周五存储芯片概念逆势大涨，消息面上，闪迪宣布将面向所有渠道和消费者客户的产品价格上调 10% 以上，且考虑未来几个季度进一步调整。
而催化的事件不是一件，花旗在周四的最新报告中预期，美光科技将在本月晚些时候发布财报时，给出远超预期的指引。另一方面，9 月 11 日，存储大厂铠侠（Kioxia）宣布与英伟达展开合作，打造读取速度较传统 SSD 快近百倍的固态硬盘。铠侠 SSD 表示，公司正依循 NVIDIA 的提案与要求推进开发，这种新型 SSD 将达成 GPU 的直接连接与数据交换。受到多个事件催化，板块人气高企，资金开始陆续关注到这一领域。
就在此前，针对 DRAM 存储现货供应紧俏问题，VIP 栏目特邀行业专家全面解读存储芯片涨价及 AI 端侧带来的增量市场规模，5 月 8 日，携手蜂网专家带来了 "存储" 主题的电话会议。
专家：存储主要分为两大类：一次性存储和非一次性存储。一次性储存比如内存，非一次性储存如 U 盘、固态硬盘等。具体来看，一次性存储设备主要包括以下几种，第一种是静态随机存储器（SRAM），SRAM 是一种速度快但成本较高的存储器，早期的 DVD 和 VCD 中使用较为广泛，主要用于 CPU 缓存等对速度要求较高的场景。第二种是动态随机存储器（DRAM），DRAM 的优势在于速度较快且容量较大，适用于临时数据存储，不过需要不断刷新，类似于电容的充放电过程，因此功耗较高，且断电后数据会丢失。DRAM 广泛应用于当前的智能手机、PC、服务器以及 AI 领域。第三种是高带宽存储器，如 HBM，HBM 是一种新兴的存储产品，主要通过 3D 堆叠技术实现高速、高带宽的特性，用于 AI 加速器，例如 GPU 显卡等。
非一次性存储，主要分为 NAND Flash 和 NOR Flash，NAND Flash 是目前使用较为广泛的大容量存储设备，具有数据不易丢失、容量大、成本低的特点，但写入速度相对较慢，擦写次数有限。例如，常见的 eMMC 的可擦写寿命通常只有 3000 次左右。NAND Flash 主要应用于 SD 卡、固态硬盘、U 盘、手机存储卡以及支持 SATA 或 PCIe 接口的固态存储器。NOR Flash 主要用于存储可编程代码，例如计算机主板的 BIOS 等，随机存储读取速度较快，支持代码直接执行，但容量较小，成本较高。与 NAND Flash 相比，NOR Flash 的擦写寿命较长，通常可达 10 万次左右。其主要应用场景包括物联网设备、汽车 CPU、HUD 抬头显示以及摄像头配套的固态存储器，属于固件存储的范畴。除此之外，还有铁电存储器（FeRAM）和磁阻存储器（MRAM），这些存储器属于非一次性、低功耗的存储设备，主要用于 AI 边缘计算等领域，但目前其市场规模相对较小。
问题二：AI 端侧设备，比如 AI 手机和 AI 电脑，需要使用哪几类的存储芯片，以及成本占比情况大概是怎样的？
专家：在人工智能领域，主要关注的是数据模型。这些数据模型对存储的需求较大，也对带宽的要求很高。AI 的应用需求倾向于低功耗和高带宽，目前高带宽有 LPDDR5/LPDDR5X 产品，密度比较高，存储容量也比较大。在现有的产品中，三星、海力士和美光等公司都推出了 LPDDR5 产品，这些产品可用于 AI。
在实际应用中，若运行 LLaMA 等大语言模型有超过 70 或者 60~70 亿的参数，对 Dram 内存容量的需求会显著增加，通常需要 14-15GB 起步。如果模型规模进一步扩大，对存储容量的要求也会相应增加。此外，为了满足大模型的数据加载和运行需求，带宽和速度也是关键因素。如果带宽和速度跟不上，模型加载时间将会显著延长，这无疑是一个重要的性能瓶颈。同时，在功耗方面，CPU 本身已经占据了较大的功耗。如果数据运行本身的功耗也较高，整个系统的能耗将会非常高。因此，控制功耗也是 AI 服务器中一个重要的考量因素。
