电子行业存储：AI推理带来需求爆发、驱动范式升级，周期能见度大幅拉长.pdf

存储是AI推理的核心瓶颈，驱动存储需求爆发、存储范式改进。LLM推理的解码阶段本质是memory-bound，核心存储负载包括模型权重、KV Cache、激活值、RAG向量库等。KV Cache随上下文长度和并发数动态膨胀，推理性能高度依赖对KV Cache的保存和管理效率。存储体系正从单一层级向高带宽+大容量+分级管理的协同架构演进，包括HBM、WOW 3D堆叠DRAM、HBF等高带宽存储器解决方案，以及CXL内存池化技术和Prefill/Decode分机柜部署等优化存储分级管理系统。

在前期价格涨幅大、行业看接下来2年供需紧张的情况下，对合约价的跟踪会从“从价格还能涨多少”转向“价格高位保持多久”。预计合约价26年全年上涨，27年至少保持高位，客户与原厂签多年长协拉长周期。现货价占市场10%左右，近期部分现货市场价格有回调10-20%左右；合约价占市场90%左右，北美CSP因担心拿不到产能，陆续与原厂签订3-5年长约，国内模组厂也有签，客户与原厂基本达成价格共识，周期能见度拉长。服务器占存储敞口提升到50%-60%，存储的容量和性能是AI推理的核心瓶颈环节，同时是AI硬件业绩确定性中短期最强、估值最低的方向。