存储三巨头破万亿市值，存储超级周期何时能见顶？

概览

本期围绕“AI 为什么把存储行业推入新一轮超级周期”展开。节目从手机、PC 缺货和涨价切入，指出内存芯片供给正在从消费电子转向 AI 服务器，HBM、DRAM、NAND 的需求同时被 AI 训练、推理和 Agent 工作流拉动。

嘉宾认为，这一轮存储上行与过去依靠 PC、手机或互联网周期驱动的行情不同：AI 带来的需求更结构化，客户对价格更不敏感，原厂在长协、产能分配和定价上的话语权也更强。但他同时强调，存储行业资本密集、供给滞后、扩产后容易过剩的本质没有改变。

讨论后半段重点分析了 HBM 缺货、NAND 在 AI Agent 时代的角色变化，以及英伟达、谷歌、Cerebras 等不同技术路线如何试图绕过“内存墙”。嘉宾的核心判断是：供需紧张至少会延续到 2027-2028 年，甚至 2028 年也未必结束，但这一轮繁荣只是弱化周期性，并没有让存储行业彻底变成非周期行业。

分段落总结

[00:17] AI 抢走内存，消费电子缺货涨价

[事实] 主持人开场提到，2025 年全球智能手机出货量下降 13%，个人电脑出货量减少约十分之一，部分产品价格也出现上调。

[事实] 节目将消费电子缺货和涨价的核心原因归结为“内存芯片不够用”，并称生产线正在从消费电子转向 AI 服务器。

[事实] 主持人提到 SK 海力士第一季度利润率高达 72%，三星第一季度利润同比暴增八倍，内存价格过去一年已翻了不止一倍。

[推测] 节目把存储板块近期行情放在 AI 基建扩张的大背景下讨论，重点不是短期股价，而是供需结构是否发生长期变化。

[02:47] 本轮周期的早期信号

[事实] 嘉宾称，很多人在去年 Q2 末到 Q3 才注意到存储超级周期，但如果看现货价格，去年 Q1 已经能看到信号。

[事实] 嘉宾提到，去年 4 月三星和海力士宣布停产 DDR4，并把产能转向利润更高的 DDR5 和其他产品，导致市场恐慌囤货，DDR4 现货价格翻倍，甚至赶上或超过 DDR5。

[事实] 嘉宾认为，本轮周期由供给紧张、AI 需求拉动和地缘政治影响共同推动，关税和政策不确定性也促使商家提前囤货。

[03:56] 数据中心的五层存储结构

[事实] 嘉宾将当前数据中心存储分为五层：片上 SRAM、高带宽内存 HBM、DRAM、由 NAND 组成的固态硬盘，以及传统机械硬盘。

[事实] 嘉宾解释，离 CPU 或 GPU 越近的存储带宽越大、速度越高、价格越贵；离处理器越远，单位存储价格越低，但带宽更低、访问延迟更大。

[事实] 嘉宾提到，桌面级 GPU 使用的显存通常不是 HBM，而是 GDDR。

[事实] 嘉宾将“内存墙”解释为 AI 芯片算力提升很快，但数据传输速度跟不上，导致处理器等待数据，影响系统效率。

[05:57] 算力瓶颈从芯片转向互联和存储

[事实] 嘉宾提到，英伟达、谷歌等大厂最新方案中，单颗处理器算力提升并不是最大重点，系统互联、网络互联以及处理器与存储之间的带宽和延迟反而成为关键瓶颈。

[事实] 嘉宾举例称，谷歌 TPU V8 相比上一代算力提升并不大，主要提升在系统互联和网络互联。

[推测] 这意味着 AI 基建竞争正在从“堆算力”转向“提升系统整体吞吐”，存储和互联的重要性因此被重新定价。

[06:53] 从训练转向推理后，存储需求更强

[事实] 嘉宾认为，2023 年到 2024 年全球大厂主要在训练更好的模型，2025 年之后推理需求突然变多。

[事实] 嘉宾指出，推理需要大量 KV cache，因此对 Memory 的需求强于训练。

[事实] 主持人随后把讨论重点转向 HBM，并解释 HBM 是能与数据中心 GPU 直接通信的高带宽内存。

[07:52] HBM 为什么严重缺货

[事实] 嘉宾认为 HBM 缺货主要因为 AI 需求太旺盛，英伟达 2025 年出了接近 700 万颗 GPU，且每代 GPU 对 HBM 容量的需求都在上升。

[事实] 嘉宾列举，H20 每颗使用 96GB HBM，H200 使用 141GB，B200 使用 192GB，B300 使用 288GB。

[事实] 嘉宾提到，使用 HBM 必须依赖台积电 CoWoS 等先进封装能力，把处理器和显存放在一起，而 CoWoS 扩产周期此前约 12 到 15 个月，今年改善到约 6 到 9 个月。