问题三：存储芯片在国内的存量情况是怎样的？近期的价格出现了怎样的变动，以及业内主要预测后半年存储各类存储芯片价格变动是什么情况？
专家：国内主要存储厂商有长鑫存储和长江存储，二者均涉足较大容量的 Dram 存储领域。不过，长鑫存储以 Dram 存储为主，而长江存储则以 NAND Flash 业务，也就是非一次性为主，两者在全球存储市场占比较小。从全球范围来看，三星和海力士占据较大市场份额，美光则占比较小。
目前，国内厂商在 AI 存储领域的利润和市场份额相对较低，主要由国外几大厂商占据主导地位。除这三大厂商外，整个存储行业的发展走势值得关注。2021 年，存储产品需求旺盛且涨价幅度较大，对市场供需状况产生了显著影响，导致价格上涨。2023 年和 2024 年，由于 2021 年涨价导致部分产品交付延迟，一些厂商大量囤积库存，担心后续供应不足。因此，在 2023 年和 2024 年，许多厂商都在消化库存，导致价格难以回升，因为库存积压且需求未增长，价格自然无法上涨。实际上，从 2024 年第一季度和第二季度开始，存储产品价格已开始上涨，尤其是 NAND Flash，自 2024 年起就呈现出上涨趋势。截至 2025 年，上半年的涨价趋势已十分明显，涨幅至少达到 3%~5%。展望 2025 年下半年，预计存储产品的价格和利润仍将上涨。目前，市场库存量已非常有限，客户需求有望回暖，因此价格有望进一步回升。
问题四：存储芯片性能受哪些参数影响？AI 端侧设备的存储需求是否足够？
专家：关键参数有五个。第一个是带宽，也就是速度问题。例如，存储的带宽正常情况下可以达到 1TB 每秒，即每秒可传输 1TB 的数据，其吞吐量较大。存储带宽越大，AI 训练和推理的效率就越高。反之，带宽越低，吞吐量越小。第二个参数是延时。在产品设计过程中，如果参数中包含低延时，对于现实应用，尤其是汽车领域的自动驾驶等场景，低延时能够高效处理大量数据。这不仅仅是数据吞吐量的问题，而是延时问题。数据延时和带宽是两个不同的概念，延时越小，数据处理速度就越快。
第三个参数是容量。虽然每秒可传输 1TB 的数据，但如果本身容量不够大，模型也无法运行。因此，对容量有一定要求。例如，一般低端服务器单条容量至少要 128GB。
除了容量，还有功耗这一参数。之前提到，CPU 在算法能耗中占很大一部分，如果存储部分也占用较大功耗，能源问题就会很突出。因此，对功耗有一定要求。车载设备依赖低功耗，例如从 5V 低压到 6V 低压等，对功耗有一定限制。之前提到，存储设备有可擦写使用次数，超过该次数后，设备可能无法使用。因此，寿命也是一个重要参数。总体而言，带宽、延时、容量、功耗和寿命是存储领域中比较重要的几个参数点。
问题五：对于 AI 端测设备来说，已经普遍在使用的存储产品，性能是否足够去推动未来的 AI 模型进行推理？哪些参数的大幅增长确定性比较高？
专家：从 AI 发展趋势来看，随着 AI 模型数量的增加和容量的扩大，对算法的要求也越来越高，尤其是大模型和大数据的出现，对 AI 存储的要求不断提升。这与之前提到的几个参数密切相关。
首先，内存容量是关键。容量越大，AI 模型的运行速度才能满足要求。随着模型规模的扩大，容量需求也在不断增加。例如，当模型参数超过 70 亿时，至少需要 14~15GB 的内存容量。目前传统设备的容量大多无法达到这一要求，未来数据容量还将继续增长，这与后续模型训练密切相关。其次，带宽和速度也至关重要。要满足大模型的启动和加载需求，必须有足够的带宽和速度支持。带宽和速度不足会成为瓶颈，即使模型规模再大，运行时间也会过长，导致 AI 体验变差。
此外，低功耗也是大家一直关注的重点。因此，容量、带宽和速度以及功耗是后续需要重点关注和提升的几个方面。
问题六：存储芯片容量和带宽提升是否意味着利润增长？
