一文读懂存储行业

看着动不动就大涨的 “存储概念”，你是否还搞不清楚 “存储” 究竟是什么？为什么这些股票会涨到天上去？$美光科技(MU.US) 、$闪迪(SNDK.US) 、$西部数据(WDC.US) ……这些明星公司又蕴含着怎样的秘密？本期百科君带你解答这些问题。

先理解什么是存储器

简单来讲，存储器就是一种能够存储、读取和写入数据的硬件设备。核心作用在于解决数据的 “临时&长期存放”。我们可以用一个非常简单的比喻来理解：计算机就像一个人在工作，CPU / GPU = 大脑（负责思考），而存储就可以类比成这个人的记忆 。

存储器又分为两大阵营：易失性存储器和非易失性存储器。易失性存储器的特点是读写速度快，能匹配 CPU 的高速运算，但断电数据会丢失；非易失性存储器即使断电，数据也能长期保留，不过读取速度较慢。

继续细分，易失性存储器又可分为 DRAM (动态随机存取存储器) 和 SRAM (静态随机存取存储器) 。DRAM 是最主流的内存类型，也就是我们平时说的内存条（即电脑/手机里的运行内存），SRAM 可以理解为 “更高级的内存”，它比 DRAM 更快，不需要刷新，但成本非常高、容量也很小。其实除了这两个传统类别，不少朋友应该还听过HBM（高带宽内存), HBM 本质上就是 DRAM 的一种升级形态，这个我们放在后面会做重点介绍。

至于非易失性存储器，其实最核心的构成就是 NAND Flash (闪存), 咱们平常用的 SSD 固态硬盘、U 盘、手机存储（256G/512G 那个）都属于这个范畴。还有 NOR Flash 则比较小众，这里不做过多介绍。

存储行业的历史变革

存储这个行业，其实经历过几次非常明确的时代切换。

最早的计算机时代，存储的核心是能不能存下来。从磁带、软盘到机械硬盘，重点在于容量，因为当时数据是稀缺的，能保存住数据就已经是一种进步。

后来进入 PC 和互联网时代，存储开始变成 “既要存得多，也要读得快”。一方面是操作系统和软件越来越复杂，需要更快的内存（DRAM）来支撑运行；另一方面，大量数据开始长期沉淀，于是以 NAND 为代表的闪存逐渐替代机械硬盘，成为主流存储介质。但即便如此，在很长一段时间里，存储都不是最关键的瓶颈。因为当时的核心矛盾在算力——CPU、GPU 的性能提升，才是推动整个行业前进的主线。

真正产生结构性变革的，就在于这轮 AI 革命。因为大模型训练和推理，本质上不是单纯的计算问题，而是一个数据流动问题：海量数据需要被不断读取、处理、再写回。如果数据无法及时送到计算单元，再强的算力也发挥不出来。这就使得瓶颈开始从 “算得快不快”，转向 “数据搬得快不快”。可以说在 AI 时代，存储决定了算力能发挥多少。

HBM——应运 AI 时代而生

HBM 的初衷，其实就是为了向 GPU 和其他处理器提供更多内存，这主要是因为 GPU 的功能越来越强大，需要更快的从内存中访问数据，以缩短应用处理时间。从技术角度来看，HBM 使 DRAM 从传统 2D 转变为立体 3D，充分利用了空间、缩小面积。叠起来之后，直接结果就是接口变得更宽，其下方互联的触点数量远远多于传统 DDR 内存连接到 CPU 的数量。正是由于 HBM 是这轮 AI 算力体系里的隐形瓶颈，同时相关技术门槛难度最高、供应最紧缺，因此以 HBM 为侧重的企业成为此次 AI 技术发展的最直接受益者。

在 HBM 的诞生与发展过程中，$AMD(AMD.US) 和 SK 海力士可谓功不可没，2013 年这两家企业联手共同推出了 HBM 这项核心技术，就在第一代 HBM 面世商用后，三星加入了这场竞争；2020 年，另一家存储巨头美光也宣布加入到这一赛场中来。比较可惜的是 AMD 在 2016 年发布完产品后完全转向，近乎放弃了 HBM。因此当前 HBM 市场基本都集中在 SK 海力士（$南方两倍做多海力士(07709.HK) ）、三星（$南方两倍做多三星(07747.HK) ）和美光科技这三家企业。

其他间接受益方

这轮 AI 带来的 “存储热”，确实是以 HBM 为核心引爆点，但不等于只有 HBM 受益。

因为整个链条大致是这样的：数据存储（NAND）→ 内存（DRAM）→ HBM → GPU

AI 除了需要 HBM 更快的数据搬运，同时也需要存海量数据，这就使得像闪迪这样专注于做企业级 SSD 的厂商也得到了市场青睐。2025 年闪迪从西部数据里分拆出来，成为一家纯粹的闪存公司；西部数据则专注于传统的机械硬盘（HDD）业务。其实不管是 SSD 还是传统 HDD，在 AI 时代都有它的一席之地，因为并不是所有所有科技业务都要追求 “快”，SSD 固然很快，但 AI 时代每天造的海量冷数据——比如那些用不上但必须存的训练日志、老档案，如果都用 SSD 存的话成本高到离谱，因此西部数据的 HDD 就成为了该场景下的最优解，这一点在它股价上也得到了很好的验证。