---
title: "存儲行業的結構性變化：HBM / DRAM / NAND 的新週期邏輯"
type: "Topics"
locale: "zh-HK"
url: "https://longbridge.com/zh-HK/topics/42232222.md"
description: "原文作者：@fi56622380（X / Twitter）讀完原作者 @fi56622380 的文章後，認為其中對於 AI 推理、HBM、DRAM 與 NAND 供需關係的分析很有深度，特此作學習總結與整理。本文僅為對原文的學習筆記與觀點摘要，不代表原創研究；文中的核心論證框架、觀點與數據推演均歸原作者所有，整理者僅對內容結構與表述進行了歸納。過去..."
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-HK/profiles/7641921.md)"
---

# 存儲行業的結構性變化：HBM / DRAM / NAND 的新週期邏輯

> **原文作者：@fi56622380（X / Twitter）**  
> **讀完原作者 @fi56622380 的文章後，認為其中對於 AI 推理、HBM、DRAM 與 NAND 供需關係的分析很有深度，特此作學習總結與整理。本文僅為對原文的學習筆記與觀點摘要，不代表原創研究；文中的核心論證框架、觀點與數據推演均歸原作者所有，整理者僅對內容結構與表述進行了歸納。**

過去，存儲行業通常被視為典型的 commodity 行業：產品標準化、建廠週期長、資本開支巨大，而需求變化卻快。因此，價格容易在繁榮與虧損之間劇烈擺動——需求上漲時擴產，產能落地後又供給過剩，最終進入降價、減產、去庫存的下一輪循環。

但 AI 推理正在改變這一邏輯。

原文最核心的判斷是：**HBM、DRAM、NAND 並不是三個彼此獨立的漲價故事，而是同一套 AI memory hierarchy，在不同性能、容量與成本層級上的共同重估。**

其中，HBM 承擔最熱、最需要高帶寬的數據；DRAM 承擔大規模在線工作集；NAND SSD 則承接成本更低、容量更大的數據層。理解這一輪存儲，不能只看 PC、手機或傳統服務器出貨，而應從 AI 推理如何重塑整套分層內存體系出發。

## 一類存儲產品，何時能弱化傳統週期？

原文提出了三個判斷條件：

1.  **定製化**：產品是否難以互換，產能是否不容易在客户之間自由轉移；
2.  **結構性指數需求**：需求曲線是否足夠陡峭，並且持續增長；
3.  **快速技術迭代**：舊產品是否快速貶值，客户是否持續向新一代遷移。

滿足其中一條，只能部分弱化傳統週期；滿足兩到三條，才可能明顯改變過去 “供給一來、價格就崩” 的循環。

按這一框架，HBM 大約滿足 “兩條半”。

它的定製化並非絕對。HBM 的封裝、base die、客户協同設計與平台認證存在差異，HBM4 之後定製邏輯可能進一步增加；但上方多層 DRAM die 仍具有較強標準化屬性。一家廠商即使在某個客户平台認證受阻，產能也不一定報廢，仍可能轉供其他 GPU、TPU 或 AI 加速器客户。

因此，HBM 的定製化只能算 “半條”。

但在後兩點上，HBM 的優勢極強：需求曲線足夠陡，技術升級也足夠快。

## HBM：AI 推理中最難繞開的資源

AI 推理進入 token factory 階段後，GPU 的價值不只取決於計算單元數量，更取決於其持續輸出 token 的能力。

原文用一個簡化關係概括：

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

在 Attention 與 KV Cache 階段，系統瓶頸往往不只是算力，也包括緩存容量和數據讀取帶寬。對模型廠商與雲廠商而言，增加 HBM 所帶來的 token throughput 提升，很多時候比將同等預算投入其他硬件環節更具經濟性。

原文列舉的 NVIDIA GPU 側總 HBM 帶寬演進路徑，大致為：

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

HBM 的升級節奏接近兩年一代，遠快於傳統 DDR 的多年一代。容量、帶寬、堆疊層數和封裝複雜度都在快速抬升。新一代 HBM 即使更貴，帶來的推理效率提升也足以讓客户持續遷移；而舊一代產品的邊際經濟性則會快速下降。

這會推動競爭方式發生變化：

-   過去更像是 **quantity competition**：拼擴產、拼當前份額；
-   未來更像是 **quality competition**：拼下一代性能、穩定性、封裝能力和平台認證份額。

