AI引爆存储超级周期：HBM紧平衡，内存墙破局在即

在AI需求驱动下，存储行业迎来全面上行周期，从HBM到传统存储无一幸免。以美光为例，存储产品持续涨价推动其毛利率攀升至高位，该公司更是预计下一季度毛利率将达66-68%，刷新历史纪录，凸显本轮周期之猛烈程度远超以往。

存储产品的涨价本质上是市场供需关系的直接反映。本轮“供不应求”主要由AI服务器等需求爆发所引发。当前市场对存储周期上行已形成共识，本文将围绕以下核心问题展开深度剖析：

1）AI服务器中各类存储芯片扮演何种角色？当前AI存储面临哪些挑战？

2）三大原厂重点布局的HBM需求究竟如何？是否存在供需缺口？

3）AI需求爆发对传统存储市场带来哪些影响？供给能否及时跟上？

AI浪潮彻底重塑存储行业格局，推动HBM、DRAM、NAND、HDD等全品类产品进入全面上行周期。

从供需视角分析：①需求端，AI服务器重心从训练向推理转移，催生了对“低延迟、大容量、高带宽”存储的差异化需求；②供给端，存储厂商资本开支向高附加值的HBM与DRAM倾斜，形成结构性供需失衡，从而驱动产品价格大幅上涨。

本文先解答前两个问题，传统市场的影响将在下篇继续探讨。

当前AI数据中心的核心瓶颈在于“内存墙”——算力增长速度远超数据传输速度，导致GPU等计算单元空置率高达99%。

短期来看，HBM向16-Hi堆叠升级（带宽提升至16-32TB/s）与3D堆叠SRAM的商用（延迟压缩至2ns）形成互补方案；中长期则依赖存算一体架构的突破，彻底消除数据搬运延迟。

在AI存储旺盛需求下，HBM依然是三大原厂的重中之重，HBM4也将在2026年开启量产。

由于三大原厂（三星、海力士、美光）资本开支主要投向HBM，2026年HBM供应量有望增长60%以上。HBM需求量受AI芯片及CoWoS产能影响，预计将达42亿GB左右，HBM市场将呈现“供应紧平衡”状态。

下文将深入拆解存储层级的核心角色定位、破解“内存墙”的技术演进路径，并对HBM细分市场的供需情况展开全景解析，下篇则聚焦传统市场，进一步揭示本轮AI需求点燃的存储行业超级周期。

以下是详细分析

01 AI服务器带来了怎样的存储大周期？

AI存储在服务器中的角色：

回归计算机存储最原始的两大性能维度：a. 存储容量，即数据仓库的大小；b. 延迟和带宽，即数据存取速度。按这两个维度，存储产品大致可分为四类——HBM、DRAM、NAND和HDD。其中，HBM是专为AI GPU而生的需求，通过CoWoS封装技术，直接置于GPU“脑壳”内，延迟极低；DRAM（内存条）读取延迟较短，是靠近算力端的“热存储”；两者同属DRAM大类。而HDD虽延迟较高，但具备大容量“冷存储”特性。

各类存储产品在AI服务器中的具体角色如下：

a）HBM：与GPU芯片3D堆叠，作为GPU的“专用显存”，具备高带宽、高功耗特点，价格昂贵。HBM是AI服务器的“性能天花板”，决定单GPU可承载的模型规模与响应速度。

b）DRAM(DDR5)：数据交换枢纽，由CPU和GPU共用，连接HBM与NAND的“桥梁”。尽管DDR5速度慢于HBM，但容量大得多。DDR5是AI服务器的“内存基石”，其容量决定单服务器并发任务数，是处理并发任务的核心。

c）NAND（SSD）：热数据仓库，高频访问数据的“快速持久层”，连接DRAM与HDD。作为AI数据中心的“性能-容量平衡者”，SSD是训练数据的“快速补给站”，也是推理服务的“快速响应核心”。

d）HDD：海量冷数据的低成本容器。HDD带宽最低，但容量大、成本低，适合低频访问的“冷数据”。HDD是AI数据中心的“容量基石”，决定整体数据存储规模。

由此可见，一条清晰的AI服务器数据流动路线：HDD冷数据->SSD预热->DRAM中转->HBM配合计算，各部分在训练和推理服务器中均不可或缺。

当前AI存储呈现什么样的特点

本轮存储大周期完全由AI需求驱动，因此AI存储的表现需从下游AI服务器市场入手。与上半年相比，AI服务器领域出现显著变化：

a）AI从训练向推理迁移：

①训练是“一次性投入”，而推理是商业化落地的“刚需场景”；

②训练端对性能要求更高，成本随性能提升而增加；推理则具有规模效应，可通过批量处理摊薄成本。

谷歌Gemini媲美GPT的性能表现，让市场重新审视英伟达GPU的领先优势在实际应用中并不显著。尤其在AI向推理侧重趋势下，通过规模化获得优势，定制ASIC芯片在推理端同样胜任。

相比AI训练服务器，AI推理服务器更注重DDR（并发任务）、SSD（快速响应）和HDD（大容量）。

b）算力转向存力：此前市场焦点在算力，认为算力越强模型响应越快。但算力之外，还需存力“投喂数据”。若存储端“吐数据”速度跟不上计算端，将导致算力“冗余”，即当前备受关注的“内存墙”问题。

“内存墙”瓶颈：大模型推理时，需先从HBM加载模型权重（GB级）与KV缓存（GB级）到GPU缓存，再执行计算——计算本身仅需微秒级，但数据搬运需毫秒级。以H100为例，HBM带宽3.35TB/s，单Token计算时间10微秒，但生成一个Token需加载10GB模型权重+20GB KV缓存，从HBM加载到GPU需约9毫秒，计算闲置率近99%。

