---
title: "存储行业的结构性变化：HBM / DRAM / NAND 的新周期逻辑"
type: "Topics"
locale: "zh-CN"
url: "https://longbridge.com/zh-CN/topics/42232222.md"
description: "原文作者：@fi56622380（X / Twitter）读完原作者 @fi56622380 的文章后，认为其中对于 AI 推理、HBM、DRAM 与 NAND 供需关系的分析很有深度，特此作学习总结与整理。本文仅为对原文的学习笔记与观点摘要，不代表原创研究；文中的核心论证框架、观点与数据推演均归原作者所有，整理者仅对内容结构与表述进行了归纳。过去..."
datetime: "2026-06-26T08:22:04.000Z"
locales:
  - [en](https://longbridge.com/en/topics/42232222.md)
  - [zh-CN](https://longbridge.com/zh-CN/topics/42232222.md)
  - [zh-HK](https://longbridge.com/zh-HK/topics/42232222.md)
author: "[每天都吃肉](https://longbridge.com/zh-CN/profiles/7641921.md)"
---

# 存储行业的结构性变化：HBM / DRAM / NAND 的新周期逻辑

> **原文作者：@fi56622380（X / Twitter）**  
> **读完原作者 @fi56622380 的文章后，认为其中对于 AI 推理、HBM、DRAM 与 NAND 供需关系的分析很有深度，特此作学习总结与整理。本文仅为对原文的学习笔记与观点摘要，不代表原创研究；文中的核心论证框架、观点与数据推演均归原作者所有，整理者仅对内容结构与表述进行了归纳。**

过去，存储行业通常被视为典型的 commodity 行业：产品标准化、建厂周期长、资本开支巨大，而需求变化却快。因此，价格容易在繁荣与亏损之间剧烈摆动——需求上涨时扩产，产能落地后又供给过剩，最终进入降价、减产、去库存的下一轮循环。

但 AI 推理正在改变这一逻辑。

原文最核心的判断是：**HBM、DRAM、NAND 并不是三个彼此独立的涨价故事，而是同一套 AI memory hierarchy，在不同性能、容量与成本层级上的共同重估。**

其中，HBM 承担最热、最需要高带宽的数据；DRAM 承担大规模在线工作集；NAND SSD 则承接成本更低、容量更大的数据层。理解这一轮存储，不能只看 PC、手机或传统服务器出货，而应从 AI 推理如何重塑整套分层内存体系出发。

## 一类存储产品，何时能弱化传统周期？

原文提出了三个判断条件：

1.  **定制化**：产品是否难以互换，产能是否不容易在客户之间自由转移；
2.  **结构性指数需求**：需求曲线是否足够陡峭，并且持续增长；
3.  **快速技术迭代**：旧产品是否快速贬值，客户是否持续向新一代迁移。

满足其中一条，只能部分弱化传统周期；满足两到三条，才可能明显改变过去 “供给一来、价格就崩” 的循环。

按这一框架，HBM 大约满足 “两条半”。

它的定制化并非绝对。HBM 的封装、base die、客户协同设计与平台认证存在差异，HBM4 之后定制逻辑可能进一步增加；但上方多层 DRAM die 仍具有较强标准化属性。一家厂商即使在某个客户平台认证受阻，产能也不一定报废，仍可能转供其他 GPU、TPU 或 AI 加速器客户。

因此，HBM 的定制化只能算 “半条”。

但在后两点上，HBM 的优势极强：需求曲线足够陡，技术升级也足够快。

## HBM：AI 推理中最难绕开的资源

AI 推理进入 token factory 阶段后，GPU 的价值不只取决于计算单元数量，更取决于其持续输出 token 的能力。

原文用一个简化关系概括：

**Token throughput ≈ HBM 容量 × HBM 带宽。**

在 Attention 与 KV Cache 阶段，系统瓶颈往往不只是算力，也包括缓存容量和数据读取带宽。对模型厂商与云厂商而言，增加 HBM 所带来的 token throughput 提升，很多时候比将同等预算投入其他硬件环节更具经济性。

