持续学习推动高带宽内存/嵌入式固态硬盘需求（AI训练/推理）

Citi 研报指出，持续学习将成为未来五年 AI 发展的关键主题，这将重塑长期内存需求。持续学习通过在新的任务和知识上进行训练来强化模型，从而最大限度地提高资源效率并使 AI 越来越智能。这将创造对模型更新和访问先前获取数据的持续需求，从而显著增加内存使用。

持续学习将推动 HBM（AI 训练）、服务器 DDR5 和 eSSD（AI 推理）等不同产品的内存需求呈指数级增长。预计从 2027 年起，训练和推理需求将同时增长，这将推动服务器 DDR5 和 SoCAMM2 的 DRAM 需求，以及用于持续获取新信息的 HBM 需求。此外，预计 eSSD 需求将扩大，因为保留先前学习的数据需要大量的存储容量。

报告预测，到 2027 年，HBM 比特需求将同比增长 62% 至 752 亿 Gb，到 2028 年将同比增长 69% 至 1270 亿 Gb，尽管存在 HBM 去规格化和最近的 AI 安全问题。在 NAND 方面，预计 eSSD 需求将扩大，因为保留先前学习的数据需要大量的存储容量。

Citi 预计，到 2027 年，全球 DRAM 需求将同比增长 30%，NAND 需求将同比增长 29%，这将导致内存供应紧张加剧。预计 2027 年 DRAM 供应/需求比将为 -8.7%，NAND 供应/需求比将为 -6.1%。报告还预测，到 2027 年，全球内存资本支出将同比增长 46.5% 至 804 亿美元，其中 DRAM 资本支出将同比增长 51.6% 至 586 亿美元，NAND 资本支出将同比增长 34.2% 至 218 亿美元。

Citi 认为，持续学习和个人 AI/物理 AI 的潜在出现将使全球内存供应商在从中长期内受益。随着需求的持续增长，内存设备制造商和材料公司将在巨额资本支出和内存生产运行率提高的推动下逐步增长。

报告推荐的主要受益者包括：三星电子、SK 海力士、美光、闪迪和铠侠；设备/材料主要受益者包括：蒙特age、应用材料、泛林集团、TES 和 Eugene Tech。