第三章 存储 — HBM4、NAND 崛起与八大厂商

3.1 开篇：为什么 AI 需要这么多存储

AI 训练与推理的存储需求差异

HBM 在 AI 芯片中的角色

2026 年,全球内存市场正经历一场史无前例的「超级周期」。Bank of America 将其定义为「类似 1990 年代繁荣期的超级周期」,预测全球 DRAM 营收将年增 51% ,NAND 年增 45% 。Motley Fool 估计 2026 年全球内存市场总规模将达到 8,893 亿美元,其中 DRAM 约 6,187 亿美元、NAND 约 2,706 亿美元(Motley Fool ,2026 年 6 月)。这场超级周期的内核驱动力只有两个字:AI。如果说上一章的 GPU 是 AI 基础设施的「大脑」,那存储就是「血液循环系统」。大脑再强大,如果血液(数据)无法快速供给,算力就只能空转。2026 年的现实是:GPU 的计算能力已经远远超越存储系统的供给能力。NVIDIA Jensen Huang 在 GTC 2026 上的原话是: 「We are memory-bound, not compute-bound. 」(我们受限于内存,而非计算力。) 这句话彻底改变了存储在 AI 投资链中的地位—— 从「配角」升格为「共同主角」。AI 训练和推理对存储的需求,本质上是两种截然不同的工作负载: 训练:一台 AI 训练服务器需要在 GPU 之间高速交换巨量参数。以 NVIDIA Vera Rubin NVL72 为例,单一机柜包含 72 颗 R100 GPU , 每颗 GPU 配备 288GB HBM4 内存,整柜 HBM 容量超过 20TB。模型参数必须在这些 GPU 之间以 TB/s 等级的带宽流动。训练的瓶颈是带宽—— 数据搬运的速度决定了 GPU 的利用率。推理:推理的瓶颈正在从计算转向存储。大语言模型在推理时会生成 KV Cache (Key-Value Cache ),用来保存上下文历史,避免重复计算。一个 100 万 token 上下文的对话,其 KV Cache 可以轻松达到数十 GB。当数百万用户同时使用 AI 服务时,KV Cache 的总容量需求远超 GPU 显存能承载的范围。NVIDIA 在 CES 2026 推出 CMX (Context Memory Extension )平台,正是为了解决这个问题—— 将 KV Cache 从 GPU HBM 卸载到 CPU DRAM 甚至 NVMe SSD 上。举一个具体例子:假设一家公司部署了 1,000 台 AI 推理服务器,每台同时处理 100 个长上下文对话。每个对话的 KV Cache 为 5GB , 那么整个系统需要的 KV Cache 容量就是 1,000 × 100 × 5GB = 500TB。这远超 HBM 能提供的容量,必须依赖 DRAM 和 SSD 构建多级存储架构。HBM (High Bandwidth Memory ,高带宽内存)是 AI GPU 的「血液」。它通过硅穿孔(TSV )技术将多层 DRAM die 堆栈在一起,再通过中介层(interposer )直接与 GPU die 相连,提供远超传统 DDR 的带宽。一组数字就能说明为何「存储永远不够」:

「存储永远不够」的逻辑

AI 服务器的 DRAM 需求是传统服务器的6 至 8 倍。这就是为什么当全球 hyperscaler 同时大建 AI 数据中心时,整个内存产业会出现结构性短缺。这不是一句口号,而是一个可量化的趋势:

• 模型规模指数增长:GPT-4 约 1.8 万亿参数,下一代模型向 10 万亿+ 迈进,参数量每代翻数倍。每个参数在训练时通常以 FP16 或 BF16 格式存储(2 bytes ),10 万亿参数就是 20TB—— 还没算上梯度、优化器状态等中间数据(通常是参数本身的 4-8 倍)
• 上下文窗口急剧扩张:从 4K token 到 1M token 甚至 10M token ,KV Cache 容量需求线性增长。Google Gemini 已支持 2M token 上下文,未来向 10M 甚至无限上下文演进
• 推理量爆发:训练是一次性投资,推理是持续消耗。随着 AI 产品化,推理 FLOPS 正在超过训练。Meta 报告其 AI 推理需求每 6 个月翻一倍
• HBM 占 DRAM 晶圆比例攀升:2026 年 HBM 消耗约 23% 的 DRAM 晶圆产能(2025 年为 19% ),但 1 bit HBM 需要约 3 倍 DDR5 的晶圆面积,挤压了传统内存的供给
• 多模态趋势:从纯文本到图片、视频、3D、音频—— 多模态 AI 模型对存储的需求呈指数级增长。一分钟的高清视频生成可能需要数百 GB 的中间计算存储这意味着:不是只有 HBM 在涨价,连 DDR5 和 NAND 也在被结构性推升。2026 年 Q1 ,DDR5 合约价格季增 90-95% (TrendForce 数据),幅度堪比 2017-2018 年的内存大周期。内存:从周期股到结构性成长上述「存储永远不够」的定性逻辑,正在被最新的量化数据所验证。2026 年 6-7 月的行业分析进一步揭示了内存产业性质的根本转变 —— 它正从传统的「周期性商品」蜕变为 AI 时代的「结构性瓶颈」。AI 数据中心内存需求爆炸根据 MilkRoadAI 引用的行业研究,AI 数据中心对内存的需求正呈

指数级增长:

这是 23 倍的增长—— 在六年间从百亿级跃升至万亿级。这个数字之所以震撼,不只是因为增幅,而是因为它意味着内存将从「数据中心的配件」升格为「数据中心的内核投资项」。内存占数据中心建设成本的比例正在质变 LEAPTRADER_ 引用的行业数据显示了另一个惊人的结构性转变:

• 2021 年:内存占数据中心建设成本约 2%
• 2026 年(预估):内存占数据中心建设成本约 18% 五年间从 2% 飙升至 18%—— 这是 9 倍的占比扩张。更宏观地看, 芯片(内存 + 逻辑芯片合计)现在占数据中心建设支出的约 60% 。这意味着一座 AI 数据中心的成本结构已经彻底改写:过去是「土建和电力为主、芯片为辅」,现在是「芯片吃掉六成预算」。这个数据对投资者的启示极为重要:AI 数据中心的 capex 流向正在从基建转向半导体—— 特别是内存。每一美元 hyperscaler 的 AI 投资中,流向内存厂商的份额在急剧扩大。GPU 95% 的时间在等待数据为什么内存从配角升格为瓶颈?MilkRoadAI 的分析给出了一个极其

GPU 超过 95% 的时间在等待数据,而非计算。

3.2 HBM :AI 芯片的「血液」 HBM 技术演进：从 HBM2 到 HBM4

直观的答案: 这个数字揭示了当前 AI 基础设施最大的效率黑洞。一颗价值数万美元的 GPU ,其算力在绝大多数时间里是空转的—— 因为内存带宽无法喂饱它。这正是 HBM 带宽如此关键的根本原因,也解释了为什么 NVIDIA Jensen Huang 会说「We are memory-bound」。从这三组数据中,我们可以得出一个清晰的结论:内存已不再是周期性商品,而是 AI 时代的结构性瓶颈。它的需求增长不再取决于 PC 和手机的换机周期,而是与 AI 算力的指数级扩张深度绑定。这意味着内存产业的长期估值框架需要从「周期股」(低 P/E 倍数、高波动)向「成长股」(更高 P/E、更稳定的需求基础)迁移—— 虽然这个迁移不是线性的,周期性波动仍会存在,但波动的底部和均值都在系统性擡升。HBM 的进化是一部带宽和容量的持续飙升史。要理解为什么 HBM 如此重要,首先要理解传统 DDR 内存的局限。传统 DDR5 通过 PCB 走线与 CPU/GPU 相连,受限于走线长度和信号完整性,带宽上限约为每信道 6.4 Gbps。即使是 8 信道 DDR5 配置,总带宽也不过~400 GB/s。对于 AI 加速器所需的数万亿次/秒浮点运算来说,这个带宽就像用一根吸管给泳池注水。HBM 的解决方案是「向上堆栈」:通过 TSV (硅穿孔)技术在垂直方向打通数千个微小信道,将多层 DRAM die 堆栈成一个紧凑的立方体,再通过硅中介层与 GPU die 直接相连。这种「近记忆计算」 (near-memory computing )架构将通信距离从厘米级压缩到毫米级,同时将并行信道数从几十个扩展到数千个。结果是:带宽跃升一到两个数量级。