原文列举的 NVIDIA GPU 侧总 HBM 带宽演进路径，大致为：

**2TB/s → 3.5TB/s → 4.8TB/s → 8TB/s → 22TB/s。**

HBM 的升级节奏接近两年一代，远快于传统 DDR 的多年一代。容量、带宽、堆叠层数和封装复杂度都在快速抬升。新一代 HBM 即使更贵，带来的推理效率提升也足以让客户持续迁移；而旧一代产品的边际经济性则会快速下降。

这会推动竞争方式发生变化：

-   过去更像是 **quantity competition**：拼扩产、拼当前份额；
-   未来更像是 **quality competition**：拼下一代性能、稳定性、封装能力和平台认证份额。

这也缓解了传统存储行业下行期最典型的囚徒困境：谁都不愿减产，谁都怕失去份额，最终一起把价格和利润打穿。HBM 的快速迭代与认证门槛，使厂商更有动力争夺下一代技术份额，而不只是堆当前产能。

## HBM 的需求逻辑会不会消失？

HBM 的核心需求来自 Attention 与 KV Cache。

未来模型架构当然可能演进：纯 Transformer 可能走向混合架构、MoE 或世界模型；KV Cache 也可能被压缩、分层，或者以新的等价形式存在。

但原文认为，Attention 所解决的是一个非常基础的问题：\*\* 序列中任意位置之间的动态路由。\*\* 它让不同位置的信息能够按需建立联系，这种能力具有很强的普适性。

类似前馈网络在多次架构变革后依然被保留，Attention 大概率也会作为一种基础 primitive 持续存在。即使 KV Cache 的具体实现方式变化，等价的高带宽、大容量缓存需求仍不会轻易消失。

因此，只要 AI 推理继续扩张，依赖 HBM 容量与带宽升级的路线就不容易突然中断。

HBM 并非完全没有周期，而是可能从 “上行赚钱、下行亏损” 的传统周期，逐渐转向 “上行赚得更多、下行仍能维持增长” 的成长型周期。

## DRAM：关键变量是 Agentic AI 带来的乘数效应

相比 HBM，市场对 DRAM 能否弱化传统周期的分歧更大。

原因很简单：DRAM 的定制化弱，commodity 属性仍然明显。但原文认为，Agentic AI 正在给 DRAM 带来一个新的、结构性的需求来源。

这个逻辑分为两层。

### 第一层：CPU 服务器 TAM 快速扩张

过去，AI 集群中的 CPU 常被认为只是 GPU 的配角。

但在 Agent workflow 中，工具调用、代码执行、数据库访问、检索、验证、任务编排、上下文处理与 sandbox 隔离，都高度依赖 CPU。CPU 不再只是辅助资源，而是 AI 系统中承担大量运行时工作的重要节点。

原文判断，AI 集群中 CPU 与 GPU 的配比，可能从过去大致 **1:4**，逐步走向 **1:2**，甚至进一步接近 **1:1**。

市场对于 2030 年 CPU TAM 的预测也在持续上修：

-   AMD 曾预测约 **600 亿美元**；
-   随后 AMD 与 ARM 上调至约 **1,200 亿美元**；
-   NVIDIA 又上调至约 **2,000 亿美元**；
-   Bernstein 进一步上调至约 **2,230 亿美元**；
-   原作者据此判断，2031 年继续上修至约 **4,000 亿美元**并非难以想象。

这些数字本身当然还存在不确定性，但其方向很明确：AI 基础设施中 CPU 的部署规模和价值量，可能远高于过去把它视作 “GPU 附属资源” 的线性外推。

### 第二层：每个 CPU core 配置更多 DRAM

传统 Web/SaaS 大多是无状态请求：请求进来，分配内存，任务完成后内存即可释放。

但 Agent 是带状态的长驻任务。其 message history、system prompt、工作记忆、长期记忆、工具调用结果、数据库副本和用户上下文，都需要持续驻留在 DRAM 中。