[推测] HBM 的瓶颈不只是存储芯片本身，还包括先进封装产能和 GPU 出货节奏之间的匹配。

[09:17] 三大存储厂商的 HBM 格局

[事实] 嘉宾引用美银预测称，全球 HBM 市场去年约 350 亿美元，今年接近 600 亿美元，明年接近 800 亿美元。

[事实] 嘉宾称，去年全球 HBM 出货以 HBM3E 为主，其中海力士占约 60% 市场，美光超过 20%，三星相对较低。

[事实] 嘉宾表示，到第四代 HBM 时，老大仍是海力士，老二变成三星，美光在英伟达 Rubin 那边当前份额为零，但后续仍可能获得份额。

[事实] 主持人提到三星员工不满奖金，原因是海力士员工奖金更高，而三星还有手机、家电等其他硬件部门影响奖金分配。

[11:13] 插播：Agent 时代的模型需求变化

[事实] 插播内容提到，Agent 进入生产级任务后，评价模型不能只看聪明和速度，还要看能否高效完成多轮对话、工具调用、联网搜索、图片和文档处理等复杂工作流。

[事实] 插播介绍阶跃星辰发布的 step3.7 flash，称其面向生产级 Agent，支持 coding、search 和多模态工作流，并且开源、可本地部署。