HBM3E 规格：当前主力

每一代 HBM 的带宽提升约 50-100% ,容量翻倍,而价格也随之水涨船高。截至 2026 年 6 月,HBM3E 单组约$300 (36GB ), HBM4 单组预计约$500 (48GB )(Silicon Analysts ,2026 年 6 月数据)。从投资角度看,HBM 的经济效益惊人:生产 1 bit HBM 需要约 3 倍 DDR5 的晶圆面积(因为 TSV 制程、微凸块、良率损失等),但每晶圆营收是 DDR5 的 3-5 倍。这意味着内存厂每多生产一片 HBM 晶圆,就能多赚数倍的利润—— 前提是良率达标。HBM 需求量的增长同样惊人。2025 年 HBM 需求年增 130% , 2026 年预计再增 70% 。HBM 占全球 DRAM 晶圆产能的比例已从 2024 年的约 12% 攀升至 2026 年的 23% (DRAMWatch 数据)。按此趋势,到 2028 年 HBM 市场规模可能超过 2024 年整个 DRAM 市场。HBM3E 是 2024-2025 年 AI 加速器的主力配置:

• 带宽:每组约 1.17 TB/s ,8 组合计约 9.4 TB/s
• 容量:12 层堆栈达 36GB ,5 组合计 180GB (如 NVIDIA B200 )
• 功耗:相比 HBM3 降低约 20% 功耗/bit

HBM4 的技术突破：架构性变革

• 制程:基于 1β 或 1γ nm DRAM 工艺 SK Hynix 是 HBM3E 的绝对领导者,率先量产并拿下 NVIDIA 绝大部分供应合约。Micron 紧随其后,Samsung 则因良率问题掉队。HBM4 不是 HBM3E 的渐进式升级,而是一次架构性断裂(structural break )。内核变化:HBM4 重新定义了内存与 GPU 的物理连接方式—— 从「并排放置在中介层上」向「更紧密的异构集成」演进。HBM4 采用全新的逻辑底层(logic base die ),由 GPU 客户(如 NVIDIA )定义接口规格,内存厂商负责制造上方的 DRAM 堆栈层。

规格跃升:

• 带宽:单组 1.65 TB/s 以上,NVIDIA R100 配备 8 组 HBM4 ,总带宽达 22 TB/s
• 容量:12 层堆栈 36GB ,路线图规划 16 层达 48GB
• 总量:NVIDIA R100 单 GPU 配备 288GB HBM4

量产时程:

• 2026 年 2 月:Samsung 宣布业界首家量产 HBM4 并出货(Samsung 官方公告,2026 年 2 月 12 日)
• 2026 年 Q1 :Micron 宣布 HBM4 量产出货,设计用于 NVIDIA Vera Rubin (Micron 官方公告,2026 年 3 月)

为什么 HBM 规格定义权从内存厂转到 GPU 客户手里

• 2026 年 Q3 :SK Hynix 预计量产出货(因接口同步问题延迟) HBM4E 已在路上:Samsung 于 2026 年 5 月 29 日宣布向全球客户出货业界首批 12 层 HBM4E 样品,带宽达 3.6 TB/s (Samsung 官方公告,2026 年 5 月 29 日)。值得注意的是,HBM4 的量产竞赛出现了戏剧性反转。在 HBM3E 时代,SK Hynix 遥遥领先,Samsung 因品质认证问题被 NVIDIA 拒于门外。但在 HBM4 世代,Samsung 押注了一个大胆策略:利用自家 4nm Foundry 制造逻辑底层,抢先完成认证,最终成为 HBM4 首发量产厂商。而 SK Hynix 因为接口同步问题(interface sync issues )被迫推迟到 Q3 ,全年 HBM4 出货量下修 20-30% 。这个反转告诉我们一个重要的投资启示:在技术代际转换点,领先者不一定能保持领先。每一代 HBM 的架构变化都可能重新洗牌竞争格局。这是 HBM4 时代最深刻的产业结构转变。传统模式:内存厂(SK Hynix、Samsung、Micron )定义 JEDEC 标准规格,GPU 厂商按规格采购。内存是「通用零件」,定价权在供给端。HBM4 模式:NVIDIA 定义逻辑底层接口规格和物理参数,内存厂负责在此基础上制造 DRAM 堆栈。规格定义权从内存厂转移到 GPU 客户手中。为什么会这样?
• HBM4 的逻辑底层需要与 GPU 交互逻辑深度绑定:新架构下,GPU 和 HBM 之间的物理接口变成了客制化设计,不再是标准化接口
• NVIDIA 的议价能力碾压式增长:NVIDIA 占全球 AI 加速器 90%+ 市场,是 HBM 最大单一客户。SK Hynix 61% 的 HBM 出货给 NVIDIA ,Samsung 和 Micron 也以 NVIDIA 认证为最高优先

3.3 HBM 市场格局：三巨头 SK Hynix :HBM 霸主

• 内存厂沦为「代工运行者」:虽然 DRAM 制造仍是高壁垒,但规格主导权的丧失意味着利润分配将向 GPU 端倾斜投资启示:HBM 仍是印钞机(每晶圆营收 3-5 倍 DDR5 ),但长期来看,内存厂在 HBM4 时代的议价能力可能不如 HBM3E 时代。用一个通俗的模拟:HBM3E 时代,内存厂像是「房东」—— 我有房你必须租,价格我说了算。HBM4 时代,内存厂像是「建筑承包商」—— 图纸你画,我来施工,虽然施工费不低,但设计费(利润大头)被建筑师(NVIDIA )拿走了。这对估值有何影响?短期内(2026-2027 ),由于供不应求,内存厂仍能享受超额利润。但如果我们用 DCF 模型看长期(2028 年以后),终态毛利率的假设可能需要下调 5-10 个百分点。投资者需要在「短期暴利」和「长期利润率压缩」之间找到平衡。市场份额:截至 2025 年 Q4 ,SK Hynix 占全球 HBM 市场约 57- 61% 的收入份额(Counterpoint Research / Reuters 数据)。2026 年 6 月 22 日,SK Hynix 市值超越 Samsung ,成为韩国最有价值上市公司—— 这是自 2000 年以来的首次,直接由 HBM 霸主地位驱动。财务表现(截至撰稿时的最新数据,最终数字以公司官方财报为准):
• 2026 年 Q1 (FY26 1Q )营收约 50 兆韩元以上,年增近三倍
• 营业利润创历史新高,营业利润率约 72%

Samsung :奋起直追

• HBM 需求持续推动利润率上行技术领先:SK Hynix 是 HBM3E 量产的先行者,拿下 NVIDIA Blackwell 平台的主要供应合约。但在 HBM4 上出现转折—— 因接口同步问题,SK Hynix 的 HBM4 量产推迟到 2026 年 Q3 ,被 Samsung 抢先。战略选择:面对 HBM4 延迟,SK Hynix 将部分产能转向 DDR5/LPDDR5 (利润率同样极高),全年 HBM4 出货量大幅下修。TrendForce 报导 SK Hynix 今年 HBM4 出货削减 20-30% 。SK Hynix 的策略是典型的「不追首发,追量产稳定性」。在 HBM3E 时代,SK Hynix 靠的就是良率优势—— 当 Samsung 还在挣扎于品质认证时,SK Hynix 已经大规模稳定出货。预期 SK Hynix 在 HBM4 上也会采取同样路线:一旦解决接口问题开始出货,放量速度会远超竞争对手。此外,SK Hynix 正在进行美国 Nasdaq ADR 上市(截至撰稿时预计 2026 年 7 月 10 日左右开始交易,筹资规模约$294-296 亿美元),这将为公司打开美国资本市场的直接信道,吸引全球更广泛的投资者基础。市值:约 2,082 兆韩元(约$1.35 万亿美元),2026 年年初至今涨幅超过 340% 。股价快照:000660.KS ,约₩2,917,000 (2026 年 6 月 25 日) 市场份额:2025 年 Q4 约 17-22% (各数据口径不同, Counterpoint 为 22% ,Reuters 为 17% )。Samsung 在 HBM3E 时代落后明显,品质认证延迟、出货量受限。HBM4 逆袭:
• 2026 年 2 月:业界首家量产 HBM4 并商业出货
• 2026 年 5 月:业界首家出货 HBM4E 样品