当前现状下，对AI存储需求的影响

上述现状衍生出两方面需求变化：一方面，推理服务器对DDR、SSD和HDD需求相对更多；另一方面，“内存墙”瓶颈需压缩传输距离、提高传输速度，以减少“等待时间”。英伟达收购Groq后，市场出现“SRAM替代HBM”的声音（SRAM即GPU芯片内部L2缓存）。但CES 2026中黄仁勋回应，SRAM速度虽快，容量仍偏小。由此推测，即使SRAM量产，仍将以“SRAM+HBM”形式共存，短期内不会替代HBM。

针对“内存墙”，主要有三种应对方案：

①HBM（提高传输速度）：拉高堆叠层数，从12-Hi向16-Hi升级，在提升容量的同时，传输速度有望从B300的8TB/s提升至16-32TB/s，减少数据排队时间；

②SRAM（压缩传输距离）：3D堆叠SRAM通过垂直堆叠多层SRAM芯粒，将KV缓存、模型轻量权重置于计算单元“随身口袋”（片上或近片存储）。待SRAM量产后，将形成“SRAM+HBM”组合（SRAM负责“快”，HBM负责“多”），有望将延迟从100ns大幅压缩至2ns附近。英伟达收购Groq正是看重其3D SRAM技术，当前核心厂商包括台积电、Groq、三星等。市场预期2026年下半年英伟达Rubin芯片有望融入Groq技术，实现存力提速。

③存算一体：将部分算力嵌入存储内部，消除算力冗余，提升存力效率和能效比。目前尚未在数据中心落地，预计2027年后逐步成为解决“内存墙”的途径。

数据中心及AI当前重心已从算力转向存力，在“内存墙”问题中，HBM迭代和SRAM应用将是短期内减少“等待时间”的有效方式。中长期，“存算一体”产品有望成为更优解。

附：英伟达收购Groq，主要是人才收购，同时获得Groq全部核心IP（LPU架构、TSP微架构、编译器技术）与硬件资产使用权。Groq创始人Jonathan Ross（谷歌TPU创始成员）及90%核心工程团队加入英伟达，Simon Edwards接任Groq新CEO。此举既能融合SRAM技术提升英伟达AI推理能力，也是防御性收购，避免技术落入竞争对手。

02 HBM市场：升级至HBM4，供需紧平衡

AI进入推理落地阶段，“内存墙”困境下，HBM仍是缓解“等待时间”的有效方式。因此，三大存储原厂（三星、海力士、美光）资本开支重心仍投向HBM。受益于AI需求，HBM是“从无到有”的直接增量，其需求量与AI芯片出货量直接挂钩。当前主流AI芯片（英伟达、谷歌、AMD）基本搭载HBM3E。三星HBM3E通过英伟达认证后已跟上步伐。目前三家厂商均已开始送样HBM4，待其顺利量产，下一代AI旗舰芯片将陆续配备HBM4。

尽管HBM由AI服务器率先带动，但其供需状况并非最紧张，原因在于存储厂商近年资本开支主要投向DRAM，尤其是高端HBM扩产。核心厂商表态可见：①海力士：增加投入以应对M15x的HBM4产能扩张；②三星：投入主要用于HBM的1c制程渗透及小幅增加P4L晶圆产能；③美光：专注于1gamma制程渗透和TSV设备建置。

HBM供给端：产能->产量

HBM主要供应商为海力士、三星和美光，市场供应量取决于三家的HBM产能。资本开支集中投向HBM，推动产能快速爬坡。当前三家公司合计HBM月产能约39万片，海力士和三星领先，美光规模较小。随着资本投入持续增加，预计2026年末HBM月产能将提升至51万片左右，年增12万片。

值得注意的是，产能不等于出货量。例如三星HBM产能虽高，但因HBM3E工艺良率偏低且迟迟未通过英伟达认证，实际出货份额一度下滑至3成以下。当前HBM市场份额中海力士占据近半，美光和三星接近。随着三星HBM3E在四季度获得英伟达认证，其产能利用率和出货份额将回升，有望反超美光。

HBM供应端测算主要结合产能和良率。由于三大厂商垄断，HBM产能仅考虑这三家。从合计产能看，2025年四季度HBM月产能约39万片，2026年四季度将达51万片。考虑爬坡因素，预估2026年HBM总产能约543万片。单片12寸晶圆约能切割出514颗等效3GB HBM颗粒，则543万片产能可切出27.9亿颗（等效3GB），在50%综合良率下，2026年三家厂商可提供约41.9亿GB HBM供应量。

HBM需求端：CoWoS->AI芯片->HBM

HBM均配备在AI芯片上，且AI芯片需CoWoS封装，因此通过“CoWoS->AI芯片->HBM”路径估算HBM需求量。结合行业预期，2026年CoWoS分配中英伟达仍占最大份额（超总量一半），谷歌、AMD和亚马逊也是主要客户。假设下图核心客户占据90% CoWoS需求，则2026年全球CoWoS需求量约128万片。

基于CoWoS量测算AI芯片出货量。以英伟达B300为例，单个CoWoS封装晶圆面积约得14个B300芯片（28个裸芯），则B300的35万片CoWoS产能对应约490万个B300芯片。单个B300芯片配备8个36GB HBM3E，即288GB HBM，那么490万个B300需14亿GB HBM。以此类推，2026年128万片CoWoS产能约对应42亿GB HBM需求量。综合HBM供应量（41.9亿GB）和需求量（42.1亿GB），2026年HBM市场呈紧平衡状态，主因三大原厂大力扩产所致。

本文主要介绍了各类存储在AI服务器中的角色及HBM供需情况，下篇将继续围绕AI对传统存储领域的影响展开。