更重要的是，为了数据安全和隔离，sandbox 可能需要为每个任务复制部分数据库与上下文。这种内存消耗并不容易通过简单优化迅速消除。

长上下文、reasoning、test-time compute、并发 Agent 和 sandbox 隔离，会共同推高单任务的 memory footprint。

因此，DRAM 的需求逻辑不再只是 “服务器数量增加”，而是：

**更多 CPU 核心 × 每核心更多 DRAM。**

原文预计，每个 CPU core 的 DRAM 配置，可能从传统约 **4～8GB**，提升至约 **16～32GB**。

原文给出了两组不同口径下的示意性测算：

第一组假设是：2030 年 CPU TAM 约为 **3,000 亿美元**、每个 CPU core 价值约 **50 美元**、每 core 配置 **16GB DRAM**。在这一假设下，对应 DRAM 需求至少约为 **96EB**。

作为对比，原文估计当前全球 DRAM 年总产量约为 **47EB**，下一年也仅勉强接近 **60EB**。

第二组则用于说明需求增长路径：2026 年若 CPU TAM 约为 **600 亿美元**、每 core 配置约 **8GB DRAM**，对应需求约为 **16EB**；到 2030 年，若 CPU TAM 达到约 **4,000 亿美元**、每 core 配置约 **16GB DRAM**，对应需求可能达到约 **80EB**。

两组数字建立在不同的单核价值与配置假设上，因此不能简单合并成 “80～96EB”。但它们都指向同一结论：一旦 Agentic AI 同时推高 CPU 核心数量与每核 DRAM 配比，DRAM 需求可能出现数量级的结构性缺口。

## DRAM 供给端的两重约束

需求端变化之外，DRAM 的供给端也更难快速响应。

第一重约束，是 **bit density 红利持续衰减**。

过去，行业即使不大规模增加晶圆数量，也能依靠制程进步，让每片 wafer 产出更多 DRAM bit。

原文给出的演变路径是：

-   大约 2000 年前后，DRAM bit 密度可增长约 **45%/年**；
-   约十年前，增速下降至约 **20%/年**；
-   如今进一步降至约 **9%/年**。

过去，即使不大规模新建厂房，行业也可能依靠制程微缩获得较高的 bit volume 增长；但现在，扩产越来越依赖真实 wafer 数量、新建 fab、clean room 与巨额资本开支。

供给反应速度因此更慢，扩产难度也更高。

第二重约束，是 HBM 对普通 DDR 形成的 **HBM bit tax**。

HBM3E 制造同等 bit 大约需要消耗三倍 DDR wafer 资源，HBM4 可能需要约四倍。随着 HBM 快速扩产，原本可用于 commodity DDR 的部分资源，会被优先分配给 HBM。

原文估计，HBM 扩产每年可能直接吞掉约 **3%～5%** 的 DDR bit 增长。

即使未来全行业 DRAM bit volume 每年仍能增长约 **24%**，其中约 **14%** 来自 wafer 增加、约 **9%** 来自密度提升；扣除 HBM 对资源的吸收后，真正流向非 HBM commodity DDR 的有效增长，可能只有约 **20%**。

因此，HBM 与 DRAM 并不是两个完全独立的市场。它们共享同一个 DRAM wafer 资源池：HBM 越强，普通 DDR 可获得的产能越少；普通 DDR 越紧，整个 DRAM complex 的价格与利润率也越容易被共同抬升。

## 为什么 DRAM 价格回落后，仍有需求蓄水池？

原文还提出了一个很重要的概念：**需求蓄水池**。

DRAM 涨价时，部分需求并非真正消失，而是因为 ROI 不划算而被延迟；一旦价格回落，这些需求就会迅速释放。

主要包括三类：

第一，**用更多内存换算力、换速度的需求**。例如，利用额外 GDDR、LPDDR 或 DRAM 优化 prefill、缓存和推理速度的方案，在内存价格过高时可能被推迟；价格回落后，ROI 恢复，这些方案就会重新启动。

