电子_格局落定_价值归真_从周期波动走向技术溢价_34页_2mb

报告摘要

存储行业在AI驱动下的价值重构与增长机遇

核心内容

随着人工智能（AI）技术的快速发展，存储行业正经历从传统周期波动向技术溢价和高成长性的转变。AI对存储的需求不再仅限于宏观经济驱动的库存周期，而是由技术发展和商业化应用推动，形成“量价齐升”的局面。存储成为AI算力效率的关键瓶颈，尤其在训练和推理阶段，对HBM（高带宽内存）、SSD（固态硬盘）和企业级存储产品的需求显著增加。

主要观点

AI需求重构增长逻辑：AI带来的不是简单的反弹，而是指数级增长的新需求，存储不再随宏观经济波动，而是成为AI算力效率的核心限制因素。
存储需求分层与技术演进：AI对存储的需求可划分为容纳参数、存放过程数据、数据注入三个维度。存储硬件架构也相应分为HBM、LPDDR、SSD、柜外SSD&HDD四层。
大语言模型推动存储需求：随着模型参数量和上下文长度的指数级增长，存储需求呈现爆发式增长。特别是HBM和SSD在训练与推理阶段扮演关键角色。
技术迭代带来产品升级：HBM3E、LPDDR5X、BiCS 8/9、HBF（高带宽闪存）等技术的突破，推动存储产品向高带宽、高容量、高性价比方向演进。
行业竞争格局：存储行业呈现寡头垄断特征，SK海力士、三星、美光和闪迪等企业处于领先地位。SK海力士在HBM市场占据先发优势，三星在技术追赶中逐步缩小差距。
估值体系重塑：由于存储行业具有高经营杠杆，随着营收和价格同步上升，净利率增速远超营收增速，龙头企业有望享受更高的估值溢价。

关键信息

存储需求分类

冷数据：使用柜外HDD/SSD，主要用于长期存储，如历史模型归档。
温数据：使用柜内SSD，用于中等访问频率的数据存储。
热数据：使用柜内HBM和LPDDR，用于高速计算，如模型参数、KV Cache等。

存储硬件架构

存储类型	主要用途	技术特点
HBM	训练和推理阶段的高带宽存储	高带宽、高密度、3D堆叠+CoWoS封装
LPDDR5X	作为HBM的补充，适用于CPU和GPU	低功耗、低成本、大容量
SSD	快速保存Checkpoint和模型加载	高随机读写性能、耐用性
HDD	成本优势，适用于冷数据存储	存储寿命长、性价比高

AI训练与推理数据流程

训练阶段：模型参数从SSD通过PCIe 6.0流向LPDDR5X，再通过C2C互联传至HBM，GPU训练完成后回传至HBM再写入SSD。
推理阶段：模型从SSD流向LPDDR5X，通过C2C互联传至HBM，GPU处理完成后返回至LPDDR5X并传至交换机。

技术进展与产品优势

美光科技（MU.O）：
- 2025财年营收达373.8亿美元，毛利率达39.8%，净利率达22.8%。
- HBM3E带宽超1.2TB/s，6500 IRON SSD随机写入速度与耐用性优于竞品。
- 聚焦数据中心，剥离ToC业务，专注高价值产品。
闪迪（SNDK.O）：
- 2025财年营收达73.6亿美元，毛利率提升至51.1%，净利润环比增长617%。
- BiCS8技术已占总位元出货量的15%，BiCS9预计堆叠超300层，推出1TB TLC Die。
- HBF方案提供比HBM高出8-16倍的容量，计划2026年下半年推出样品。
SK海力士：
- 2025年营收达68371百万美元，营业利润率达48.6%。
- HBM3E占据英伟达主要份额，NAND通过Solidigm继承Intel技术，受益于AI存储需求。
三星电子：
- 在NAND领域积淀深厚，但在AI专用QLC SSD领域进展较慢。
- 2025年营收达281,781百万美元，营业利润率达19.1%。