Micron (MU) :后来居上的黑马

• HBM4 上市四个月,营收即突破 10 亿美元 (TechTimes ,2026 年 6 月 24 日) 良率问题:Samsung 的内核挑战。2026 年 4 月,其 1c DRAM (用于 HBM4 )良率估计仍低于 60% ,目标推升至 80% (Chosun Biz 报导)。相比 SK Hynix 的良率优势,Samsung 仍有明显差距。但 Samsung 选择了「先量产、后优化」策略,抢占 HBM4 首发位置。战略:Samsung 正将半数产能优先分配给 HBM4 ,试图在 HBM4/HBM4E 世代扭转局面。其 4nm 逻辑制程优势(自家 Foundry )可能在集成逻辑底层设计上带来差异化。Samsung 的投资逻辑在于「困境反转」(turnaround )。如果 Samsung 能在 HBM4 世代真正解决良率问题,其 DRAM 份额第一 (38% )的制造规模将转化为巨大的 HBM 产能优势。2026 年 6 月之前,Samsung 的 HBM4 已实现超过 10 亿美元营收,增速远超历史上任何新一代内存产品。但需要警惕的是:Samsung 的「困境反转」叙事已经持续了两年,良率数据至今仍落后 SK Hynix。投资者需要看到持续的季度出货量增长才能确认反转成功。另外值得关注的是 2026 年 5 月 Samsung 工会险些发起罢工的事件—— 虽然最终达成协议,但凸显了 Samsung 内部管理层与员工之间的张力,这在人力密集的半导体制造业中是潜在风险因素。市值:约 2,081 兆韩元,虽然也大涨 491% ,但已被 SK Hynix 超越。股价快照:005930.KS ,约₩340,000 (2026 年 6 月) 市场份额:从 2024 年 Q4 的 9% 飙升至 2025 年 Q4 的 21% (Forbes ,2026 年 4 月)。Micron 在 HBM3E 世代超越 Samsung 拿下第二位,这本身就是一个重大转折。

财务爆发:

• FY26 Q3 (截至 2026 年 5 月)营收$41.5B ,年增 346% (同期去年$9.3B )
• Non-GAAP 毛利率 84.9%
• EPS $25.11
• Q4 指引:营收$50B (±$1B ),再创新高 HBM4 进展:2026 年 Q1 开始 HBM4 量产出货,设计用于 NVIDIA Vera Rubin 平台(Micron 官方公告,2026 年 3 月)。从利润角度看,Micron 经历了 2023-2024 年的利润收缩后迎来强劲爆发:2026 年 Q1 净利润达$38 亿,全年预期显著拉高—— 印证了 AI 存储(HBM、企业级 SSD )量价齐升的逻辑。(数据来源: Leverage Shares、MarketScreener 预测) 市场地位:MarketBeat 报导 HBM 市场已全面售罄(sold out ),新增供给要到 2028 年才能有效缓解。Micron 正在超额需求和涨价中享受超高速增长。多家券商将目标价上调至$1,400-$2,000。Micron 的崛起故事是 AI 存储投资中最有教育意义的案例。2023 年,Micron 在 HBM 市场份额几乎为零。2024 年 Q4 达到 9% 。2025 年 Q4 飙升至 21%—— 超越 Samsung 拿下第二。这种份额扩张速度,在成熟的寡占市场中极为罕见。Micron 成功的关键在于:(1 )技术路线对了—— 早早押注 HBM3E 12 层堆栈;(2 )运行力强—— 良率爬坡速度超预期;(3 )抓住了 Samsung 掉队的窗口期——NVIDIA 需要第二供应商,Micron 顺势补位。值得注意的是 Micron 的营收增长曲线:FY26 Q3 营收$41.5B ,一年前同期仅$9.3B ,这是346% 的年增长。Q4 指引$50B 意味着环比仍在加速。用 MU CEO Sanjay Mehrotra 的话说:「We are in the early innings of a multi-year growth cycle. 」(我们处在多年增长周期的早期阶段。) 股价快照:MU ,约$1,180 (2026 年 6 月 25 日盘后涨 15% 至 $1,180 )。市值约$1.37 万亿。

各家的 HBM 产能规划与资本开支

内存产业的资本开支节奏是理解周期的关键。2022-2023 年的暴跌让三巨头大幅削减 capex ,2024 年开始恢复,2025-2026 年加速 —— 但增加的投资主要流向 HBM 和先进制程,而非通用 DRAM 产能。

大规模投资承诺：产业的信心锚定

3.4 NAND :从配角到主角为什么 NAND 在 AI 时代重要性上升

AI 推理的 KV Cache 需要大量高速存储

Tom's Hardware 指出,SK Hynix 和 Samsung 的产能差距预计将从 2025 年的 23% 缩小到 2028 年的 10% 以下。值得注意的是,Micron 在 2026 年 6 月公布了 16 份战略客户长期协议,锁定了未来数年的需求可见性。这种「长约+ 预付款」模式是 AI 存储时代的新常态—— 客户愿意提前锁定产能,因为断供的代价 (整条 GPU 产线停摆)远大于预付的溢价。这对内存厂的营收稳定性和估值倍数都是正面因素。2026 年 6-7 月的最新报导进一步彰显了内存产业的投资决心: 韩国内存的十年大赌注 LongArcNews 及韩国产业报导显示,Samsung 和 SK 海力士已宣布合计约 $4,000 亿至 $1.3 万亿的十年期投资计划,涵盖新晶圆厂、先进封装、NAND 产能扩张,以及自建 AI 数据中心。这个金额相当于韩国 GDP 的相当比例—— 它不仅是商业决策,更是一个国家级的产业战略押注。对投资者而言,这些超大规模长期投资计划传递的信号是明确的:内存三巨头(至少是韩国两家)坚信 AI 驱动的内存需求将持续 10 年以上。这种「用真金白银投票」的信心,比任何分析师报告都更有说服力。Micron 的 take-or-pay 合约:锁定确定性 MilkRoadMacro 报导,Micron 已锁定约 $1,000 亿的 take-or-pay 合约,并已收取约 $20 亿的预收现金。Take-or-pay 合约的含义是:客户(主要是 hyperscaler )承诺购买指定数量的内存,即使最终需求低于预期也必须付款。这种合约结构极大降低了 Micron 的营收下行风险,同时锁定了未来数年的产能利用率。$20 亿的预收现金更是实打实的资金入账—— 相当于客户提前为「未来的内存」付费。结合 SK Hynix/Samsung 的十年投资计划和 Micron 的 take-or-pay 合约,我们可以看到整个 HBM/DRAM 产业正在经历一个根本性的商业模式升级:从过去的「生产→等订单→博弈价格」转向「长约锁定→预收现金→确定性投产」。这种模式转型对内存股的估值方法论有深刻影响—— 更稳定的营收基础支撑更高的估值倍数。过去,NAND Flash 在 AI 基础设施中的角色是「数据仓库」—— 存放训练数据集和模型 checkpoint。重要但不紧急,跟 GPU 和 HBM 比起来是配角。2026 年,NAND 正在从配角升格为内核基础设施。原因只有一个:推理。要理解这个转变,需要先理解 AI 产业的商业模式转型。2023-2024 年,AI 的主战场是训练—— 比的是谁的模型更大、更强。但到了 2025-2026 年,主战场已经转移到推理—— 比的是谁能以更低成本、更低延迟服务更多用户。训练是一次性投资(虽然金额巨大),但推理是持续性消耗。当 ChatGPT 有数亿用户同时使用,每一次对话都在消耗推理资源。推理的经济学决定了存储的新角色:推理的成本结构中,GPU (和 HBM )的成本占主导。如果能将部分数据从昂贵的 HBM 卸载到相对便宜的 SSD 上,同时不显著影响延迟,那推理的每 token 成本就能大幅下降。这正是 NVIDIA CMX 平台的内核经济逻辑。让我们具体拆解推理的存储需求:

• KV Cache 的爆炸性增长:Transformer 模型在推理时,每生成一个 token 都会将其 Key 和 Value 矢量存入 KV Cache , 供后续 token 复用。上下文越长,KV Cache 越大。一个 100 万 token 上下文的大模型,KV Cache 可能达到数十 GB。乘以数千个同时进行的推理请求,KV Cache 的总容量需求可达 PB 级。
• 三级存储架构的确立:NVIDIA 在 CES 2026 推出的 CMX (Context Memory Extension )平台,明确定义了推理的三级存

○

○

○

储层次: 第一级:GPU HBM — 最活跃的 KV Cache ,带宽最高但容量最小第二级:CPU DRAM — 中等活跃度的 KV Cache 第三级:NVMe SSD — 历史 KV Cache 和非活跃上下文

• NVIDIA 称 CMX 可将推理吞吐量提升 5 倍、能效提升 5 倍(相比传统存储方案)。

SSD 在数据中心的渗透率

• KV Cache 的工作负载特性:KV Cache 对 SSD 的要求与传统存储截然不同—— 高频随机读写、低延迟、持续并发。这推动了专门为 KV Cache 优化的企业级 SSD 需求爆发。Counterpoint Research 报导,全球 NAND 市场在 2026 年 Q1 创下历史记录的$46B 营收,AI 需求是主要驱动力。Kioxia 在 2026 年 2 月的财报中确认:2026 年 NAND 产能已全部预订完毕(fully booked )。SSD 在 AI 数据中心的角色正在经历质变:
• 数据湖存储:训练数据集、模型 checkpoints
• 推理上下文存储:KV Cache 卸载(CMX 平台)

NAND 价格周期与供需

• 模型服务:大模型的快速加载和分发 NVIDIA CMX 平台的推出是 NAND 升格为 AI 内核组件的标志性事件。CMX 使用 BlueField-4 DPU 管理 GPU HBM → CPU DRAM → NVMe SSD 三级 KV Cache 层次结构,让 GPU 永远不需要等待存储 I/O。NVIDIA 声称 CMX 相比传统存储架构可提供 5 倍推理吞吐量和 5 倍能效提升。这意味着每一台 AI 推理服务器都需要大量高性能 NVMe SSD。不是普通的消费级 SSD ,而是专为 KV Cache 工作负载设计的企业级产品 —— 高耐久度(high endurance )、低延迟(low latency )、高随机 IOPS。这类产品的单价和利润率远高于消费级 SSD。2026 年的 NAND 市场呈现与 DRAM 类似的结构性紧张:
• 三大厂将产能优先分配给高利润 AI 相关产品(企业级 SSD、eSSD )
• TrendForce 预测 2026 年 Q1 NAND 合约价格上涨 45- 60%
• 供给增长有限(添加 fab 主要为 YMTC ,主流厂扩产保守)
• 需求端:AI 推理 + 消费电子 + 数据中心的三重拉动 NAND 的投资逻辑与 DRAM 有一个关键差异:NAND 的供给集中度较低(前五大厂各占 15-25% ,不像 DRAM 的三巨头占 92% ),这意味着 NAND 的涨价幅度通常不如 DRAM 极端,但持续时间可能更长。另一个重要趋势是 NAND 的技术升级路径。与 DRAM 通过缩小制程节点不同,NAND 主要通过增加堆栈层数来提升容量—— 从 64 层到 128 层到 232 层再到 300+ 层。每一代堆栈技术的良率挑战都限制了产能的快速扩张。2026 年最先进的 NAND 已达 300+ 层堆栈,但这种超高层堆栈的良率问题同样制约着供给增长。

3.5 八大存储厂商全景 SanDisk (SNDK)

KIOXIA (285A.T ,前东芝存储)

背景:2025 年 2 月从 Western Digital 分拆上市,成为独立的 NAND Flash/SSD 公司。首日开盘价约$36。暴涨:截至 2026 年 6 月,SanDisk 股价飙升至约$2,090 ,涨幅超过 5,700% 。市值突破$310B。这是 AI 存储概念最极端的演绎—— 纯 NAND/SSD 公司在 AI 推理需求爆发中被重新定价。基本面:作为全球最大 NAND Flash 品牌之一,SanDisk 直接受益于 AI 数据中心 eSSD 需求的指数增长。2026 年 NAND 全面售罄的环境下,定价权强劲。SanDisk 的估值飙升反映了市场对「纯 NAND AI 概念股」的极度渴望。在分拆前,SanDisk 的 NAND 业务被 WDC 的 HDD 业务「拖累」—— 两者的周期不同步、客户群不同、估值逻辑不同。分拆后, SanDisk 作为纯粹的 NAND/SSD 公司,其营收与 AI 推理存储需求直接挂钩,获得了远高于 WDC 时代的估值倍数。然而,需要清醒认识到:$310B 市值的 SanDisk 已经隐含了极其乐观的长期增长预期。任何 NAND 价格周期的反转,都可能导致股价剧烈回调。这不是一个适合大规模配置的内核持仓,而是一个高赔率但高风险的卫星仓位。股价快照:SNDK ,约$2,090 (2026 年 6 月 24 日) 背景:2024 年底在东京证交所 IPO (股票代码 285A.T )。原为东芝内存事业部,是全球第二大 NAND Flash 制造商。财务:

• FY2025 (截至 2026 年 3 月)全年营收¥2.34 兆日元,年增 37%
• FY25 Q4 (2026 年 1-3 月)营收¥1.003 兆日元,季增 84.5%
• 营业利润创历史新高:¥876.2B

Seagate (STX) :HDD 在冷存储中的角色

• 2026 年 NAND 产能全部预订完毕 AI 布局:Kioxia 正在积极开发企业级 SSD 产品线,直接对接 hyperscaler 的 AI 推理存储需求。其与 Western Digital 的 NAND 制造联盟提供产能保障。Kioxia 的竞争优势在于其与 WDC 共同运营的日本四日市和北上工厂 —— 这是全球最先进的 NAND 制造基地之一。虽然 Kioxia 在消费品牌认知度上不及 Samsung 或 SanDisk ,但在企业级 SSD 市场, Kioxia 的技术实力和产能规模使其成为 hyperscaler (如 Google、Microsoft、Amazon )的内核供应商。2026 年,随着 AI 推理对 eSSD 的需求爆发,Kioxia 的订单能见度和定价能力都处于历史最佳状态。Kioxia 还在考虑美国双重上市(2026 年 5 月报导),这将提升其在全球资本市场的能见度和流动性。估值:IPO 以来涨幅超过 6,000% (TradingView 数据)。分析师目标价约¥98,000。股价快照:285A.T ,约¥81,200-108,600 (2026 年 6 月,波动较大) 逻辑:AI 生成的数据量是天文数字。不是所有数据都需要 SSD 的速度—— 训练数据集、日志、备份、归档数据等「冷存储」需求仍然庞大,而 HDD 在每 TB 成本上仍有 5-10 倍的优势。

财务爆发:

• FY26 Q3 (截至 2026 年 4 月)营收$3.11B ,年增 44%
• Non-GAAP 毛利率 47% (历史新高)
• Q4 指引:营收$3.45B ,EPS 约$5.00
• 全年营收$11.01B (截至 2026 年 3 月),年增 29%

Western Digital (WDC)

