* 投資有風險,入市須謹慎。本文不作為 Gate 提供的投資理財建議或其他任何類型的建議。
* 在未提及 Gate 的情況下,複製、傳播或抄襲本文將違反《版權法》,Gate 有權追究其法律責任。

相關文章

USD.AI 效益來源解析:AI 基礎設施貸款如何創造收益
中級

USD.AI 效益來源解析:AI 基礎設施貸款如何創造收益

USD.AI 的收益主要來自 AI 基礎設施貸款業務,也就是透過為 GPU 運營商及算力基礎設施提供融資,並收取貸款利息。協議會將這些收益分配給收益型資產 sUSDai 的持有者,並透過 CHIP 治理代幣來管理利率與風險參數,進而構建一套以 AI 算力融資為核心的鏈上收益體系。這種模式能夠讓現實世界 AI 基礎設施的收益轉化為 DeFi 生態中的可持續收益來源。
2026-04-23 10:56:01
USD.AI 代幣經濟學:深入解析 CHIP 代幣的應用場景與激勵機制
新手

USD.AI 代幣經濟學:深入解析 CHIP 代幣的應用場景與激勵機制

CHIP 是 USD.AI 協議的核心治理代幣,主要負責協調協議的收益分配、貸款利率調整、風險控制以及生態激勵機制。透過 CHIP,USD.AI 將 AI 基礎設施的融資效益與協議治理深度結合,讓代幣持有者能夠參與協議參數決策,並共享協議價值的增長,從而構建出以治理為核心驅動的長期激勵體系。
2026-04-23 10:51:10
Pharos 如何推动 RWA 上链?解析其 RealFi 基础设施逻辑
中級

Pharos 如何推动 RWA 上链?解析其 RealFi 基础设施逻辑

Pharos(PROS)以高效能 Layer1 架構和針對金融場景優化的基礎設施,支援真實世界資產(RWA)上鏈。憑藉並行執行、模組化設計及可擴展的金融功能模組,Pharos 能夠滿足資產發行、交易結算與機構資金流轉等需求,協助真實資產更快速且高效地接入鏈上金融體系。其核心邏輯是透過建構 RealFi 基礎設施,連結傳統資產與鏈上流動性,為 RWA 市場提供更穩定且高效的底層網路支援。
2026-04-29 08:04:57
Pharos 代幣經濟學深度解析:長期激勵機制、稀缺性模型及 RealFi 基礎設施的價值邏輯
新手

Pharos 代幣經濟學深度解析:長期激勵機制、稀缺性模型及 RealFi 基礎設施的價值邏輯

Pharos(PROS)的代幣經濟學以長期激勵、供應稀缺及 RealFi 基礎設施價值捕獲為核心設計理念,目標在於將網路成長與代幣價值緊密綁定。PROS 不僅具備交易手續費與質押等功能,還透過長期釋放機制調控供應節奏,並藉由網路使用需求強化代幣價值的支撐。
2026-04-29 08:00:16
Arweave:用AO電腦捕捉市場機會
新手

Arweave:用AO電腦捕捉市場機會

以點對點網路為例的分散式存儲創建了一個全域、無需信任且不可變的硬碟驅動器。Arweave是該領域的龍頭,提供具有成本效益的解決方案,確保持久性、不變性性和抗審查性性,這對於 NFT 和 dApp 不斷增長的需求至關重要。
2026-04-07 02:31:08
即將到來的AO代幣:可能是鏈上AI代理的終極解決方案
中級

即將到來的AO代幣:可能是鏈上AI代理的終極解決方案

AO建立在Arweave的鏈上存儲之上,實現了無限可擴展的去中心化計算,允許無限數量的進程並行運行。去中心化 AI 代理由AR託管鏈上,並由 AO 鏈上運行。
2026-04-07 00:29:01