這也緩解了傳統存儲行業下行期最典型的囚徒困境：誰都不願減產，誰都怕失去份額，最終一起把價格和利潤打穿。HBM 的快速迭代與認證門檻，使廠商更有動力爭奪下一代技術份額，而不只是堆當前產能。

## HBM 的需求邏輯會不會消失？

HBM 的核心需求來自 Attention 與 KV Cache。

未來模型架構當然可能演進：純 Transformer 可能走向混合架構、MoE 或世界模型；KV Cache 也可能被壓縮、分層，或者以新的等價形式存在。

但原文認為，Attention 所解決的是一個非常基礎的問題：\*\* 序列中任意位置之間的動態路由。\*\* 它讓不同位置的信息能夠按需建立聯繫，這種能力具有很強的普適性。

類似前饋網絡在多次架構變革後依然被保留，Attention 大概率也會作為一種基礎 primitive 持續存在。即使 KV Cache 的具體實現方式變化，等價的高帶寬、大容量緩存需求仍不會輕易消失。

因此，只要 AI 推理繼續擴張，依賴 HBM 容量與帶寬升級的路線就不容易突然中斷。

HBM 並非完全沒有周期，而是可能從 “上行賺錢、下行虧損” 的傳統週期，逐漸轉向 “上行賺得更多、下行仍能維持增長” 的成長型週期。

## DRAM：關鍵變量是 Agentic AI 帶來的乘數效應

相比 HBM，市場對 DRAM 能否弱化傳統週期的分歧更大。

原因很簡單：DRAM 的定製化弱，commodity 屬性仍然明顯。但原文認為，Agentic AI 正在給 DRAM 帶來一個新的、結構性的需求來源。

這個邏輯分為兩層。

### 第一層：CPU 服務器 TAM 快速擴張

過去，AI 集羣中的 CPU 常被認為只是 GPU 的配角。

但在 Agent workflow 中，工具調用、代碼執行、數據庫訪問、檢索、驗證、任務編排、上下文處理與 sandbox 隔離，都高度依賴 CPU。CPU 不再只是輔助資源，而是 AI 系統中承擔大量運行時工作的重要節點。

原文判斷，AI 集羣中 CPU 與 GPU 的配比，可能從過去大致 **1:4**，逐步走向 **1:2**，甚至進一步接近 **1:1**。

市場對於 2030 年 CPU TAM 的預測也在持續上修：

-   AMD 曾預測約 **600 億美元**；
-   隨後 AMD 與 ARM 上調至約 **1,200 億美元**；
-   NVIDIA 又上調至約 **2,000 億美元**；
-   Bernstein 進一步上調至約 **2,230 億美元**；
-   原作者據此判斷，2031 年繼續上修至約 **4,000 億美元**並非難以想象。

這些數字本身當然還存在不確定性，但其方向很明確：AI 基礎設施中 CPU 的部署規模和價值量，可能遠高於過去把它視作 “GPU 附屬資源” 的線性外推。

### 第二層：每個 CPU core 配置更多 DRAM

傳統 Web/SaaS 大多是無狀態請求：請求進來，分配內存，任務完成後內存即可釋放。

但 Agent 是帶狀態的長駐任務。其 message history、system prompt、工作記憶、長期記憶、工具調用結果、數據庫副本和用户上下文，都需要持續駐留在 DRAM 中。

更重要的是，為了數據安全和隔離，sandbox 可能需要為每個任務複製部分數據庫與上下文。這種內存消耗並不容易通過簡單優化迅速消除。

長上下文、reasoning、test-time compute、併發 Agent 和 sandbox 隔離，會共同推高單任務的 memory footprint。

因此，DRAM 的需求邏輯不再只是 “服務器數量增加”，而是：

**更多 CPU 核心 × 每核心更多 DRAM。**

原文預計，每個 CPU core 的 DRAM 配置，可能從傳統約 **4～8GB**，提升至約 **16～32GB**。

原文給出了兩組不同口徑下的示意性測算：

第一組假設是：2030 年 CPU TAM 約為 **3,000 億美元**、每個 CPU core 價值約 **50 美元**、每 core 配置 **16GB DRAM**。在這一假設下，對應 DRAM 需求至少約為 **96EB**。

作為對比，原文估計當前全球 DRAM 年總產量約為 **47EB**，下一年也僅勉強接近 **60EB**。

第二組則用於説明需求增長路徑：2026 年若 CPU TAM 約為 **600 億美元**、每 core 配置約 **8GB DRAM**，對應需求約為 **16EB**；到 2030 年，若 CPU TAM 達到約 **4,000 億美元**、每 core 配置約 **16GB DRAM**，對應需求可能達到約 **80EB**。

