电子行业深度研究：AI驱动存储新周期.pdf

电子行业深度研究：AI驱动存储新周期。首先，我们复盘了前面几轮半导体周期，根据供需关系按照时间维度分为长中短三种周期：长周期（8-10 年）——为 需求周期、中周期（4-6 年）——为产能周期、短周期（3-5 个季度）——为库存周期，其中需求-产能-库存三种周期 相互嵌套。存储器是半导体中仅次于逻辑的第二大细分市场，其历史表现与整个半导体周期走势一致，但波动性大于 整个行业，大市场与强周期属性并存。通过复盘我们发现每轮存储大周期（08 年、16 年等）的开启都是由新兴技术 推动产品升级和创新，进而催生新产品的总量、渗透率和存储器价值量的提升，推动存储器市场规模上升一个台阶， 随着 AI 驱动需求提升，当下我们走在新一轮存储大周期的起点。

AI 驱动下，会出现存储大周期吗？1）我们看到大模型类型和机制转变正产生大量数据存储需求，首先是大模型中引 入的思维链提示使 LLM 能将复杂问题分解为可操作步骤，复现类似人类的推理过程，显著提升模型的推理能力与问 题解决技能，推理时长的增加也提升 Token 的消耗量，2025 年几乎所有主流大模型都已内化思维链机制。同时根据 希捷科技的数据，从文本向音视频的切换，背后的存储单位是从 KB 往 TB 乃至 EB 的增长。随着多模态模型渗透率 的提升，存储需求有望进一步提升。2）其次，我们看到头部模型差距缩小，推理降本趋势明显。从 ChatGPT3 发布 以来，大语言模型的推理的成本以指数级别下降，单美元可以生成的 token 数量持续增长。模型的推理成本快速降低， 有望带动应用的爆发，也有望拉动存储需求的增长。3）最后，我们看到 AI 正在重新定义数据存储，KV Cache 或将 成为大模型推理优化的关键突破。KV Cache 是Transformer 架构中显著提升推理效率的关键性能优化机制，KV Cache 显存占用随 Token 数量线性增长，同时 KV Cache 的优化效果也与文本长度正相关。当 KV Cache 成为未来数年提升 大模型推理效率的关键一环，存储的需求也有望进一步提升。

AI 驱动存储需求快速攀升，存储原厂资本开支还未进入扩张周期。DRAM 和 NAND Flash 原厂的重心正逐渐转变， 从单纯扩产转向制程技术升级、高层数堆栈、混合键合以及 HBM 等高附加价值产品。根据 TrendForce 的数据，2025 年 DRAM 的资本支出预计为 537 亿美元，预计在 2026 年进一步成长至 613 亿美元，同比增长约 14%。2025 年 NAND Flash 的资本支出预计为 211 亿美元，2026 年预计小幅增长至 222 亿美元，同比增长约 5%。当前行业无尘室 空间已接近瓶颈，各大 DRAM 厂商中仅三星与 SK hynix 仍具备有限的扩线空间，即使资本开支上修，26 年产能增量 亦有限。而在 NAND Flash 领域，Kioxia/SanDisk 相对扩产更为积极，其他原厂则继续专注 HBM 及 DRAM。