第二，**低价值 Agent 任务**。当内存与 token 成本高企时，企业会优先保留高价值任务，将低优先级、探索型或不需要实时处理的任务延后；成本下降后，这些需求会重新释放。

第三，**端侧 AI 与消费电子升级**。AI PC、Agent PC、高端手机和本地大模型，都需要更大、更快的内存。此前因为价格压力而被压缩的配置需求，可能在价格回落后重新上调。

这些需求蓄水池意味着：即使供给阶段性改善，DRAM 价格也不一定会像传统周期那样快速崩塌，因为新增需求可能很快吸收掉释放出来的供给。

## 长鑫扩产的真实冲击

中国 DRAM 扩产是这一轮供需中无法绕开的变量。

原文梳理的长鑫月产能路径大致为：

-   2025 年约 **20 万片/月**；
-   2026 年约 **32～35 万片/月**；
-   2027 年约 **42 万片/月**；
-   2028 年接近 **50 万片/月**。

但判断冲击不能只看名义 wafer 数量，还要看 bit 密度、制程、良率、产品速率、DDR6 能力与 EUV 限制。

原文认为，长鑫的 DRAM bit 密度与头部厂商仍有差距，按有效 bit 折算，大致约为后者的一半。因此，50 万片/月的名义产能，并不能等同于 50 万片/月先进 DRAM 的有效供给。

按原文折算，2025 年底到 2028 年底，长鑫扩产对全球 DRAM bit 产能 CAGR 的额外影响约为 **1.5 个百分点**：全球供给 CAGR 大致由不含中国时的约 **12.7%**，提升至包含中国后的约 **14.2%**。

即使把时间拉长到 2030 年，原作者判断其额外影响可能仍不到 **3 个百分点**。

这并不意味着风险不存在。真正需要警惕的是，在全球需求走弱时，行业重新陷入 “谁先减产谁吃亏” 的囚徒困境，主要厂商转向不计回报地抢份额、扩产纪律被打破。

长鑫是变量之一，但行业整体是否维持供给纪律，才是传统周期会不会重演的关键。

## NAND：原文判断其当前更紧，未来需求来源也更广

NAND 的结构性逻辑没有 HBM 那么直接，也不如 DRAM 那样紧贴 CPU 与 Agent 运行时，但它在 AI memory hierarchy 中同样不可忽视。

原文特别判断：即使大规模 KV Cache offloading 尚未全面发生，当前 SSD 的紧缺程度和涨价幅度已经比 DRAM 更明显。

未来 NAND 的 AI 需求，主要可能来自四个方向：

1.  **KV Cache offloading**：将 HBM、DRAM 溢出的 warm/cold KV Cache 下沉至 SSD；
2.  **AI 视频**：生成、存储、分发和后处理都需要大量存储，当前部分需求仍受算力供给限制；
3.  **Agent sandbox**：隔离环境下数据库、上下文和文件的大量复制，会直接转化为 SSD 需求；
4.  **HBF 路线**：更长期看，SSD 可能承担大模型权重等只读数据的存储角色，但技术路线仍较早期。

NAND 的核心优势在于便宜。

它无法替代 HBM 的极限带宽，也不能完全替代 DRAM 的在线工作集，但可以以远低于二者的成本承接大容量、低温数据。因此，只要上层内存足够昂贵，市场就会不断尝试将可下沉的数据转移到 SSD。

