作者:hoidya|0xU
1/ 存储行业到底是什么
存储行业主要由三类核心产品构成:DRAM、NAND与HBM。它们共同构成所有数字设备的数据记忆系统。无论是手机、电脑还是数据中心,都必须依赖这一层基础设施来完成数据的临时处理与长期保存。
从功能上看,DRAM用于运行中的临时数据存储,承担计算过程中的高速读写需求。NAND用于长期数据存储,类似设备的持久化记忆层。HBM则是在高性能计算环境中演进出的新形态,用于解决GPU与计算单元之间的带宽瓶颈问题。
如果从系统结构理解,存储行业并不是独立于计算系统之外的组件,而是所有计算系统的基础依赖层。任何计算任务都必须先“读取数据”,再进行“计算”,最后“写回结果”。因此存储是计算过程中的基础约束条件之一,而不是可选模块。
在过去二十年,这一行业的需求主要来自三个来源:消费电子(手机与PC)、企业服务器以及互联网基础设施。这些需求共同的特点是分散性强,更新周期可延迟,且单点需求规模有限。因此市场长期将其归类为典型的周期性半导体行业。
2/ 为什么存储长期被视为周期行业
存储行业之所以长期呈现强周期性,本质上来自供需结构的不对称性。需求端通常与消费电子周期和企业IT支出周期相关,而供给端则由晶圆厂投资驱动,存在明显的时间滞后。
当需求上行时,价格快速上涨,推动厂商扩产。但由于产能建设周期通常在12至24个月之间,新增供给往往在需求拐点之后集中释放,从而导致价格快速回落。这一机制形成了典型的boom-bust cycle。
在2010年至2022年期间,这种周期结构表现得尤为明显。例如DRAM行业在多个周期中都经历了从高毛利状态快速下滑至亏损,再到新一轮需求恢复后的反弹过程。这种波动使得市场长期将存储行业视为“高波动、低可预测性”的周期性资产类别。
在这一阶段,行业的定价机制本质上是库存驱动的。当库存下降时价格上升,当库存积累时价格下跌,而需求本身更多扮演触发变量,而不是结构性变量。
3/ AI之前,需求结构是怎样的
在人工智能出现之前,存储需求主要由消费电子与传统互联网基础设施驱动。消费电子的特点是更新周期长,需求相对可预测,例如智能手机的换机周期通常为两到三年。服务器与企业存储则更多依赖IT资本开支节奏,同样具有较强周期性。
在这一结构中,存储作为标准化产品,其价格主要由供需关系决定,而非单一大客户的长期锁定需求。因此市场具备高度的现货属性,价格信号能够快速反映库存变化与产能调整。
换句话说,在AI之前,存储行业的需求结构是分散的,且缺乏长期刚性约束。这也是其周期性特征得以成立的核心基础。
4/ 为什么AI彻底改变了存储需求结构?(从周期品到基础设施)
过去存储需求由消费电子驱动(手机、PC),本质是“可延迟消费”。但AI带来的是完全不同的需求函数:它是持续性计算系统,且memory usage与模型规模线性甚至超线性增长。
以AI数据中心为例,训练与推理过程中GPU不是计算瓶颈,而是memory bandwidth瓶颈,这直接推动HBM成为刚性需求。行业数据显示,AI服务器对高带宽内存的需求正在以远超传统DRAM的速度增长,并导致HBM产能被长期锁定,甚至出现2026年前全部预售的情况 。
更关键的是供给侧变化:由于HBM利润率显著高于传统DRAM,厂商主动进行产能再分配,将晶圆从DDR4/DDR5转向HBM生产。这种结构性挤出效应导致传统DRAM与NAND出现“非需求驱动型短缺”。
市场已经出现极端信号:部分DRAM与NAND现货价格在季度内上涨15–20%,并出现“日内价格调整”现象 。
5/ 过去存储是怎么定价的?
在2010–2022年之间,存储行业的定价机制高度典型,是一个标准的半导体周期模型:
价格由库存周期驱动,而不是需求结构驱动。
当库存下降 → 价格上涨 → 厂商扩产 → 供给过剩 → 价格崩塌。
这一机制的核心约束是“产能建设滞后性(1–2年)+ 需求可延迟性
例如在上一轮周期中,DRAM行业经常出现季度级别的利润大幅波动,甚至从高毛利转为亏损,再快速反转。
但这一机制在AI时代被破坏,原因是两个变量同时改变:
- 第一,需求从分散消费变为集中采购
- 第二,供给从“自由市场扩产”变为“利润优先配置(HBM优先)”
结果是:周期波动仍存在,但价格弹性被结构性压缩。
6/ 现在发生了什么结构变化?
当前(2024–2026)存储市场的核心变化不是价格上涨,而是市场结构从“spot market”转向“contract allocation system”。
首先是HBM的挤出效应。由于HBM单位晶圆利润显著高于DDR4/DDR5,三星、SK hynix、Micron均优先将产能转向HBM生产。行业数据显示,HBM正在从低个位数占比迅速上升至DRAM收入的40%+结构性水平 。
这一结构调整导致两个结果:
- 第一,传统DRAM供给收缩
- 第二,NAND进入被动紧缺状态
与此同时,市场进入极端供需状态:DRAM行业收入在2025年Q2同比增长17.1%,但增长来源不是需求爆发,而是价格上涨与供应约束共同驱动 。
更极端的信号来自交付端:行业lead time已经从正常的8–12周延长至39–52周,部分汽车级memory甚至超过70周 。
这意味着一个关键结构变化:memory不再是“可即时交易商品”,而变成“配给型资源”
这会形成一个正反馈循环:
价格上涨 → 厂商减少spot供给 → 买方提前锁单 → 进一步减少现货流动性 → 价格继续上升。
7/ 谁在这个结构里获益?
存储产业的利润结构正在发生明显迁移。
第一层:供给侧(Samsung / SK hynix / Micron)
这些公司正在从“周期性制造商”转变为“AI基础设施供应商”。其中SK hynix在HBM上的领先地位使其逐渐成为结构性定价权拥有者,其DRAM市场份额已提升至约38% 。
第二层:需求侧(Microsoft / AWS / Google)
这些公司通过长期合同锁定未来供给,本质是在进行“时间套利”:用当前资本支出锁定未来AI算力与memory成本。
第三层:AI模型公司(OpenAI等)
它们处于现金流压力与算力需求之间,通过融资 → capex → 再锁供给形成闭环。
关键变化在于:pricing power 正在从“市场”转移到“合同结构”
8/ 风险与证伪条件
这一轮“AI memory supercycle”至少有三个明确的证伪条件:
第一,如果AI capex进入收缩周期(hyperscaler降低投资强度),当前需求结构会迅速失真,因为memory需求高度依赖AI compute expansion。
第二,如果HBM技术路径被替代(例如新型内存架构或compute-memory fusion),当前HBM溢价将被压缩,导致产能重新回流DRAM/NAND。
第三,如果产能扩张周期重新加速(三星 / SK hynix重新进入激进扩产),则当前供给约束会在1–2年后反转为过剩周期。
换句话说,这一结构成立的前提是:
AI需求增长速度 > 产能扩张速度 + 技术替代速度
