存储行业报告：AI推理带来需求爆发、驱动范式升级

一、AI推理带来存储需求爆发和存储范式的改进

• AI训练与推理对存储需求的不同影响： 大模型训练和推理对存储需求存在显著差异。训练阶段数据总量可控、规则可预测，偏向一次性学习过程，但单任务维度下显存消耗和整体存储容量需求远大于推理；推理阶段数据实时输入、请求粒度小、并发高、上下文长度差异大、延迟要求严格，偏向持续性的应用过程，需要保留大量KV cache，对延迟高度敏感，因此智能体AI普及带来用户爆发式增长、参数规模扩大、应用复杂度提升的背景下，数据会快速动态膨胀，预计远期在数据中心中，推理存储需求占比（2030年预计70%+）远超训练。
• 大模型训练的运行机制和存储介质： 训练阶段计算密集型，系统需反复读写、写入巨量数据，数据流动频率高、负载持续、IO密度高，但训练阶段数据集通常是固定规模，不随时间线性增长。存储介质包括HDD/SSD存储训练样本，HBM/GDDR（GPU显存）加载与处理模型参数、激活值等核心计算内容，DRAM用于扩展内存、保存部分模型权重，SSD作为补充设备，用于保存中间文件。
• 大模型推理的运行机制和存储介质： 推理侧存储需求由“规模扩张”与“动态波动”共同驱动，随大模型参数规模扩大以及应用复杂度提升，推理侧存储需求呈现显著非线性增长特征。存储介质包括SSD存储模型权重，推理时从SSD加载至DRAM，再从DRAM加载至HBM（用户输入query及生成token相关计算），HBM的KV cache亦持续更新支持实时推理，若上下文过长导致DRAM无法容纳，继续缓存至SSD，推理结束后，完整的Session数据、用户日志、输入输出等数据在HDD/SSD长期储存。
• 大模型训练和推理的数据对比： 从单模型/单任务维度对比，训练对存储容量与带宽需求远高于推理；但从AI平台维度对比，推理数据将会动态膨胀，在数据中心的存储需求占比预计快速提升，未来预计远超训练。
• 大模型训练的各阶段数据依赖： 训练时涉及基础训练数据（原始输入）、模型参数（初始权重）、激活值、梯度数据、优化器、更新后的模型参数（新权重）、检查点（checkpoint）等数据，分别对应前向传播、反向传播、参数更新、全流程阶段，并保存在不同的物理存储介质中。
• 大模型推理的主要数据类型： 推理过程中占据主要存储资源的数据类型包括：模型权重、KV Cache、激活值、RAG向量数据库以及Token长期落盘数据，其中前四类主要以高维张量形式存在，构成推理阶段的核心存储负载，并主要驻留于HBM与DRAM等高速存储层级。
• 大模型推理的运行机制： 推理分为计算密集型的prefill（处理输入提示）和带宽密集型的decode（生成输出token），decode阶段受限于存储。
• 内存墙问题在大模型时代的凸显： 数据规模快速增长的同时，系统瓶颈正由单纯的“容量不足”转向“带宽与数据搬运效率受限”，高频的数据在计算单元与多层存储之间迁移，使内存墙问题凸显。

二、看未来2年供需持续紧张，原厂与客户签订长协

• 存储市场供需情况： 2025年全球半导体市场规模7722亿美金，其中存储器市场规模2116亿美金，创历史新高，yoy+28%，占比27%。存储三大下游需求中，服务器占比有望提升至40%左右，DRAM下游需求中服务器占比有望提升到50%-60%（含HBM），手机+PC需求占比<40%。
• 服务器存储需求增长趋势： 手机、PC和服务器对DRAM、NAND存储需求直观体现在出货量和单机容量两个维度。手机和PC的出货量已达到相对稳态天花板状态，对存储的需求更多体现在单机容量逐步提升；服务器出货量和单机容量均在快速提升。
• 存储成本不断提升： 存储涨价大周期下，手机、PC、服务器存储成本不断提升。低端机、中端机、旗舰机的存储成本占比均显著提升；AI轻薄本、游戏本、商用台式机的存储成本占比也显著提升。
• 存储芯片涨价对终端市场的影响： 在存储芯片涨价大周期背景下，产业链成本端压力持续传导，消费电子终端出货承压明显，行业整体出货预期同步下修。
• 存储周期复盘： 上轮周期供给收缩驱动反弹；本轮周期是AI需求爆发引领的成长，供不应求的局面预计维持时间更久（目前预期至少至28年），价格有望持续保持高位。
• 价格复盘： 上一轮周期价格上涨4个季度后开始回落，本轮存储周期25Q2开始，目前仍处于涨价通道，周期明显拉长。25Q4、26Q1 DRAM、NAND合约价涨幅持续超预期。
• NAND价格走势： NAND价格25Q3开始进入快速上行通道，在供给受限+需求结构升级背景下，26Q1涨幅显著。
• 存储供需紧张下的长协签订： 存储的焦点已经从“看谁更便宜”，转向“看谁能拿到货”，因此客户与原厂在签订长协以锁定产能、保障供应。目前虽然CSP客户仍在争取最优条款，但已经开始陆续签署 3–5 年长协。
• 长协的特点和影响： 原厂与北美CSP厂商长协时间拉长至3-5年，锁定高底价。厂商将高额预付款作为分配产能的前提。LTA锁定未来3到5年盈利确定性，提供关键资金来源，减少需求收缩冲击，提升资本开支效率，成为厂商筛选长期合作伙伴的工具。

三、存储是AI硬件估值最低、业绩确定性最强的方向

• AI核心硬件的估值对比： 存储是AI硬件估值最低、业绩确定性最强的方向。
• 存储超级大周期下的投资建议： 建议关注弹性模组及主控、上游设计端、设备、光刻机产业链等领域的公司。
• 风险提示： 长鑫长存产能释放加剧竞争的风险，AI CAPEX不及预期的风险，数据更新不及时，模型测算偏差风险。