AI浪潮下的存储超级周期

核心命题：这一轮存储周期是否会重蹈半导体行业以往暴涨暴跌的覆辙？ 核心判断：AI推理时代带来结构性存储需求 + 厂商供给端自律克制 → 这一轮周期可能演变为持续数年的长周期。

一、全景概览：存储超级周期的逻辑链条

graph TD
    A["🧠 AI推理时代到来"] --> B["CPU需求暴增<br/>CPU:GPU = 1:4"]
    A --> C["KV缓存爆炸<br/>长上下文+推理链"]
    A --> D["Agent长任务<br/>持续占用内存"]
    B --> E["DRAM需求结构性增长"]
    C --> F["HBM需求指数级爆发"]
    D --> G["内存从'用完即还'<br/>变为'持续占用'"]
    E --> H["供给端自律克制"]
    F --> H
    G --> H
    H --> I["📈 存储超级周期<br/>持续3年+"]

二、AI推理时代的三大存储特征

AI推理（即模型训练完成后供用户使用）的普及，正在从根本上改变存储芯片的需求模式。

特征对比表

2.1 CPU密集型计算

推理任务对CPU的需求远超训练阶段，CPU与GPU的需求比从 1:8 升至 1:4 甚至更高。大量CPU的使用直接带动了其配套内存（DRAM）的需求。

2.2 KV缓存爆炸 🔥

为了处理更长的上下文和更复杂的推理链，模型对KV缓存（AI的”短期记忆”）的需求呈指数级增长，这是HBM需求爆发的核心驱动力。

graph LR
    subgraph "KV缓存需求增长驱动"
        A["上下文窗口扩大<br/>128K→1M+ tokens"] --> C["KV缓存<br/>指数级增长"]
        B["推理链变长<br/>Chain-of-Thought"] --> C
        D["多模态输入<br/>图+文+视频"] --> C
    end
    C --> E["HBM需求爆发"]

📌 2026年最新案例：随着长上下文模型（1M+ tokens）成为主流，KV Cache存储需求预计增长 5-10倍。PagedAttention、FlashAttention等技术虽在优化显存占用，但总需求增速远超优化速度。

2.3 存储长期占用

AI智能体（Agent）是有状态的长任务，其对话记忆、系统设定等会长期占用内存，且为保证数据安全，系统需为每个任务复制数据，导致内存被重复占用。消耗模式从”用完即还”变为“持续占用”。

三、判断周期的四维度框架

视频提出了一个四维度框架，用于判断一个行业周期能否摆脱传统的暴涨暴跌宿命。

graph TD
    subgraph "四维度周期判断框架"
        A["① 产品同质化"] 
        B["② 需求侧供需"]
        C["③ 产品迭代速度"]
        D["④ 资本开支自律"]
    end
    A -->|越同质化→越难摆脱周期| E{"能否成为<br/>超级周期？"}
    B -->|需求曲线越陡→越有利| E
    C -->|迭代越快→旧产品越贬值| E
    D -->|供给端越克制→越有利| E
    E -->|四维综合判断| F["超级周期持续性评估"]

四维度详解

四、HBM、DRAM、SSD 周期前景

4.1 三类产品对比总览

4.2 HBM：超级周期的皇冠明珠 👑

timeline
    title HBM技术演进路线图
    2024 : HBM3E量产
         : SK海力士供应NVIDIA H200
    2025 : HBM3E 12层量产
         : HBM4样品完成
    2026 : HBM4量产(SK海力士/三星)
         : NVIDIA Rubin平台搭载HBM4
         : HBM市场收入突破200亿美元
    2027 : HBM4全面普及
         : HBM5早期样品

HBM4 技术规格对比：

4.3 DRAM：结构性需求的”沉默巨兽”

📌 2026年最新案例：

• NVIDIA Rubin GPU平台（2026）专门设计搭载HBM4，单GPU内存需求从H100的80GB → B200的192GB → Rubin的256GB+
• 全球AI存储市场预计从2023年70亿美元增长至2028年400亿美元，CAGR达41.9%
• 端侧AI（手机/PC端大模型）成为巨大的需求”蓄水池”

4.4 SSD：囚徒困境的”不稳定因子”

SSD市场面临典型的博弈困境：

graph TD
    subgraph "SSD市场的囚徒困境"
        A["需求广泛<br/>(数据中心+消费级)"] --> B{"厂商决策"}
        B -->|扩产| C["短期利润增长<br/>但打破供给纪律"]
        B -->|克制| D["维持价格<br/>但对手可能偷跑"]
        C --> E["⚠️ 价格战风险<br/>集体受损"]
        D --> F["✅ 维持利润<br/>但不确定性高"]
    end

