一文讀懂存儲行業

看着動不動就大漲的 “存儲概唸”，你是否還搞不清楚 “存儲” 究竟是什麼？爲什麼這些股票會漲到天上去？$美光科技(MU.US) 、$閃迪(SNDK.US) 、$西部數據(WDC.US) ……這些明星公司又蘊含着怎樣的秘密？本期百科君帶你解答這些問題。

先理解什麼是存儲器

簡單來講，存儲器就是一種能夠存儲、讀取和冩入數據的硬件設備。核心作用在於解決數據的 “臨時&長期存放”。我們可以用一個非常簡單的比喻來理解：計算機就像一個人在工作，CPU / GPU = 大腦（負責思考），而存儲就可以類比成這個人的記憶 。

存儲器又分爲兩大陣營：易失性存儲器和非易失性存儲器。易失性存儲器的特點是讀冩速度快，能匹配 CPU 的高速運算，但斷電數據會丟失；非易失性存儲器即使斷電，數據也能長期保留，不過讀取速度較慢。

繼續細分，易失性存儲器又可分爲 DRAM (動態隨機存取存儲器) 和 SRAM (靜態隨機存取存儲器) 。DRAM 是最主流的內存類型，也就是我們平時説的內存條（即電腦/手機裡的運行內存），SRAM 可以理解爲 “更高級的內存”，它比 DRAM 更快，不需要刷新，但成本非常高、容量也很小。其實除了這兩個傳統類別，不少朋友應該還聽過HBM（高帶寬內存), HBM 本質上就是 DRAM 的一種昇級形態，這個我們放在後麵會做重點介紹。

至於非易失性存儲器，其實最核心的構成就是 NAND Flash (閃存), 咱們平常用的 SSD 固態硬盤、U 盤、手機存儲（256G/512G 那個）都屬於這個範疇。還有 NOR Flash 則比較小衆，這裡不做過多介紹。

存儲行業的曆史變革

存儲這個行業，其實經曆過幾次非常明確的時代切換。

最早的計算機時代，存儲的核心是能不能存下來。從磁帶、軟盤到機械硬盤，重點在於容量，因爲當時數據是稀缺的，能保存住數據就已經是一種進步。

後來進入 PC 和互聯網時代，存儲開始變成 “既要存得多，也要讀得快”。一方麵是操作繫統和軟件越來越複雜，需要更快的內存（DRAM）來支撐運行；另一方麵，大量數據開始長期沉淀，於是以 NAND 爲代表的閃存逐漸替代機械硬盤，成爲主流存儲介質。但即便如此，在很長一段時間裡，存儲都不是最關鍵的瓶頸。因爲當時的核心矛盾在算力——CPU、GPU 的性能提昇，才是推動整個行業前進的主線。

真正産生結構性變革的，就在於這輪 AI 革命。因爲大模型訓練和推理，本質上不是單純的計算問題，而是一個數據流動問題：海量數據需要被不斷讀取、處理、再冩回。如果數據無法及時送到計算單元，再強的算力也髮揮不出來。這就使得瓶頸開始從 “算得快不快”，轉向 “數據搬得快不快”。可以説在 AI 時代，存儲決定了算力能髮揮多少。

HBM——應運 AI 時代而生

HBM 的初衷，其實就是爲了向 GPU 和其他處理器提供更多內存，這主要是因爲 GPU 的功能越來越強大，需要更快的從內存中訪問數據，以縮短應用處理時間。從技術角度來看，HBM 使 DRAM 從傳統 2D 轉變爲立體 3D，充分利用了空間、縮小麵積。疊起來之後，直接結果就是接口變得更寬，其下方互聯的觸點數量遠遠多於傳統 DDR 內存連接到 CPU 的數量。正是由於 HBM 是這輪 AI 算力體繫裡的隱形瓶頸，同時相關技術門檻難度最高、供應最緊缺，因此以 HBM 爲側重的企業成爲此次 AI 技術髮展的最直接受益者。

在 HBM 的誕生與髮展過程中，$AMD(AMD.US) 和 SK 海力士可謂功不可沒，2013 年這兩家企業聯手共同推出了 HBM 這項核心技術，就在第一代 HBM 麵世商用後，三星加入了這場競爭；2020 年，另一家存儲巨頭美光也宣佈加入到這一賽場中來。比較可惜的是 AMD 在 2016 年髮佈完産品後完全轉向，近乎放棄了 HBM。因此當前 HBM 市場基本都集中在 SK 海力士（$南方兩倍做多海力士(07709.HK) ）、三星（$南方兩倍做多三星(07747.HK) ）和美光科技這三家企業。

其他間接受益方

這輪 AI 帶來的 “存儲熱”，確實是以 HBM 爲核心引爆點，但不等於隻有 HBM 受益。

因爲整個鏈條大緻是這樣的：數據存儲（NAND）→ 內存（DRAM）→ HBM → GPU

AI 除了需要 HBM 更快的數據搬運，同時也需要存海量數據，這就使得像閃迪這樣專注於做企業級 SSD 的廠商也得到了市場青睞。2025 年閃迪從西部數據裡分拆出來，成爲一家純粹的閃存公司；西部數據則專注於傳統的機械硬盤（HDD）業務。其實不管是 SSD 還是傳統 HDD，在 AI 時代都有它的一席之地，因爲並不是所有所有科技業務都要追求 “快”，SSD 固然很快，但 AI 時代每天造的海量冷數據——比如那些用不上但必須存的訓練日誌、老檔案，如果都用 SSD 存的話成本高到離譜，因此西部數據的 HDD 就成爲了該場景下的最優解，這一點在它股價上也得到了很好的驗証。