• 分析师预期今年盈利增长 84.3% ,明年 85.7% AI 角色:Cloud 营收占比超过 89% ,hyperscaler 对大容量 nearline HDD 的需求持续强劲。Seagate 的 HAMR (热辅助磁记录)技术将单碟容量推升至 30TB+ ,能效和资本效率优势明显。一个常见的误解是「AI 时代 HDD 会被淘汰」。事实恰恰相反:AI 产生的数据量是天文数字—— 每次训练的 checkpoint、每个用户的对话记录、每个模型的版本历史—— 这些「温数据」和「冷数据」需要低成本的大容量存储。HDD 每 TB 成本仍然只有 SSD 的 1/5 到 1/10。对于 hyperscaler 而言,一座大型 AI 数据中心可能需要数百 EB 的存储容量,如果全用 SSD ,成本将是天文数字。Seagate CEO Dave Mosley 在 Q3 财报电话会议中表示:AI 不是在减少 HDD 需求,而是在创造一个全新的存储需求层—— 一个比以往任何时候都更大的存储需求层。股价快照:STX ,约$1,025 (2026 年 6 月 25 日)。年初至今涨幅超过 700% 。历史高点$1,145 (2026 年 6 月 18 日)。背景:2025 年 2 月完成分拆,SanDisk 独立后,WDC 成为以 HDD 为主的公司(同时保留部分企业级 SSD 业务)。

财务:

• FY26 Q3 营收$3.3B ,年增 45%
• Cloud 营收$3.0B ,占比 89% ,年增 48%

中国存储：长江存储（YMTC）与长鑫存储 (CXMT)

• 毛利率 50.5% (历史新高) 定位:与 Seagate 类似,WDC 在 AI 数据中心冷存储/温存储领域占据内核位置。大容量 nearline HDD 是 AI 数据湖的底座。分拆后的 WDC 专注度大幅提升—— 不再需要同时管理消费级 SSD 和企业级 HDD 两条截然不同的产品线。管理层可以将全部精力投入数据中心 HDD 的技术升级和客户服务。分拆前,华尔街常抱怨 WDC 是一个「被打折的 conglomerate」;分拆后,WDC 和 SanDisk 各自的估值倍数都大幅提升,验证了「分拆释放价值」的经典逻辑。股价快照:WDC ,约$586-648 (2026 年 6 月,近期波动较大)。年初至今涨幅超过 240% 。这是全球内存格局中最值得关注的变量。长鑫存储(CXMT ):
• 2026 年 Q1 营收 508 亿人民币(约$75 亿),年增 719% (IPO 招股书披露)
• 净利润 330 亿人民币
• 全球 DRAM 市场份额从 2025 年 Q1 的 3% 跃升至 2026 年 Q1 的 8% (Counterpoint Research )
• 正在筹备科创板 IPO
• 技术上仍落后三巨头约三年,但进步速度惊人
• 产品线:DDR5、LPDDR5 ,尚未涉足 HBM 长江存储(YMTC ):
• 全球 NAND 份额从 2025 年 Q1 的 8% 增至 2026 年 Q1 的 13% (Counterpoint Research )
• 2026 年下半年计划在武汉新厂大规模扩产
• 已在 Computex 2026 展出 PCIe 5.0 SSD
• 正向韩国、新加坡等亚洲市场扩张
• 同样在筹备 IPO

投资含义:

• 对三巨头的威胁:CXMT 和 YMTC 主攻通用 DRAM 和消费级 NAND ,压低商品化内存价格
• 三巨头的应对:将产能「向上移」—— 专注 HBM、eSSD 等高附加值产品,放弃低端市场份额
• 地缘因素:美国制裁限制 CXMT 和 YMTC 获取先进设备,但两家公司仍在现有设备基础上实现了惊人扩张从战略视角看,中国存储的崛起反而加速了三巨头「向高端迁移」的决心。Samsung、SK Hynix 不需要与 CXMT 在 DDR5 商品市场打价格战—— 它们可以将晶圆投入利润率高数倍的 HBM。中国存储填补低端空缺,三巨头吃高端溢价,形成一种「各得其所」的新均衡。但长期风险在于:如果 CXMT 最终突破 HBM 技术壁垒(目前尚未涉足),或 YMTC 开始在企业级 SSD 市场与 Kioxia 直接竞争,那三巨头的高端护城河将受到侵蚀。这是一个 3-5 年维度的风险因素,短期内尚不构成威胁,但值得持续追踪。

3.6 DRAM 的超级周期 AI 服务器 DRAM 需求量是传统服务器的 6-8 倍

让我们量化这个需求差距:

• 传统服务器:512GB-1TB DDR4/DDR5
• AI 训练服务器(如 NVIDIA DGX ):2-4TB DDR5 + 数百 GB HBM

DDR5 渗透率

• AI 推理服务器:1-2TB DDR5 + HBM + 大容量 NVMe SSD 这个 6-8 倍的差异如何转化为市场需求?假设 2026 年全球 hyperscaler 添加部署 50 万台 AI 服务器(保守估计),每台配置 4TB DDR5 ,那仅此一项就需要 2EB 的 DDR5 DRAM。而全球 DDR5 年产量在供给受限的环境下,远不能同时满足 AI 服务器、传统服务器、PC 和手机的需求。更关键的是,1 bit HBM 消耗的晶圆面积是 DDR5 的 3 倍。当三大厂将越来越多晶圆投入 HBM 生产时,DDR5 的供给被机械性压缩。这是一个「零和博弈」—— 同一片晶圆,做了 HBM 就做不了 DDR5。三巨头做出了理性选择:HBM 每晶圆利润 3-5 倍 DDR5 , 当然优先生产 HBM。结果就是 DDR5 成了「被牺牲的那个」。Bank of America 预测 2026 年全球 DRAM 营收将飙增 51% 。IDC 则预测 DRAM 营收将接近$4,190 亿美元。这两个数字的差异来自口径不同(IDC 包含更广泛的内存产品),但方向一致:这是有史以来最大规模的内存需求浪潮。把这些数字放在历史脉络中:2023 年全球 DRAM 营收仅约$480 亿 (因为暴跌),2024 年恢复到约$900 亿,2025 年飙升至$1,500 亿+ ,2026 年预计$4,000 亿+ 。三年内增长近 10 倍—— 这在半导体历史上前所未有。即使是 2017-2018 年的超级周期,DRAM 年营收也不过从$720 亿增长到$1,000 亿(约 40% 增幅)。这次的规模完全不同。这意味着 DRAM 产业正在从「周期性商品」向「结构性成长」转型。过去投资内存的内核风险是「周期见顶暴跌」,但如果 AI 需求的增速确实在 100%+ 的水平上持续数年,那下行风险的幅度和概率都在降低。当然,风险永远不会消失—— 但风险/回报比在这个阶段仍然有利。DDR5 已成为新一代服务器平台的绝对标准:
• 2026 年企业/服务器领域 DDR5 渗透率接近 100% (新出货平台)
• 消费端因价格高企(32GB 套装从 2025 年低点$95 飙升至 2026 年 Q2 的$550-600 ),升级步伐放缓

DRAM 价格走势与展望

• DDR4 出现「价格倒挂」—— 因停产供给萎缩,部分配置的 DDR4 价格竟高于 DDR5 这种结构性扭曲正是超级周期的典型特征:所有东西都在涨,连过时技术都因稀缺而涨价。对消费者而言,这是痛苦的。一台普通游戏 PC 的内存成本从 2025 年的$95 飙升至$550+ 。Windows 10 停止支持带来的换机潮又加剧了消费端 DDR5 需求。但对投资者而言,消费端的「被动需求」是 DRAM 涨价周期的额外加速器—— 它意味着即使 AI 需求增长放缓, 消费端的补库存需求仍能支撑价格。从产业链角度看,DDR5 RDIMM (服务器用带缓冲内存模块)的供需最为紧张。AI 服务器使用的是高密度 RDIMM/LRDIMM ,这些产品的制造良率要求更高、产能更受限。即使是在消费级 DDR5 供给有所改善的情况下,服务器级 DDR5 仍可能持续紧张。

产能扩张 vs 需求增长

Counterpoint Research 指出,DRAM 价格年初至今已上涨约 50% , 预计 Q4 再涨 30% 、2027 年初再涨 20% 。DRAM 供给年增仅 16% ,远低于历史平均水平。为什么内存厂不大幅扩产?

