AI引爆存储大周期：一场由大模型驱动的存储革命正当时

当ChatGPT周活突破8亿，当GPT-5参数量迈向2万亿，一场悄无声息的存储海啸正在席卷全球半导体产业。国信证券最新发布的《人工智能存储系列报告一》深度揭示了AI如何从训练到推理全面拉动存储需求——2026年，AI对DRAM和NAND的需求将分别达到23EB和593.5EB，短期供不应求已成定局，存储大周期方兴未艾。

一、存储系统：AI世界的“血液与骨架”

在AI大模型的训练与推理过程中，存储系统扮演着不可或缺的角色。根据数据访问频率和价值，存储系统构建了一座金字塔结构——塔尖是速度极快但成本高昂的内存（Memory），塔基是容量巨大但性能相对较弱的存储（Storage）。

内存主要包括DRAM和HBM，属于“易失性”介质，断电即失，但访问速度极快。它承担着频繁变更的数据和实时计算任务的承载。存储则主要包括SSD和HDD，属于“非易失性”介质，容量大、成本低，适合存放不常访问或需要长期保存的数据。

在AI工作负载中，数据在不同阶段需要不同的存力支撑。以英伟达H100服务器为例：单颗H100配置了6颗HBM3堆栈，共计96GB的显存；系统层面配置了32个64GB DRAM，合计2TB的系统内存；本地还配有8个3.84TB的NVMe SSD。而到了下一代DGX B200服务器，单台服务器搭配IBM存储系统时，甚至需要配置约27.4TB的HDD用于网络存储——随着多模态模型的发展，大量生成的图片、视频数据正在让网络存储需求持续飙升。

二、HDD：老树开新花，HAMR技术突破容量极限

硬盘驱动器（HDD）在AI时代并未被淘汰，反而在企业级存储中焕发新生。HDD的核心竞争力在于面密度的持续提升——这是容量提升的根本路径。面密度由两个维度决定：圆周方向的记录密度和磁道密度。

近年来，HAMR（热辅助磁记录）技术成为HDD领域最革命性的突破。希捷在该技术上领先，通过激光精准加热目标区域的超晶格铂合金介质，瞬间升温至400℃以上，临时降低矫顽力完成写入，再在不到2纳秒内冷却。这一技术让希捷实现了单碟3TB、全盘30TB的量产产品，并在路线图中规划了单碟4TB、5TB乃至10TB的目标。2025年1月，希捷宣布基于HAMR的魔彩盒3+平台可在十碟片中提供36TB的容量点。

西部数据则走出了另一条路——OptiNAND技术。它集成了iNAND嵌入式闪存盘和旋转磁碟，将元数据从碟片转移到iNAND中，腾出了宝贵的碟片空间，同时配合TSA三阶驱动器技术，实现了更大的每英寸磁道数。此外，西部数据早在2013年就率先采用氦气密封封装（Helio Seal），进一步降低了功耗和振动。

多磁臂技术是另一个看点。以希捷的MACH.2双磁臂为例，两组磁臂上下堆叠，共用一个枢轴，在逻辑上相当于两个独立的硬盘。它让传输速率和读IOPS接近翻倍，单位成本却低于使用两块较小容量的硬盘。更值得关注的是，HDD正逐步统一到NVMe协议生态——这不仅突破了SATA接口的速率上限，还简化了存储拓扑结构，利于与高性能存储网络整合。

从市场格局看，HDD行业呈现双寡头垄断：2024年希捷、西部数据、东芝市占率分别为40.8%、40.0%、19.2%。而企业级HDD占比已从2020年提升至76%，西部数据在企业级HDD中的市占率更是达到了46.5%，超越希捷成为第一。

三、SSD：从追赶到超越，高容量QLC与PCIe成主流

固态硬盘（SSD）以NAND Flash为介质，经历了探索期（1976-2005）、追赶期（2006-2009）和全面发展期（2010-至今）三个阶段。如今，SSD在读写带宽、随机IOPS、功耗、抗震、噪声等维度全面超越HDD，唯一的劣势在于价格——2024年企业级SSD单GB价格是HDD的9倍。

2024年全球SSD市场规模已达410亿美元，预计2029年增长至610亿美元。从产品结构看，高容量SSD的占比正在快速提升：256GB-512GB、512GB-1TB、1TB-2TB三类产品在2024年合计占比69.7%，预计到2029年，512GB-1TB和1TB-2TB的占比将分别提升至43.7%和20.4%。

在企业级SSD领域，QLC（每单元4位数据）的出货容量正在爆发。2024年TLC仍占88.5%，QLC仅占11.4%；但到2029年，QLC份额将飙升至54.1%，成为主流。与此同时，PCIe接口（NVMe协议）已成为绝对主流，2024年企业级SSD中PCIe版本出货量占比73.7%，预计2029年将达94.8%。

消费级SSD中，PC用SSD仍占81%的收入份额，但消费电子（如游戏机）用SSD的平均容量更高——2024年消费电子用SSD中512GB-1TB和1TB-2TB占比高达79.1%。桌面PC领域，SSD正在逐步替代HDD，目前已占近80%份额；便携式PC中，SSD与低功耗的Embedded NAND长期共存，份额相对稳定。