兩組數字建立在不同的單核價值與配置假設上，因此不能簡單合併成 “80～96EB”。但它們都指向同一結論：一旦 Agentic AI 同時推高 CPU 核心數量與每核 DRAM 配比，DRAM 需求可能出現數量級的結構性缺口。

## DRAM 供給端的兩重約束

需求端變化之外，DRAM 的供給端也更難快速響應。

第一重約束，是 **bit density 紅利持續衰減**。

過去，行業即使不大規模增加晶圓數量，也能依靠製程進步，讓每片 wafer 產出更多 DRAM bit。

原文給出的演變路徑是：

-   大約 2000 年前後，DRAM bit 密度可增長約 **45%/年**；
-   約十年前，增速下降至約 **20%/年**；
-   如今進一步降至約 **9%/年**。

過去，即使不大規模新建廠房，行業也可能依靠製程微縮獲得較高的 bit volume 增長；但現在，擴產越來越依賴真實 wafer 數量、新建 fab、clean room 與鉅額資本開支。

供給反應速度因此更慢，擴產難度也更高。

第二重約束，是 HBM 對普通 DDR 形成的 **HBM bit tax**。

HBM3E 製造同等 bit 大約需要消耗三倍 DDR wafer 資源，HBM4 可能需要約四倍。隨着 HBM 快速擴產，原本可用於 commodity DDR 的部分資源，會被優先分配給 HBM。

原文估計，HBM 擴產每年可能直接吞掉約 **3%～5%** 的 DDR bit 增長。

即使未來全行業 DRAM bit volume 每年仍能增長約 **24%**，其中約 **14%** 來自 wafer 增加、約 **9%** 來自密度提升；扣除 HBM 對資源的吸收後，真正流向非 HBM commodity DDR 的有效增長，可能只有約 **20%**。

因此，HBM 與 DRAM 並不是兩個完全獨立的市場。它們共享同一個 DRAM wafer 資源池：HBM 越強，普通 DDR 可獲得的產能越少；普通 DDR 越緊，整個 DRAM complex 的價格與利潤率也越容易被共同抬升。

## 為什麼 DRAM 價格回落後，仍有需求蓄水池？

原文還提出了一個很重要的概念：**需求蓄水池**。

DRAM 漲價時，部分需求並非真正消失，而是因為 ROI 不划算而被延遲；一旦價格回落，這些需求就會迅速釋放。

主要包括三類：

第一，**用更多內存換算力、換速度的需求**。例如，利用額外 GDDR、LPDDR 或 DRAM 優化 prefill、緩存和推理速度的方案，在內存價格過高時可能被推遲；價格回落後，ROI 恢復，這些方案就會重新啓動。

第二，**低價值 Agent 任務**。當內存與 token 成本高企時，企業會優先保留高價值任務，將低優先級、探索型或不需要實時處理的任務延後；成本下降後，這些需求會重新釋放。

第三，**端側 AI 與消費電子升級**。AI PC、Agent PC、高端手機和本地大模型，都需要更大、更快的內存。此前因為價格壓力而被壓縮的配置需求，可能在價格回落後重新上調。

這些需求蓄水池意味着：即使供給階段性改善，DRAM 價格也不一定會像傳統週期那樣快速崩塌，因為新增需求可能很快吸收掉釋放出來的供給。

## 長鑫擴產的真實衝擊

中國 DRAM 擴產是這一輪供需中無法繞開的變量。

原文梳理的長鑫月產能路徑大致為：

-   2025 年約 **20 萬片/月**；
-   2026 年約 **32～35 萬片/月**；
-   2027 年約 **42 萬片/月**；
-   2028 年接近 **50 萬片/月**。

但判斷衝擊不能只看名義 wafer 數量，還要看 bit 密度、製程、良率、產品速率、DDR6 能力與 EUV 限制。

原文認為，長鑫的 DRAM bit 密度與頭部廠商仍有差距，按有效 bit 折算，大致約為後者的一半。因此，50 萬片/月的名義產能，並不能等同於 50 萬片/月先進 DRAM 的有效供給。

按原文折算，2025 年底到 2028 年底，長鑫擴產對全球 DRAM bit 產能 CAGR 的額外影響約為 **1.5 個百分點**：全球供給 CAGR 大致由不含中國時的約 **12.7%**，提升至包含中國後的約 **14.2%**。