• 产业教训:2022-2023 年的暴跌让所有厂商记忆犹新。Samsung 在 2022 年逆周期扩产导致巨额亏损,整个产业因此变得极度保守
• HBM 挤压效应:扩产的晶圆大量投入 HBM (高利润), DDR5 和 NAND 的有效供给增长被压制
• 资本支出循环:新 DRAM fab 从动土到量产需要 2-3 年, 2024-2025 年决定的扩产要到 2027 年才能产出

3.7 存储的供应链瓶颈 HBM 对 CoWoS 封装的依赖

• 理性寡占:三巨头占 DRAM 市场约 92% 份额(加上 CXMT 的 8% ),寡占格局下没有人有动力打破高价均衡结论:这轮超级周期至少持续到 2027 年。添加供给的实质性缓解要等到 2028 年。一个有趣的历史模拟:2017-2018 年的 DRAM 超级周期持续了约 6 个季度,期间 DRAM 价格翻倍、三巨头利润率飙升至历史高点。但那次的需求驱动是智能手机和服务器的温和增长,需求增速约 20- 30% 。而这次的 AI 驱动需求增速高达 100-200% ,同时供给端更加保守(三巨头学了教训)。因此,这轮周期的持续时间和幅度大概率会超过 2017-2018 年。对投资者而言,「周期顶部在哪里」是最重要的问题。我的判断是:看三个领先指针—— (1 )HBM 供需缺口何时收窄至 5% 以下; (2 )三巨头何时宣布大规模新建 fab 动工;(3 )NVIDIA 资本开支指引何时低于预期。截至 2026 年 6 月,这三个条件均未触发。HBM 不是独立产品—— 它必须与 GPU 一起封装在 TSMC 的 CoWoS (Chip on Wafer on Substrate )中介层上。这意味着: 即使内存厂生产了足够的 HBM die ,也可能因为 CoWoS 产能不足而无法交付成品。2026 年的 CoWoS 现况:
• TSMC 正在将 CoWoS 产能年内翻倍
• 但预约排期(booking window )长达 52-78 周
• 供需缺口从年初约 20% 预计收窄至年底 10% (经济日报引用法人数据)
• NVIDIA 一家就预订了约 60% 的 CoWoS 产能

存储芯片的制造周期

• AMD、Broadcom 等其他客户在剩余产能中竞争投资启示:HBM 的有效产出不只取决于内存厂的 die 产能,更取决于 TSMC 的 CoWoS 瓶颈。这是一个「串联瓶颈」—— 最窄的那段决定整体流量。对于投资者而言,这意味着即使 SK Hynix 或 Micron 宣布「HBM die 产能翻倍」,实际可交付的成品也取决于 TSMC 能封装多少。这也是为什么 NVIDIA Jensen Huang 在 GTC 2026 上宣布三家内存厂商「all three are in production」(三家都在生产中)时,市场关注的焦点反而是 TSMC 的 CoWoS 扩产进度。延伸投资标的:TSMC (TSM) 虽然是代工厂,但其 CoWoS 产能是 AI 硬件(GPU + HBM )的终极瓶颈。每一颗 AI GPU 的诞生都需要经过 TSMC 的先进封装线,这让 TSMC 成为存储投资主题下的隐性受益者。内存产业的一个反直觉事实:DRAM 是所有半导体中制造周期最长的之一。
• DRAM die 从投片到出货:10-14 周
• HBM 堆栈(TSV + 微凸块 + 测试):额外 4-6 周
• CoWoS 封装(与 GPU 集成):额外 4-6 周

良率问题

• HBM 从原料到交付 GPU 客户:约 5-6 个月这意味着如果今天突然加单,最快也要半年后才能交货。在需求持续超预期的环境下,供给永远慢一拍。这个时间滞后效应对投资者有重要启示:当你在新闻中读到「某厂宣布扩产 HBM」时,这些添加产能要到 18-24 个月后才会反映在营收中 (包括建厂+ 装机+ 试产+ 良率爬坡+ 量产的全过程)。反过来说, 当你看到「HBM 需求超预期」的新闻时,供给端在至少 6 个月内无法响应。这种长周期特性创造了持续的超额利润窗口。从另一个角度看,这也解释了为什么内存是一门「反身性」 (reflexivity )很强的生意:涨价时,所有人都想多买(怕断货),需求被放大;跌价时,所有人都想少买(等更便宜),需求被抑制。这种正反馈循环让内存的周期波动远大于其他半导体品类。良率是内存产业的命脉,尤其在 HBM 这种「堆栈越多、良率越低」的产品上。Samsung 的 HBM 良率困境:
• HBM4 的 1c DRAM 良率估计低于 60% (2026 年 4 月,Chosun Biz )
• 目标提升至 80% (相比 SK Hynix 的成熟水准差距仍大)
• 12 层堆栈的良率 = 单 die 良率的 12 次方 × 堆栈制程良率
• 假设单 die 良率 95% ,12 层堆栈的 die 良率 = 0.9512 ≈ 54% ,再乘以组装良率,最终良率可能低于 50% SK Hynix 的良率优势:
• 在 HBM3E 上积累了大量量产经验
• TSV 制程成熟度领先 Samsung 约 12-18 个月
• 这解释了为何 SK Hynix 即使在 HBM4 上延迟,一旦量产后放量速度会更快 Micron 的追赶:
• 后发者优势:可以参考 SK Hynix 和 Samsung 的经验

CXL 内存池化：下一个瓶颈的解方

• 良率爬坡速度优于预期,是其份额从 9% 飙升至 21% 的关键因素良率问题的投资启示是什么?良率直接决定毛利率。假设 HBM4 每组售价$500 ,晶圆成本固定,那么良率从 50% 提升到 80% ,意味着每片晶圆的有效产出增加 60% ,而成本几乎不变。这就是为什么 SK Hynix 能维持 85%+ 的毛利率,而 Samsung 的内存部门利润率仍明显偏低。对投资者而言,追踪良率数据是判断内存股盈利能力的关键。但问题在于:良率是商业机密,公司不会直接披露。我们只能通过以下间接指标推断:(1 )毛利率变化趋势;(2 )出货量增速是否匹配资本开支增速;(3 )产业研究机构(如 TrendForce、Counterpoint )的估算;(4 )竞争对手的评论。除了 CoWoS 封装和良率问题之外,存储供应链还面临一个更深层的结构性限制:单一服务器的内存容量上限。即使每台服务器配备了 4-8TB DDR5 ,当 AI 工作负载需要 PB 级的内存池时,传统「每台服务器各自独立」的内存架构就显得捉襟见肘。CXL (Compute Express Link )内存池化是解决这个问题的新兴技术方案。MilkRoadMacro 报导,CXL 允许跨服务器、甚至跨机架的内存共享与池化—— 将分散在不同节点的 DRAM 集成成一个统一的、可动态分配的内存池。这对 AI 推理的意义尤为深远:
• KV Cache 共享:不同推理请求的 KV Cache 可以在内存池中统一管理,避免重复存储
• 容量弹性:工作负载高峰时可以动态从池中借用内存, 低谷时归还,提升整体利用率

3.8 投资 Playbook :存储层

• 降低成本:不需要每台服务器都超配内存以应对峰值需求 Marvell (MRVL) 是 CXL 技术的领导者。NVIDIA Jensen Huang 据报曾称 Marvell 为「未来的万亿美元公司」(MilkRoadMacro 引用)。Marvell 在 CXL 控制器和互联 IP 方面的领先地位,使其成为内存池化架构中不可或缺的一环。如果 CXL 内存池化在 2027- 2028 年大规模部署,Marvell 将成为继内存三巨头之后的关键受益者。对存储供应链而言,CXL 池化是一把双刃剑:一方面,它提升了内存利用效率(可能减少单位内存需求);另一方面,它降低了内存扩容的边际成本,可能催生更多对大容量内存池的需求—— 又一个潜在的 Jevons Paradox。无论哪个方向占主导,CXL 生态系统的建设本身就是一个新的投资机会维度。存储是 AI 基础设施五层产业链中弹性最大的一层。原因:内存是典型的周期性产业,但这次 AI 带来了结构性需求拉动叠加周期性供不应求,两个向上力量同时作用。更具体地说,存储层投资的吸引力在于:
• 确定性高:每一颗 AI GPU 必须搭配 HBM ,比例固定(如 R100 配 8 组 HBM4 )。GPU 出货量 × 单 GPU HBM 配量 = HBM 需求量,计算清晰
• 供给受约束:DRAM 是寡占市场(三巨头+CXMT 占 99%+ ),新进者壁垒极高,供给端不会出现突然过剩
• 涨价可见性强:合约制定价机制,季度合约价格可追踪,避免了像 GPU 市场那样的「黑箱定价」
• 多个受益层次:HBM → DDR5 → NAND ,从高端到中端都在受益,投资可分散

