该行在报告中大幅上调了美光、闪迪、ARM、戴尔以及安森美等公司的目标价，并继续将美光列为首选标的。
Agentic AI 正改变 AI 基础设施逻辑
瑞穗认为，AI 行业最大的变化之一，是 AI 开始从传统聊天机器人，逐渐迈向能够自主执行复杂任务的 Agentic AI。Agentic AI 对基础设施的需求已经不再只是 GPU，而是会显著增加 CPU 与内存压力。
报告指出，Agentic AI 的 token 生成量可能比传统 GenAI 高出 1000 倍以上，而大量 Agent 协同工作，也会带来远高于传统 AI 推理的 CPU 与 DRAM 消耗。
瑞穗认为，这将推动全球内存市场进入新一轮超级周期。
Agentic AI 或额外推高全球 DRAM 需求 9%-13%
为了评估 Agentic AI 对内存市场的影响，瑞穗采用了三种不同模型进行测算。
第一种模型，是典型的 Bottom-up（自下而上）测算。
瑞穗预计，2025 年 Agentic AI 月活用户约为 2 亿，2026 年增至 7 亿，2027 年达到 15 亿。
随着 AI 智能体大量执行复杂任务，全球 DRAM 需求将快速增长。瑞穗测算显示，Agentic AI 带来的 DRAM 需求，可能从 2025 年的 51PB 增长至 2027 年的 5071PB（约 5EB），占全球 DRAM 需求约 9%。
第二种模型，则是瑞穗基于英伟达下一代 Vera CPU 服务器架构进行的"Back-of-the-envelope（反推式）" 测算。
报告指出，当前 Grace CPU 大约搭载 500GB LPDDR5 内存。但下一代 Vera CPU 可能提升至约 1.5TB LPDDR5。也就是说，单 CPU DRAM 容量直接提升约 3 倍。
更重要的是，英伟达未来可能推出纯 Vera CPU 服务器机架（Vera-only Rack）。
瑞穗预计，单个 Vera 机架可能搭载最多 256 颗 Vera CPU，对应约 400TB DRAM 容量。2026 年 Vera-only 机架可能带来约 3EB 新增 DRAM 需求，相当于全球 DRAM 供给的约 7%；到 2027 年，这一比例甚至可能达到 12%。
第三种模型，则是 Top-down（自上而下）测算。
报告预计，全球 AI 基础设施市场规模将从 2025 年的约 6000 亿美元增长至 2027 年的约 1 万亿美元。
其中，Inference（推理）市场增长速度将明显快于 Training（训练）。而在推理市场内部，Agentic AI 的占比也会快速提升。
瑞穗预计，Agentic AI 占整个推理市场的比例将 2025 年的约 5% 提升至 2026 年的 15%，2027 年再达到 20%。
在这一模型下，Agentic AI 最终可能在 2027 年带来约 7200PB DRAM 需求，占全球 DRAM 需求约 13%。
HBM 进入爆发式增长阶段
除了传统 DRAM，HBM（高带宽内存）也是报告重点看好的方向。
瑞穗预计，全球 HBM 市场规模将从 2025 年的 359 亿美元增长至 2028 年的 2461 亿美元，2025 至 2028 年复合增速高达 90%。其中，HBM4 与 HBM4e 将成为下一轮增长核心。
随着 HBM4/4e 在 2027 年开始大规模导入，HBM 整体价格可能同比上涨 70%-100%。推动价格上涨的核心原因主要有三个。
第一，HBM 生产会大量占用 DRAM 产能。
瑞穗指出，HBM4 的 trade ratio 达到 4:1，即生产 HBM 需要消耗更多晶圆资源，这会进一步挤压普通 DDR5 供应。
第二，AI 需求增长远超供给扩张速度。
报告称，目前部分客户实际只能拿到 50%-70% 的需求量，显示市场已经出现明显供给不足。
第三，部分 ASIC 客户可能直接跳过 HBM3e，转向 HBM4e。
这意味着高端 HBM 需求可能进一步提前爆发。
NAND 市场也开始进入新周期
相比 HBM 与 DRAM，市场此前对 NAND 关注相对较少。但瑞穗认为，随着 AI 推理需求不断增长，NAND 市场也将在 2027 年前后进入明显紧张状态。
报告指出，未来推动 NAND 需求增长的核心包括企业级 SSD（eSSD）、KV Cache、CMX 架构以及 HBF（High Bandwidth Flash）。其中，KV Cache 正在成为 AI 推理时代的重要存储需求来源。
随着 AI 模型上下文窗口越来越长，系统需要保存大量历史 Token 与缓存数据，这会持续推高高性能 NAND 需求。
HBF 可能成为下一代 AI 存储核心
瑞穗认为，闪迪与美光未来可能推出 HBF（High Bandwidth Flash）产品。其核心思路是：利用 16 层 SLC NAND 堆叠，实现接近 HBM 的带宽，同时提供远高于 HBM 的容量。
报告指出，HBF 容量可能达到 HBM 的 8-16 倍。这意味着，未来 AI 服务器可能形成：HBM 负责高速计算、HBF 负责大容量缓存、eSSD 负责长期存储的多层级存储架构。
未来 AI 服务器内存结构将越来越复杂。
2025 年服务器主要包括 HBM、企业级 SSD 和 HDD，而到 2027-2027 年，HBF、CMX 和 SRAM 等新型存储层级也将逐渐加入。
存储行业估值体系或永久重构
瑞穗认为，更重要的变化在于行业性质本身。
过去几十年，存储行业一直被视为典型周期行业，但 AI 时代可能改变其行业逻辑。
报告指出，AI 正在把存储行业从传统 " 商品行业 "，转变为 " 结构性供给受限的 AI 基础设施行业 "。
在 AI 需求持续爆发，而新增产能有限的背景下，未来几年内存市场可能长期维持供不应求状态。
因此，行业估值中枢也可能永久提升。
美光仍是瑞穗首选标的
在个股方面，瑞穗最看好美光。该行将美光目标价从 800 美元大幅上调至 1150 美元。
瑞穗认为，美光未来将同时受益于 HBM 价格上涨、DRAM 供给紧张、Agentic AI 带来的内存需求爆发以及长期供货协议（LTA）扩张。
报告预计，到未来几年，HBM 可能占美光收入的约 23%。
其他个股方面，闪迪目标价由 1625 美元升至 1825 美元，ARM 由 290 美元升至 360 美元，戴尔由 300 美元升至 350 美元，安森美由 139 美元升至 150 美元。