[推测] 这段插播与正题的连接点在于，Agent 工作流越复杂，对上下文、推理链路和存储资源的压力越大。

[12:46] 存储行业为什么周期性强

[事实] 嘉宾认为，存储制造是资本高度集中的行业，产能建成后厂商有强烈动机满负荷运转摊薄成本，即使价格下跌也不轻易减产。

[事实] 嘉宾指出，存储芯片高度标准化，不同厂商的 DRAM 产品相似；当需求上升时，所有厂商同步扩产，但供给建设滞后于需求变化。

[事实] 嘉宾总结了典型循环：需求旺盛导致价格暴涨，厂商扩产，随后供给过剩，价格暴跌。

[事实] 嘉宾还提到囤货会放大周期：价格见顶时客户集中去库存，供应紧张时客户因恐慌囤货。

[15:10] 历史周期与这一轮的不同

[事实] 嘉宾认为上一轮存储周期很典型，疫情导致居家办公，PC 和服务器采购量上升，带动存储需求暴增，随后原厂大规模扩产并引发后续反应。

[事实] 嘉宾称本轮被很多卖方称为“超级周期”，因为需求驱动从过去的周期性补库存，转向结构性的 AI 爆发。

[事实] 嘉宾指出，这一轮 DRAM、HBM 和 NAND 三重需求同时爆发，而过去的手机、PC 或服务器更新换代没有带来 HBM 需求。

[事实] 嘉宾认为供给侧也不同，原厂从份额扩张竞赛转向资本纪律优先，更倾向通过技术升级提升产能，而不是单纯增加供给。

[事实] 嘉宾提到，1998 年全球 DRAM 厂商接近 15 家，而现在海外主要只剩三家，市场竞争风险降低。

[17:13] AI 服务器挤占消费电子产能

[事实] 嘉宾称，本轮 AI 服务器挤占了消费电子份额，传统上手机厂是原厂第一大客户，但这一轮手机厂也在降低出货预期。

[事实] 嘉宾提到苹果前段时间在市场上大量采购 NAND，即使拿货价高出两倍，凭借较高售价和毛利仍有利润空间。

[事实] 嘉宾认为，国内手机厂同时有大量低毛利低端机，如果 NAND 涨价，可能吃掉低端机原本全部毛利。

[推测] AI 服务器客户对涨价的承受能力更强，使存储产能分配从消费电子向高毛利 AI 基建倾斜。

[18:44] AI 需求与消费电子需求的差异

[事实] 嘉宾再次强调，本轮是 DRAM、HBM 和 NAND 三重需求叠加，AI 训练和推理对存储的需求远超手机和 PC。

[事实] 嘉宾称，仅英伟达一家 AI 芯片出货所使用的 DRAM 和 NAND 用量，就可以抵得上过去很多 PC 或手机的使用量。

[事实] 嘉宾指出，服务器厂商对 DRAM 或 NAND 涨价几万元相对不敏感，而同样的涨价反映到手机上会非常敏感。

[推测] 这解释了为什么同样的存储价格上涨，对 AI 基建链条可能是可接受成本，对消费电子却可能直接压缩销量和利润。

[21:07] 原厂扩产谨慎，经营哲学改变

[事实] 嘉宾认为，存储行业正在发生结构性转变，几家大厂现在更重视盈利能力和效率，而不是只追求市场占有率。

[事实] 嘉宾称，上一轮巨亏后，存储公司的经营哲学发生改变，对为了供应过剩而扩产非常谨慎。

[事实] 嘉宾指出，即使原厂扩产，扩出来的产能相对整个 AI 需求仍然差距很大。

[推测] 资本纪律提高可能延长上行周期，但也会让客户更早通过长协或资本绑定锁定产能。

[22:17] 长期供货协议不再等同于周期见顶

[事实] 主持人提到，过去有分析认为，存储原厂与客户签订长期协议时，股价基本见顶。

[事实] 嘉宾认可上一轮存在这种现象，因为长协锁定量价后，未来几年的收入基本确定，资本市场想象空间变小。

[事实] 嘉宾认为本轮长协不同，国内长协目前“锁量不锁价”，原厂尽量保证供给，但价格按当时市场价签。

[事实] 嘉宾提到，海外长协有两种模式：客户前期支付高定金，或绑定原厂资本开支，由客户参与扩产设备等环节以获取未来产能。

[推测] 本轮长协更像稀缺产能下的资源绑定，而不是传统意义上对未来收入的完全封顶。

[24:44] 多空分歧：短期涨幅与长期缺口

[事实] 嘉宾认为，部分存储厂短期涨幅过大，出现回调是正常的。

[事实] 嘉宾仍然偏长期看多，因为 AI 对存储的需求没有改变，产能依然非常紧张，原厂扩产意愿也不强。

[事实] 嘉宾提到海力士在券商大会上认为，存储供需关系到 2028 年也不会改善。

[事实] 对于谷歌论文或算法优化可能降低存储用量的看空观点，嘉宾认为大厂每天都在提高存储利用率，但由于总体缺口太大，不能简单据此看空存储。

[27:22] 效率提升不一定降低总需求

[事实] 主持人提到谷歌论文是算法创新，嘉宾也提到 DSV4 能大比例压缩存储空间。

[事实] 嘉宾认为，这类算法优化不会导致整体存储需求下降，因为上下文需求越来越大。

[事实] 嘉宾类比此前有人用 DSV4 看空英伟达，但他认为效率越高，反而可能提升对算力和存储的总需求。

[推测] 节目隐含的逻辑是“单位成本下降会释放更多应用需求”，因此效率提升未必削弱基础设施需求。

[27:54] 英伟达用 NAND 和 DPU 缓解 HBM 压力

[事实] 嘉宾介绍英伟达去年提出 ICMS 方案，今年改名为 CMX，该方案使用 PB 级 NAND 存数据，并搭配英伟达自研 BF4 DPU 连接 NAND。

[事实] 嘉宾解释，如果 GPU 直接访问 NAND 延迟很大，因此英伟达会先用 DPU 从 NAND 预取数据，再传给 GPU，以降低延迟。

[事实] 嘉宾强调，这些方案是提高其他 Memory 的利用率，不是取代 HBM。

[事实] 嘉宾提到，英伟达 B200 有 192GB HBM，Rubin 有 288GB，Rubin Ultra 有 1TB，说明下一代芯片仍会大量使用 HBM。