内核配置

以下是我们的配置框架: SK Hynix (000660.KS) — HBM 之王

• 投资逻辑:全球 HBM 份额 57-61% ,AI 内存超级周期最大受益者
• 催化剂:HBM4 Q3 量产、持续的 NVIDIA 订单、可能的美国 ADR 上市
• 风险:估值已高(年涨 340%+ )、HBM4 延迟影响短期情绪、NVIDIA 规格主导权对长期利润率的压力
• 股价:₩2,917,000 (2026 年 6 月 25 日)
• 市值:~$1.35T Micron (MU) — HBM 黑马 + 全产品线爆发
• 投资逻辑:HBM 份额从 9%→21% 飙升、FY26 Q3 营收$41.5B 年增 346% 、毛利率 85%
• 催化剂:Q4 指引$50B (持续超预期)、HBM 供不应求到 2028 年
• 风险:估值$1.37T、内存周期最终会见顶
• 股价:~$1,180 (2026 年 6 月 25 日盘后)

卫星配置

• 市值:~$1.37T Samsung Electronics (005930.KS) — 全能选手,HBM4 逆袭
• 投资逻辑:HBM4 首发量产、DRAM 份额第一 (38% )、全产品线覆盖(DRAM+NAND+Foundry+Display )
• 催化剂:HBM4 营收加速、良率改善、相对 SK Hynix 的估值折扣
• 风险:良率仍是内核问题、多元业务拖累聚焦度
• 股价:~₩340,000 (2026 年 6 月)
• 市值:~$1.4T KIOXIA (285A.T) — 纯 NAND 大玩家
• 投资逻辑:全球第二大 NAND 厂、AI 推理 eSSD 需求爆发、FY25 营收¥2.34 兆年增 37%
• 催化剂:2026 年 NAND 全面售罄、产能扩张、可能的美国上市
• 风险:纯 NAND 暴露于周期风险、估值已大幅拉升

主题配置

• 股价:¥81,200-108,600 (2026 年 6 月,波动大) Seagate (STX) — AI 冷存储之王
• 投资逻辑:Cloud 营收占 89% 、AI 数据爆发驱动大容量 HDD 需求、毛利率 47% 历史新高
• 催化剂:HAMR 技术推升容量、hyperscaler 持续扩建
• 风险:HDD 长期被 SSD 替代的风险、估值年涨 700%
• 股价:~$1,025 (2026 年 6 月 25 日) Western Digital (WDC) — HDD + 企业存储
• 投资逻辑:分拆后聚焦 HDD 业务、Cloud 营收占 89% 年增 48% 、毛利率 50.5%
• 催化剂:AI 数据湖需求、分拆后价值重估
• 风险:与 Seagate 直接竞争、分拆后业务线较窄
• 股价:~$586-648 (2026 年 6 月) SanDisk (SNDK) — 纯 NAND/SSD 的 AI 赌注(高波动)
• 投资逻辑:纯 NAND/SSD 公司、AI 推理 KV Cache 存储需求直接受益
• 催化剂:NAND 涨价周期、CMX 平台推动 eSSD 需求
• 风险:年涨 5,700% 、估值极端、周期性回落风险巨大
• 股价:~$2,090 (2026 年 6 月 24 日)
• 市值:~$310B

风险提示

• 周期风险:内存从来不是只涨不跌的。2022-2023 年的暴跌历历在目。当 AI 资本开支放缓或供给追上需求时,价格可能急剧回落
• 估值风险:多支内存股年涨 300-6000% ,已 price-in 大量未来盈利。任何低于预期的数据都可能引发暴跌
• 地缘风险:中国存储崛起(CXMT + YMTC )长期会压低通用 DRAM 和 NAND 价格
• 技术风险:HBM4 良率问题可能导致毛利率低于预期
• 客户集中风险:三巨头的 HBM 业务高度依赖 NVIDIA 一家客户,NVIDIA 的议价能力持续增强
• 宏观风险:若全球经济衰退或 AI 投资遇冷,内存作为上游最先感受需求萎缩

可行仓位安排:

• 确信度最高:SK Hynix + Micron (HBM 是确定性最强的 AI 硬件赛道)
• 分散配置:不要全押单一标的,内存周期转向时跌幅可达 50-70%
• 动态管理:密切关注 HBM 供需数据、DRAM 合约价趋势、三巨头资本开支计划
• 定期再平衡:存储股波动极大,建议每季度根据最新数据调整持仓比例
• 对冲思路:若担心周期风险,可以考虑在内核配置的基础上,用 NAND/HDD 标的(Seagate、WDC )作为「AI 存储 beta 降低」的选项—— 它们同样受益于 AI 数据增长,但周期敏感度略低于 DRAM 纯度股怎么知道周期见顶了? 观察以下信号:
• 三巨头同时宣布大规模新建 fab (意味着认为需求将持续到 fab 建成)
• HBM 良率突然大幅提升导致供需缺口快速收窄
• Hyperscaler 资本开支指引首次低于预期
• DRAM 合约价格出现季度下跌

3.9 存储的隐藏风险：花钱的 vs 卖铲的

Hyperscaler 的现金流已经「绷得很紧」

• 中国 CXMT 宣布进入 HBM 市场(拉长供给曲线) 截至本书写作时(2026 年 6 月),以上五个信号均未触发。前面我们讲了存储超级周期的「好故事」——HBM 供不应求、DRAM 暴涨、NAND 售罄。但每一个投资者都必须问自己一个根本性问题: 这些内存厂的营收,最终来自谁的口袋? 答案是:Hyperscaler——Microsoft、Google、Meta、Amazon、Oracle。它们是存储芯片最大的买家,是这场 AI 基础设施军备竞赛中「花钱的人」。而 SK Hynix、Micron、Samsung、Seagate 们则是「卖铲的人」。这个「花钱的 vs 卖铲的」框架,是理解存储投资最深层风险的内核镜头。过去两年,五大 Hyperscaler (Microsoft、Google、Meta、Amazon、Oracle )在 AI 基础设施上的资本开支总额,大约等于它们过去 20 年累积自由现金流的总和。这不是夸张的修辞—— 是可验证的财务事实。具体数字(2024-2025 年合计 AI 相关 Capex 估算):

三种 Capex 情景与存储股的命运

数据来源:各公司 2024-2025 财年财报、Capital IQ 汇整。实际金额因会计口径不同略有差异。更值得注意的是融资方式。这些公司并非全靠自有现金流在花—— 它们中的多家在大量发债。Microsoft 在 2024-2025 年发行了数百亿美元企业债;Oracle 的负债/EBITDA 比率已升至历史高位;Meta 虽然经营现金流充沛,但其云业务规模(相比 AWS 和 Azure )较小,AI 投入的 ROI 验证压力更大。这里的内核张力是:Hyperscaler 持续花钱的意愿和能力,是存储牛市的唯一燃料。这个框架最有价值的地方在于它的情景分析—— 「花钱的」行为变化,直接决定「卖铲的」命运。

哪些公司最可能率先削减 Capex ? 根据财务结构和业务逻辑分析:

• Meta :风险相对较高。Meta 的内核业务是广告,不是云服务。它建 AI 基础设施主要为自家产品服务(推荐算法、AI 助手),不像 AWS/Azure 可以把算力转租给企业客户。一旦 AI 投入的广告 ROI 不如预期,Meta 有动几率先缩手。2022 年 Meta 砍 VR/ 元宇宙投入的先例就是佐证。
• Oracle :风险同样较高。Oracle 的 AI 数据中心扩张高度依赖举债融资,其折旧压力已经很大。如果利率环境收紧或 OCI (Oracle Cloud Infrastructure )的客户增长不及预期,Oracle 的 Capex 增速可能最先放缓。

DeepSeek 与算法效率的 Wildcard

• Microsoft 和 Amazon :风险相对较低。两者有 AWS 和 Azure 的 ToB 云业务作为「分销渠道」—— 每一美元 AI Capex 最终能转化为云服务营收。只要企业 AI 采用率持续提升,它们的花钱意愿最不容易动摇。还有一个容易被忽略的角色:Apple。Apple 不在 AI Capex 竞赛中 (它不建大规模 GPU 集群),但它是内存的消费端大买家。当 HBM 和 AI 需求推高 DRAM/NAND 整体成本时,Apple 面临的零组件成本压力会挤压其产品毛利率—— 这是 AI 存储牛市的「二阶效应」。如果「花钱的收手」是存储牛市最明显的风险,那「需要花的钱变少了」则是更隐蔽的风险。2025 年初,中国 AI 公司 DeepSeek 发布的模型在业界引发震动 —— 不是因为模型更大,而是因为它用远少于西方同行的计算资源达到了接近的性能。其背后的内核技术创新直接影响存储需求:
• MLA (Multi-head Latent Attention ):DeepSeek 将传统 Multi-Head Attention 的 Key-Value 投影压缩到低维潜空间 (latent space ),使 KV Cache 的存储需求降低数倍。传统 Transformer 中,每个 attention head 都需要独立存储完整的 K 和 V 矢量;MLA 通过共享低秩投影,将 KV Cache 的 per- token 存储量压缩约 5-13 倍(DeepSeek-V2 技术报告)。
• MoE (Mixture of Experts )架构:每次推理只激活模型中一小部分参数(如 671B 总参数中只激活 37B ),大幅降低了活跃内存占用。对 HBM 的需求从「装下整个模型」变成「装下活跃专家子集」。
• KV Cache 量化:将 KV Cache 从 FP16 (16-bit )压缩到 INT4 甚至 INT2 格式,进一步减少 4-8 倍存储占用。结合 MLA ,KV Cache 的实际存储需求可能只有传统架构的 1/20 到 1/50。
• 模型蒸馏与小型化:DeepSeek 证明了通过知识蒸馏, 7B/14B 的小模型可以接近更大模型的能力。小模型需要的 HBM/DRAM 远少于千亿参数大模型。这些技术的投资含义是什么? 如果 MLA/MoE/ 量化等效率提升技术在全球范围内被广泛采用 (OpenAI、Google、Meta 都在研究类似方向),那么:
• 每 token 推理所需的HBM 带宽和容量需求可能被压缩
• 每台推理服务器能服务的并发用户数大幅增加(意味着同样的用户规模需要更少服务器)

对存储投资的启示

• 存储行业享受的「AI 需求无限增长」叙事可能被打折但也不必过度恐慌。历史反复证明的 Jevons Paradox (杰文斯悖论) 可能再次生效:效率提升降低了单位成本 → 单位成本下降让更多应用场景变得经济可行 → 总需求反而增长。AI 推理成本如果降低 10 倍,可能有 100 倍的新场景涌入,最终总需求仍在增长。但投资者需要理解的是:即使总需求仍在增长,增速可能低于当前市场 price-in 的预期。而对于已经涨了 300-6000% 的存储股来说,任何增速的边际放缓都可能引发估值重新定价。综合「花钱的 vs 卖铲的」框架和 DeepSeek 效率提升的分析,存储

投资者需要在以下维度保持警觉:

• 追踪 Hyperscaler Capex 指引如同追踪 DRAM 合约价一样重要。每季度财报电话会议中,Microsoft/Google/Meta/Amazon 的 Capex 指引是存储牛市能否持续的领先指针。只要这些公司还在说「我们将持续加大 AI 投资」,存储的需求基础就还在。一旦措辞从「加大」变成「优化」或「纪律」,那就是警钟。
• 关注 AI 应用层的变现能力。Hyperscaler 花钱的底气来自 AI 能带来营收。如果企业 AI 采用率停滞、消费级 AI 产品无法转化为付费、或 AI 生成内容的商业模式难以规模化—— 那 Capex 砍刀迟早会落下。
• 算法效率是「灰犀牛」而非「黑天鹅」。DeepSeek 的 MLA/MoE/ 量化技术不是秘密—— 它们已经发表了论文,全球研究者都在跟进。这些技术的扩散是确定性事件,问题只是速度和程度。如果 2027 年主流推理框架的 KV Cache 效率比 2025 年提升 10 倍,那 2026 年建的那些 eSSD 产能可能面临利用率不足的风险。

3.10 本章小结

• 不要忘记「花钱的」和「卖铲的」之间的此消彼长。在情景 C (Capex 大砍)下,云厂商股价可能反弹(省钱= 利润修复), 但存储股会暴跌。这意味着:如果你同时持有 MSFT/GOOGL 和 SK Hynix/MU ,你的组合在情景 C 下并非完全对冲—— 它们的方向可能相反。整个存储超级周期的健康程度,最终取决于「花钱的人」是否觉得花得值。截至 2026 年 6 月,答案仍然是 Yes—— 但这个 Yes 不是永恒的。存储层的内核逻辑可以用三句话概括:
• HBM 是 AI 芯片的血液:带宽决定 GPU 算力能否充分释放,HBM4 时代规格定义权向 NVIDIA 倾斜,但内存厂仍享受供不应求的红利
• NAND 从配角升为主角:AI 推理的 KV Cache 需求催生了以 NVIDIA CMX 为代表的三级存储架构,eSSD 成为推理基础设施的内核组件
• 超级周期至少持续到 2027 年:HBM 占用晶圆挤压 DDR5 供给、三巨头理性控产、添加 fab 需要 2-3 年量产—— 多重因素支撑 DRAM 和 NAND 价格在高位运行

存储解决了「数据放在哪里」的问题,但 AI 不只需要本地记忆。当一个训练任务分布在数千台服务器上,或当推理请求需要在多个节点间共享 KV Cache 时,瓶颈就从「存多少」转向了「传多快」。从 GPU 到 HBM ,数据搬运靠硅穿孔(TSV ),带宽以 TB/s 计。从服务器到服务器呢?靠的是光—— 光纤、光模块、硅光芯片。第四章,我们进入 AI 基础设施的「神经系统」—— 光互联。在那里,我们将看到另一个「永远不够」的故事:带宽。当数万台配备了海量 HBM 和 SSD 的 AI 服务器需要协同工作时,它们之间的通信带宽就成了新的瓶颈。解决这个问题的答案是光——800G、1.6T 甚至 3.2T 的光模块,以及正在崛起的硅光子技术。存储提供了数据的「深度」,光互联提供数据的「广度」。两者共同构成 AI 基础设施中数据流动的完整图景。免责声明本书内容仅供教育及信息参考之用途,并不构成投资建议、财务建议或交易建议。本书提及的任何公司、代币、股票、基金或投资工具,均不构成作者买入、卖出或持有的建议。所有投资均涉及风险,包括可能损失本金。读者应根据自身的财务状况、风险承受能力和投资目标作出独立判断,并在作出任何投资决定前咨询持牌专业顾问。加密货币及相关数字资产波动极大,未必适合所有投资者。各地对加密货币的监管政策不同,读者有责任了解并遵守其所在地区的相关法律法规。本书中的数据及市场信息以撰稿时为准,出版后可能出现重大变化。尽管已尽一切努力确保信息的准确性,但作者对其完整性或准确性不作任何保证,亦不对因依赖本书内容而导致的任何直接或间接损失承担责任。过往表现并不代表未来结果。