从竞争格局看，2025年Q2全球SSD出货量维度三星、闪迪、美光、海力士、铠侠合计占68.1%；收入维度三星、Solidigm（海力士旗下）、美光、闪迪、铠侠合计占74.1%。企业级SSD则更为集中，三星、Solidigm、美光、铠侠、海力士五家合计占收入84.3%。

四、DRAM：从DDR到HBM，带宽与堆叠的军备竞赛

DRAM（动态随机存储器）自1969年发明以来，经历了从DRAM到SDRAM、再到DDR（双倍数据率）的持续迭代。每一代DDR都在核心频率、预取位数和功耗上取得突破：DDR1实现2位预取、等效频率为核心频率2倍；DDR2实现4位预取、等效频率4倍；DDR3实现8位预取、等效频率8倍；DDR4引入Bank Group概念，等效频率进一步提升；DDR5则实现了16位预取、独立的32位通道，工作电压降至1.1V。目前头部厂商已开始研发DDR6，三星计划在CES 2026展出全球首款LPDDR6。

DRAM的下游需求主要集中在手机、PC和服务器领域。2024年8GB和16GB是出货主力，合计占比73%；未来高容量占比持续提升，预计2029年16GB、24GB、32GB占比将分别提升至39.9%、13.1%、16.3%。从竞争格局看，2024年全球DRAM市场三星、海力士、美光三家合计占比近95%，呈现高度寡头垄断。

然而，当前最受瞩目的DRAM产品无疑是HBM（高带宽内存）。 HBM通过TSV（硅通孔）技术将多层DRAM芯片垂直堆叠，再通过微凸点和中介层与GPU互联。这种架构提供了极高的显存位宽——以HBM3为例，位宽高达1024位，带宽达819GB/s，远超DDR5的64位和70.4GB/s。

HBM的演进速度惊人：从2015年第一代HBM（2Gbps、256GB/s），到2024年的HBM3E（8Gbps、1.0TB/s），再到规划中的2026年HBM4（8Gbps、2.0TB/s）和2028年HBM4E（10Gbps、2.5TB/s）。堆叠层数也从4层、8层发展到12层甚至16层，单颗HBM容量从4GB提升至48GB以上。

2024年全球HBM市场规模已达179.6亿美元，受益于AI芯片需求，预计2024-2026年复合增长率高达59.7%，到2029年将达575.4亿美元。从竞争格局看，2024年海力士以56.4%的市占率遥遥领先，三星占37.8%，美光仅占5.8%。但美光正在快速追赶，其市占率从24Q1的0.2%飙升至25Q2的16.0%。

五、NAND Flash：堆叠层数与单元bit数的双重革命

NAND Flash是SSD的核心介质，其发展沿着两条主线：一是从SLC到QLC，每个存储单元存储的bit数持续增加；二是从2D到3D，堆叠层数不断攀升。

SLC（1位/单元）寿命最长、速度最快但成本最高，主要用于航空航天等对可靠性要求极高的场景；MLC（2位/单元）次之；TLC（3位/单元）是目前主流；QLC（4位/单元）成本最低但寿命有限，当前主要应用于消费级或读密集型企业级场景。随着技术进步，QLC的寿命正在改善，预计2029年将在消费级SSD中占比达70.3%，在企业级SSD中占比达54.1%。

在3D NAND领域，堆叠层数竞赛从未停歇。2016年三星发布48层3D V-NAND时，每平方毫米可产出2600Mb数据，是2D NAND的3倍。如今，各厂商已突破200层甚至300层——海力士2024年量产全球首款321层4D NAND，三星第九代V-NAND也达到300层以上。

从下游需求看，2024年SSD占NAND需求的55.0%，手机占33.2%，合计88.2%。受益于AI推理爆发，SSD需求占比预计到2029年将提升至73.0%。在容量分布上，256GB和512GB仍是2024年的出货主力（合计82.8%），但1TB和2TB的占比正在快速攀升，预计2029年将分别达到75.7%和6.3%。

从竞争格局看，2025年Q2全球NAND市场三星以34.0%市占率领先，海力士（22.0%）、铠侠（13.9%）、美光（13.9%）、闪迪（12.1%）紧随其后。

六、AI需求测算：一场数字洪流

6.1 训练侧：HBM与SSD的双重压力

大模型训练包含前向传播、反向传播和参数更新三个阶段。以GPT-3（1750亿参数）为例，若采用全精度训练，模型参数需700GB，梯度参数700GB，优化器状态参数1400GB，激活值约1026GB，合计近3.8TB的HBM需求——这远超单颗GPU的显存容量。因此，混合精度训练成为主流：使用FP16存储模型参数、梯度和激活值，同时保留一份FP32的模型参数用于更新。这样可将总HBM需求降至约2.5TB。