即使把時間拉長到 2030 年，原作者判斷其額外影響可能仍不到 **3 個百分點**。

這並不意味着風險不存在。真正需要警惕的是，在全球需求走弱時，行業重新陷入 “誰先減產誰吃虧” 的囚徒困境，主要廠商轉向不計回報地搶份額、擴產紀律被打破。

長鑫是變量之一，但行業整體是否維持供給紀律，才是傳統週期會不會重演的關鍵。

## NAND：原文判斷其當前更緊，未來需求來源也更廣

NAND 的結構性邏輯沒有 HBM 那麼直接，也不如 DRAM 那樣緊貼 CPU 與 Agent 運行時，但它在 AI memory hierarchy 中同樣不可忽視。

原文特別判斷：即使大規模 KV Cache offloading 尚未全面發生，當前 SSD 的緊缺程度和漲價幅度已經比 DRAM 更明顯。

未來 NAND 的 AI 需求，主要可能來自四個方向：

1.  **KV Cache offloading**：將 HBM、DRAM 溢出的 warm/cold KV Cache 下沉至 SSD；
2.  **AI 視頻**：生成、存儲、分發和後處理都需要大量存儲，當前部分需求仍受算力供給限制；
3.  **Agent sandbox**：隔離環境下數據庫、上下文和文件的大量複製，會直接轉化為 SSD 需求；
4.  **HBF 路線**：更長期看，SSD 可能承擔大模型權重等只讀數據的存儲角色，但技術路線仍較早期。

NAND 的核心優勢在於便宜。

它無法替代 HBM 的極限帶寬，也不能完全替代 DRAM 的在線工作集，但可以以遠低於二者的成本承接大容量、低温數據。因此，只要上層內存足夠昂貴，市場就會不斷嘗試將可下沉的數據轉移到 SSD。

HBM、DRAM、NAND 不是簡單的替代關係，而是在不同成本、容量與帶寬區間中共同分工。

NAND 的風險則在於供給紀律。相比 DRAM，NAND 擴產難度相對更低；若廠商重新進入激進擴產階段，其波動可能仍大於 HBM 與 DRAM。

## 結語

這一輪存儲的變化，不是 “內存永遠漲價”，也不是 “週期從此消失”。

真正變化的是週期的性質。

-   **HBM**：最接近成長型週期，具備部分定製化、陡峭的結構性需求與快速技術迭代；
-   **DRAM**：核心變量是 “更多 CPU 核心 × 每核心更多 DRAM” 的乘數效應，併疊加密度紅利衰減、HBM bit tax 與需求蓄水池；
-   **NAND**：確定性低於 HBM，但成本最低、應用範圍最廣，是 AI 數據層中彈性最大的承載工具。

若 AI 推理需求持續擴張，存儲行業面對的可能不再只是過去 “上行賺錢、下行虧損” 的傳統循環，而是一輪更長、更陡、更依賴技術能力與供給紀律的成長型週期。

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

@崑崙山岩石   希望股主點評

> 原文作者：@fi56622380（X / Twitter）  
> 本文僅為對原文的學習筆記與觀點摘要，不代表原創研究。文中的核心論證框架、觀點與數據推演均歸原作者所有，整理者僅對內容結構與表述進行了歸納。文中涉及產業趨勢、價格、供需及技術路線均存在不確定性，不構成投資建議。  
> :::
> 
> ![圖像](https://pub.pbkrs.com/uploads/2026/bb3f6bba22e78ba7876cfe31001f2455?x-oss-process=style/lg)

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

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

### 相關股票

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

## 評論 (2)

- **半山外賣仔 · 2026-06-26T11:07:07.000Z · 👍 1**: 寫得很好，轉發哥們
- **昆仑山岩石 · 2026-06-26T09:49:01.000Z · 👍 8**: @每天都吃肉 拜讀了你的文章，完全同意你的觀點，寫的很好很全面！借你的文章發表一下我的意見：這兩天小作文很熱鬧。1、美光科技財報出來後，市場熱議存儲價格高了，存儲產品不能因為毛利率高就要降價，沒有這樣的邏輯。2、蘋果產品漲價和美光科技科技商務官的講話沒有關係，各自只是説各自的話，都是商業行為都很正常。3、我沒有發現未來穿越過來的人，倒是發現很多穿越到過去的人，個人目前還看不到週期在哪裏，媒體報道長鑫存儲和長江存儲的市佔率是錯誤的，打五折差不多，5 年內只是市場補充角色，我也看不到 2028 年有新的產能投產存儲就會過剩和主流存儲就會降價的可能性。4、股價短期的波動不會改變中期上漲趨勢。