[29:15] 谷歌 CXL 内存池与英伟达 3D 封装

[事实] 嘉宾提到，谷歌有一个 CXL 内存池方案，用 CXL 协议把 DRAM 做成池，容量可达 TB 级，并提高 DRAM 利用率。

[事实] 嘉宾说明，英伟达 NAND 方案是 PB 级，谷歌 DRAM 池是 TB 级，二者差三个数量级，方案定位不同。

[事实] 嘉宾称，谷歌方案只是其中一个方案，不代表谷歌以后不再使用 HBM。

[事实] 嘉宾还提到英伟达下一代可能采用台积电 3D 封装，把 GPU 和 SRAM 放在一起，提高 SRAM 容量，但规模最多到几百 MB 或 1GB 量级。

[推测] 不同厂商正在根据训练、推理、成本和延迟要求组合不同存储层级，而不是寻找单一替代品。

[31:34] Cerebras 晶圆级路线不是替代英伟达

[事实] 主持人提到美国芯片初创公司 Cerebras IPO 后，英伟达股价也出现大跌，并询问其技术路线是否会取代英伟达 GPU。

[事实] 嘉宾认为 Cerebras 的出现不是为了取代英伟达，并指出美国创业公司路线与中国 AI 芯片创业公司不同，美国公司差异性更大。

[事实] 嘉宾介绍 Cerebras 核心产品是晶圆级引擎，把 12 寸晶圆做成大型芯片，片上使用 44GB SRAM 替代传统 HBM 显存，面向大模型推理。

[事实] 嘉宾指出其问题包括 SRAM 容量只有 44GB、IO 速率约 150GB/s、扩展受限、扩容麻烦、硬件成本高，以及散热挑战。

[推测] Cerebras 更适合特定推理场景，不太像通用 GPU 集群的全面替代方案。

[34:00] NAND 在 AI Agent 时代的角色变化

[事实] 嘉宾认为 NAND 的角色正在发生变化，因为 AI Agent 推理链路很长，很多环节需要可复原，中间结果需要落盘保存。

[事实] 嘉宾解释，落盘意味着把结果存起来，而这个存储位置只能是 NAND。

[事实] 嘉宾认为，NAND 从过去只是存结果数据，变成参与整个 AI 推理过程，这会提高 NAND 的整体需求和性能要求。

[推测] Agent 工作流越长、越复杂，NAND 越可能从冷数据存储变成推理系统中的关键基础设施。

[34:47] 高带宽闪存 HBF 的机会与限制

[事实] 嘉宾提到业界期待闪迪的 HBF，即高带宽闪存，并认为闪迪估值较高有很大一部分原因来自该产品。

[事实] 嘉宾称 HBF 的优势包括大容量、低成本、高带宽和低延迟，容量可比 HBM 高 8 到 76 倍，并支持更大数据集和更复杂模型处理。

[事实] 嘉宾强调 HBF 不能取代 HBM，原因包括 NAND 擦写寿命有限、工作温度通常在 80 到 85 摄氏度之间，而 DRAM 可到 125 摄氏度，AI 板卡散热也很困难。

[事实] 嘉宾认为未来可能把模型参数放入 HBF，把 KV cache 仍留在 HBM。

[37:41] 周期可能延续到 2028 年后

[事实] 嘉宾转述海力士观点称，到 2028 年供需关系也不会改善。

[事实] 嘉宾认为，如果计算 AI 推理对存储的需求，会发现需求比现在多很多倍，而几家原厂到 2028 年扩产最多比现在多一倍或两倍，中间缺口仍然很大。

[事实] 嘉宾表示，保守估计这一轮至少维持到 2027 到 2028 年，并认为 2028 年也不太会结束。

[事实] 嘉宾同时强调，AI 只是弱化了存储行业的周期性，没有改变存储仍是周期行业的本质。

[推测] 本轮上行周期可能更长、更平滑，但最终仍会受到资本开支滞后和下游算力建设放缓的影响。

[39:47] 国内存储厂商的位置

[事实] 嘉宾提到国内较知名的两家存储公司是长鑫存储和长江存储，长鑫主要做 DRAM，长江存储主要做 NAND。

[事实] 嘉宾称两家公司都将上市，但技术、产能等信息基本保密，市场了解并不充分。

[事实] 嘉宾表示，长江存储的 NAND 在国内卖得很多；长鑫的 HBM 在国内还没有大规模使用。

[事实] 嘉宾提到华为最新的 950 使用自研 HBM，这是徐志军公开说过的；国内其他 AI 芯片厂商也在与长鑫合作，但目前应还没有量产。

[事实] 嘉宾还提到，小米等手机厂商参与长鑫投资，目的之一是获取长鑫产能。

[41:38] 长期应关注大厂技术路线和锁产能能力

[事实] 嘉宾总结称，投资或观察存储赛道时，要关注英伟达、谷歌、华为、阿里等大厂下一代产品和技术路线。

[事实] 嘉宾指出，英伟达和谷歌的方案不同，英伟达使用较多 NAND，谷歌下一代有一个纯使用 DRAM 的方案。

[事实] 嘉宾提到黄仁勋近两年来亚洲很多次，原因是找台积电和存储厂商锁产能。

[事实] 主持人提到 OpenAI 很早锁定了很多算力，而另一些公司没有预料到算力需求会这么大，后来需要向 XAI 购买算力。

[推测] 在 AI 基建紧缺阶段，谁能更早锁定算力、封装和存储产能，谁就可能在模型产品竞争中获得阶段性优势。

播客点评/总结

[推测] 这一期的价值在于，它没有只停留在“存储涨价、股价上涨”的表层，而是把 HBM、DRAM、NAND、先进封装、推理需求和 Agent 工作流放到同一个供需框架里解释，适合想理解 AI 基建产业链的人收听。

[推测] 节目的亮点是对“这次不一样”和“周期本质没变”之间的平衡处理：嘉宾承认 AI 带来结构性变化、长协模式变化和原厂话语权提升，但没有把存储行业直接包装成永远增长的非周期行业。

[推测] 局限在于，节目中部分市场数据、公司份额和未来产能判断主要来自嘉宾口述或转述机构观点，转录稿没有提供可核验来源；涉及股价和周期时长的判断也更适合作为产业观察，而不是直接投资依据。

[推测] 这一期尤其适合关注半导体、AI 服务器、云厂商资本开支、手机供应链和存储股周期的人；如果只想听消费电子涨价原因，前半段已经足够，如果想理解 AI 推理架构和 NAND 新角色，后半段信息密度更高。