五、2026年正在发生的案例 🔍

案例1：SK海力士的”王座保卫战”

案例2：三星的”追赶之战”

案例3：中国存储力量的崛起

案例4：NVIDIA Rubin平台——HBM4的”超级催化剂”

六、深度思考问答 🧠

Q1：为什么这一轮存储周期不会重蹈2017-2019年的暴涨暴跌？

A：2017年周期由”加密货币挖矿+数据中心扩容”驱动，本质是投机性需求，退潮极快。而2026年周期的底层逻辑完全不同：

1. 需求端：AI推理是持续性需求——每一次用户提问、每一个Agent任务都消耗存储，且随AI渗透率提升而指数增长
2. 供给端：经历了2022-2023年的惨痛亏损，三大厂商（SK海力士/三星/美光）已形成“自律扩产”共识
3. 产品端：HBM的快速迭代（2年一代）使得旧产能无法跨代竞争，从物理上杜绝了价格战的可能性

Q2：HBM的”成长性”从何而来？它真的能摆脱周期吗？

A：HBM最接近”成长股”而非”周期股”，核心在于：

• 需求弹性极大：KV缓存需求与模型参数量/上下文长度呈双指数关系，远未见顶
• 供给壁垒极高：HBM制造涉及先进封装（TSV硅通孔）、良率控制等核心技术，扩产周期长（2-3年）
• 定价权强：HBM ASP是普通DRAM的5-10倍，厂商利润率极高，无动机打价格战

但需警惕：若算法层面出现突破性进展（如KV缓存压缩效率提升10倍），可能显著压低HBM需求增速。

Q3：AI推理的”内存消耗模式”为什么是不可逆的？

A：三个不可逆趋势：

1. 上下文军备竞赛：从4K→128K→1M→10M tokens，用户习惯一旦形成便不可逆
2. Agent化：AI从”一次性问答”变为”持续性助手”，内存占用从毫秒级变为天级
3. 数据冗余备份：为容灾和安全，每个Agent任务需要至少2份内存副本（主+备），实际消耗翻倍

Q4：投资者应该如何定位这一轮存储周期？

A：

• 最确定：HBM产业链（SK海力士 > 三星 > 美光）——需求增速最快、供给壁垒最高
• 次确定：DRAM——需求结构性增长，但产品同质化仍是隐患
• 高风险：SSD——典型的”看起来很美但容易翻车”，囚徒困境随时可能触发
• 隐藏机会：先进封装（TSV）设备商、HBM上游材料商——”卖铲子”逻辑

七、结论：超级周期的持续性

graph LR
    subgraph "需求侧 ✅"
        A1["结构性缺口持续扩大"]
        A2["端侧AI：巨大蓄水池"]
        A3["Agent化：持续占用"]
    end
    subgraph "供给侧 ✅"
        B1["三大厂商集体克制"]
        B2["扩产周期2-3年"]
        B3["中国厂商短期不足以颠覆"]
    end
    subgraph "风险侧 ⚠️"
        C1["算法进步可能踩刹车"]
        C2["地缘政治不确定性"]
        C3["AI投资节奏波动"]
    end
    A1 & A2 & A3 --> D["📈 超级周期<br/>至少持续3年<br/>难回历史低谷"]
    B1 & B2 & B3 --> D
    C1 & C2 & C3 -.->|需持续监控| D

综合判断：这一轮存储超级周期至少能持续3年，很难重回过去血亏的低谷。

八、记忆宫殿 🏛️

用空间记忆法，把整个”AI存储超级周期”装进一座宫殿。

宫殿结构：「存储之塔」

想象一座七层高塔，每一层对应一个核心知识点：

🧩 快速回忆路径

1
地基(CPU+Agent) → 大厅(KV缓存爆炸) → 四柱厅(四维度) → 珍宝室(金银铜=HBM/DRAM/SSD) → 竞技场(蓝红白三巨头) → 瞭望台(Rubin+HBM4) → 塔顶(3年+风险)

使用指南：闭上眼，从塔底走上去。每层场景越夸张越好笑——书撑裂书架、角斗士互砍、飞艇空投芯片——荒诞的画面=牢固的记忆。

你对AI产业链的哪个环节最感兴趣？我们可以聊聊关于芯片、算力还是应用落地的话题。

• Previous
  AI 时代三种读书法 让知识成为血肉
• Next
  YC合伙人：AI原生服务型公司是万亿级机会