HBM、DRAM、NAND 不是简单的替代关系，而是在不同成本、容量与带宽区间中共同分工。

NAND 的风险则在于供给纪律。相比 DRAM，NAND 扩产难度相对更低；若厂商重新进入激进扩产阶段，其波动可能仍大于 HBM 与 DRAM。

## 结语

这一轮存储的变化，不是 “内存永远涨价”，也不是 “周期从此消失”。

真正变化的是周期的性质。

-   **HBM**：最接近成长型周期，具备部分定制化、陡峭的结构性需求与快速技术迭代；
-   **DRAM**：核心变量是 “更多 CPU 核心 × 每核心更多 DRAM” 的乘数效应，并叠加密度红利衰减、HBM bit tax 与需求蓄水池；
-   **NAND**：确定性低于 HBM，但成本最低、应用范围最广，是 AI 数据层中弹性最大的承载工具。

若 AI 推理需求持续扩张，存储行业面对的可能不再只是过去 “上行赚钱、下行亏损” 的传统循环，而是一轮更长、更陡、更依赖技术能力与供给纪律的成长型周期。

$美光科技(MU.US) $闪迪(SNDK.US) $Roundhill Memory ETF(DRAM.US) 

@昆仑山岩石   希望股主点评

> 原文作者：@fi56622380（X / Twitter）  
> 本文仅为对原文的学习笔记与观点摘要，不代表原创研究。文中的核心论证框架、观点与数据推演均归原作者所有，整理者仅对内容结构与表述进行了归纳。文中涉及产业趋势、价格、供需及技术路线均存在不确定性，不构成投资建议。  
> :::
> 
> ![图像](https://pub.pbkrs.com/uploads/2026/bb3f6bba22e78ba7876cfe31001f2455?x-oss-process=style/lg)

![图像](https://pub.pbkrs.com/uploads/2026/13bebe3152071a01fb7da63e9d42498f?x-oss-process=style/lg)

![图像](https://pub.pbkrs.com/uploads/2026/286fc5dbdf4fd2a6b341f59b01766600?x-oss-process=style/lg)

### 相关股票

- [HBM.US](https://longbridge.com/zh-CN/quote/HBM.US.md)
- [DRAM.US](https://longbridge.com/zh-CN/quote/DRAM.US.md)
- [MU.US](https://longbridge.com/zh-CN/quote/MU.US.md)
- [NVDA.US](https://longbridge.com/zh-CN/quote/NVDA.US.md)
- [NVDL.US](https://longbridge.com/zh-CN/quote/NVDL.US.md)
- [07788.HK](https://longbridge.com/zh-CN/quote/07788.HK.md)
- [07388.HK](https://longbridge.com/zh-CN/quote/07388.HK.md)
- [NVDY.US](https://longbridge.com/zh-CN/quote/NVDY.US.md)
- [NVDD.US](https://longbridge.com/zh-CN/quote/NVDD.US.md)
- [NVDX.US](https://longbridge.com/zh-CN/quote/NVDX.US.md)
- [NVDQ.US](https://longbridge.com/zh-CN/quote/NVDQ.US.md)
- [SNDK.US](https://longbridge.com/zh-CN/quote/SNDK.US.md)

## 评论 (2)

- **半山外賣仔 · 2026-06-26T11:07:07.000Z · 👍 1**: 写得很好，转发哥们
- **昆仑山岩石 · 2026-06-26T09:49:01.000Z · 👍 8**: @每天都吃肉 拜读了你的文章，完全同意你的观点，写的很好很全面！借你的文章发表一下我的意见：这两天小作文很热闹。1、美光科技财报出来后，市场热议存储价格高了，存储产品不能因为毛利率高就要降价，没有这样的逻辑。2、苹果产品涨价和美光科技科技商务官的讲话没有关系，各自只是说各自的话，都是商业行为都很正常。3、我没有发现未来穿越过来的人，倒是发现很多穿越到过去的人，个人目前还看不到周期在哪里，媒体报道长鑫存储和长江存储的市占率是错误的，打五折差不多，5 年内只是市场补充角色，我也看不到 2028 年有新的产能投产存储就会过剩和主流存储就会降价的可能性。4、股价短期的波动不会改变中期上涨趋势。