训练阶段对本地SSD的需求主要来自训练数据和Checkpoint。GPT-3的原始数据为45TB，清洗后保留570GB。而Checkpoint（模型快照）每2小时保存一次，若允许5%的时间用于生成，则需6.8GB/s的存储带宽，对应2.4TB的存储空间。通常保留5-10个检查点，因此对SSD的容量和带宽要求相当可观。

6.2 推理侧：HBM、DRAM、NAND的三重奏

推理侧的存储需求更为复杂。以GPT-5（假设2万亿参数，MOE架构）为例：

HBM需求分为两部分：承载模型权重和KV Cache。模型权重中，稠密部分（路由器等）占10%，即0.2万亿参数，对应0.40TB；专家模型占90%，但每次只激活3%的专家，即0.054万亿参数，对应0.10TB。因此单模型副本需0.50TB HBM。假设每秒输出1000个token，而ChatGPT需每秒处理6067万输出token，则需60758个副本，对应29.4PB的HBM。

KV Cache方面，主流GQA（分组查询注意力）方法下，每个token的KV Cache大小为480KB。假设并发数为304万，平均输出长度200 token，输入长度1000 token，单次并发需8.79GB，总KV Cache需求为1.6PB。加总HBM需求为31.0PB。

DRAM需求主要用于承载非活跃的专家模型权重和部分KV Cache。非激活专家参数占97%，即1.74万亿参数，对应3.4TB per副本，总需求0.2EB。KV Cache留存方面，假设24小时内命中率50%，每日Token处理量31.5万亿，对应KV Cache需求13.4EB，留存50%即6.7EB。加总DRAM需求为6.9EB。

NAND需求主要来自RAG（检索增强生成）存储。测算显示，每100GB原始文本经向量化、索引、冗余复制等处理后，最终需要约1.09TB的NAND空间，比例约为10.93:1。假设ChatGPT月活11.4亿，单用户每日上传1GB数据，全年上传12.8EB原始数据，则RAG NAND需求达139.7EB。假设RAG占总NAND的70%，则总NAND需求为199.5EB。

6.3 供求关系：短期供不应求，价格上行周期开启

将上述需求外推到2026年，并考虑ChatGPT月活增长30%、单位用户Token消耗量增长70%、API调用翻倍，则2026年AI对DRAM总需求（含HBM）将达到23.0EB，对NAND总需求达到593.5EB。

而全球DRAM供给侧2025年、2026年分别仅为35.7EB、41.1EB；NAND供给侧分别为875.6EB、1014.7EB。仅AI需求就导致2026年DRAM总需求/总供给达129%，NAND达132%。短期供不应求已成定局，存储价格有望持续上行，存储大周期方兴未艾。

七、全球存储巨头全景图

三星电子：全球存储龙头，25Q2 DRAM市占33.2%（第二）、NAND 34.0%（第一）、HBM 17.0%（第二）、SSD 32.0%（第一）。从DDR1到DDR5、从HBM2到HBM3E、从24层到300+层V-NAND，三星几乎在每个存储领域都处于领先地位。

SK海力士：HBM领域的绝对霸主，25Q2 HBM市占高达67.0%，DRAM整体市占39.1%（第一）。其通过收购英特尔NAND业务成立Solidigm，在企业级SSD市场位列第二（市占21.3%）。海力士在4D NAND技术上独树一帜，率先量产321层产品。

美光：美系存储的最后堡垒，DRAM市占22.8%（第三）、NAND 13.8%（第四）、HBM 16.0%（第三）。美光早期专注HMC技术，2018年转向HBM后快速追赶，市占率从0.2%飙升至16.0%。在SSD领域，美光以11.1%市占位列第三。

闪迪：2025年从西部数据剥离独立上市，聚焦消费级NAND和SSD市场。25Q2全球NAND市占12.1%，消费级SSD市占19.0%（第二）。从CF卡、SD卡到SSD，闪迪在消费存储领域拥有深厚积累。

西部数据：剥离闪存后全面聚焦HDD，2024年企业级HDD市占46.5%，超越希捷成为第一。其氦气密封、ePMR、OptiNAND等核心技术构筑了坚实壁垒。

希捷科技：HDD传统龙头，2024年整体市占40.8%，在HAMR技术上领先，率先实现36TB商用产品。FY2025其HDD业务收入占比高达93%。

铠侠：前身为东芝存储，NAND闪存的发明者。25Q2全球NAND市占13.9%，SSD市占8.1%。在QLC和3D NAND堆叠技术上积累深厚。

八、风险提示

存储行业周期性极强，需警惕以下风险：厂商DRAM、NAND扩产导致产品价格下降的风险；互联网大厂资本开支不及预期的风险；AI应用活跃用户数增长不及预期的风险；AI大模型方案优化（如更高效的KV Cache压缩、模型蒸馏等）进而减少存储需求的风险。

结语：AI大模型的军备竞赛，本质上是算力与存力的双重竞赛。当模型参数突破万亿、当多模态数据以指数级增长、当推理应用渗透到每一个终端，存储系统正从“配角”走向“主角”。国信证券这份报告清晰地告诉我们：存储大周期，才刚刚开始。

☟☟☟

☞人工智能产业链联盟筹备组征集公告☜

☝