专家：目前来看，存储产品的容量越大，价格自然越高。对于后续应用而言，以常见的单板存储为例，目前一颗芯片的容量可能已无法满足需求，需配备两颗芯片。从单颗芯片的价值来看，其价格必然越来越高。从现有产品来看，当前的带宽和数据流量、容量都还达不到很高的水平。这就要求在后续的技术瓶颈和设计瓶颈方面寻求新的突破。后续的 3D 堆叠技术是值得关注的突破方向，涉及低功耗和高容量两大关键领域。具体而言，就是如何将更小的芯片单元堆叠在一起，形成一个整体容量更大的存储结构，以此降低成本并优化传输速率等性能指标。
问题七：3D 堆叠技术对 AI 端侧存储芯片的重要性及优势企业？
专家：3D 堆叠技术是一种相对较新的技术。在传统存储领域，无论是低功耗存储还是高性能存储，其集成度相对较低。然而，随着 AI 模型和大数据需求的增加，3D 低功耗存储和 3D 高性能存储的需求也在不断增长，因此3D 堆叠技术越来越受到重视，成为存储厂商未来发展的关键方向。
3D 堆叠技术的发展可以分为两大块：封装级 3D RAM 和晶圆级 3D 堆叠。封装级 3D RAM 是目前相对较为常见的应用，例如服务器上常用的 HBM（高带宽存储器）技术，就是基于封装级 3D 堆叠实现的。这种技术已经广泛应用于当前的服务器产品中，如英伟达的 H100 以及后续新服务器的周边配套 HBM，都属于封装级 3D 堆叠的应用。
相比之下，晶圆级 3D 堆叠技术目前仍处于研发阶段，尚未实现量产。未来，晶圆级 3D 堆叠技术可能会朝着存算一体化的方向发展，包括近程计算和内存计算等，这将涉及 HBM 和 3D DRAM 晶圆的对接技术。在国内，涉足 3D 堆叠技术的厂商并不多。封装级 3D 堆叠技术主要与封装工艺相关，而晶圆级 3D 堆叠技术则与设计厂商密切相关。例如，紫光国微、长鑫存储和长江存储等国内主要存储厂商都对这一领域较为看好，并已开始着手研发。
问题八：对于 3D 堆叠技术来说，哪些材料需要提升？
专家：目前 3D 堆叠还没有对材料端形成太大的影响，但从研发来看，对硅晶圆、靶材、光刻胶、电子特气都有改进需求。
问题九：存储芯片产业链可以做怎样的分类？分别有哪些龙头企业？
专家：从生产过程来看，国内企业会先购买颗粒，对接在 PCB 板上形成模组，模组再适配下游终端产品。另外，还包括存储芯片的设计企业。设计企业如国内的兆易创新和北京君正等。封测企业包括通富微电、长电科技等。
另外，还涉及到设备和材料端的企业，如阿斯麦的光刻机，以及硅片相关企业等。
问题十：哪些存储环节的利润水平更好？
专家：从产业分布来看，设计分支对成本的把控更有话语权，产品是否有竞争力，重在设计的好坏。当然，对于生产环节来说，也会对产品形成一定的影响，不过其它环节的利润水平相对不高。总体来看，设计环节最高，其次流片，第三是封测。
问题十一：下游哪些领域的客户有较大加单和砍单情况出现？
专家：国内市场中，服务器的增量是非常明确的，客户来自数据中心和 AI 服务器生产，比如阿里、腾讯这类大厂。其次的增量在汽车市场，智能驾驶和智能座舱带来了很多增量，而且需求越来越旺盛。
手机和 PC 的存储需求比较疲软，虽然没有跌非常多，但增量有限，已经处于比较低迷的状态。从整体收益来看，可能国内兆易创新的情况好一些，另外还有聚成股份和普冉股份，不过后两者的营收占比相对较小。
- 财联社 VIP-
VIP 是财联社集中优势资源打造的高端资讯板块，记者独家首发、星矿大数据核心支持、数十家券商和公私募机构联动使得 VIP 具备更好的前瞻性和市场契合度，成为行业中备受欢迎的高端付费产品之一。
《盘中宝》《风口研报》《电报解读》《狙击龙虎榜》《财联社早知道》《九点特供》《研选》《公告全知道》《风口专家会议》《金牌纪要库》十大产品，汇聚了机构观点、游资动向、行业新政策等系列具有极高投资价值资讯、分析、观点，取精华资讯的精华，进一步淬取。
风险提示 : 财联社 VIP 均为内容资讯产品，并非投资建议，栏目发布的所有内容仅供参考据此做出的任何投资决策与本公司及栏目作者无关。
