內存大戰升級！AI將如何顛覆存儲行業？

2024 年 3 月，中信建投發布研究報告指出，HBM 已成為 AI 算力體系中的關鍵內存瓶頸。彼時，這一判斷更多被視為技術趨勢的延伸，而不是產業格局的拐點。

但進入 2026 年，存儲行業給出了遠超預期的反饋。

美光 CEO 在年初明確表示，2026 年的 HBM 產能已被全部鎖定，行業正面臨結構性短缺。當前產能只能覆蓋核心客戶約一半至三分之二的需求，公司正在與客戶談判一種更長期、約束更強的供貨協議。這種做法在存儲行業并不常見，某種程度上意味著行業運行規則正在發生變化。

長期以來，存儲芯片被視為典型的周期品，價格波動接近大宗商品邏輯：供給擴張、價格下行、減產出清，周而復始。但 AI 正在改變這一循環。

HBM：從“性能配件”到系統核心

如果將 GPU 比作發動機，那么內存帶寬就是傳動系統。算力再強，如果數據無法快速流動，性能同樣會被嚴重限制。

隨著大模型參數規模持續放大，傳統 DRAM 架構已難以滿足需求。HBM 通過 3D 堆疊和超寬總線，將內存帶寬提升到 TB/s 級別，成為高性能計算不可替代的方案。

當前 HBM3E 帶寬已突破 1TB/s，下一代 HBM4 將進一步提升容量和帶寬。這一演進并非技術炫技，而是被模型規模和推理復雜度“倒逼”出來的結果。

一個直觀的變化是，顯存需求的增長速度，正在明顯快于算力本身。模型不僅需要存儲權重，還要在推理過程中不斷擴展運行時內存，這使得 HBM 從“高端配置”逐漸變為“系統瓶頸”。

需求側的變化，比技術本身更劇烈

相比技術進步，更深層的變化來自需求結構。

傳統數據中心主要存儲的是訪問頻率較低的“冷數據”，對延遲并不敏感。而 AI 場景下，存儲的是需要被高頻調用的“熱模型”。等待時間不再只是性能損失，而會直接轉化為算力浪費和商業效率下降。

這直接改變了云廠商的決策邏輯。為了確保算力持續可用，頭部云服務商開始通過長期協議提前鎖定高端存儲產能，將原本零散、周期性的采購，轉化為持續性的剛性需求。

存儲不再是可隨意替換的標準件，而逐漸演變為系統級資源。

供給端：寡頭結構下的產能約束

與需求快速擴張形成對比的是，供給端的彈性極其有限。

DRAM 行業經過多年整合，已高度集中于三星、SK 海力士和美光三家。HBM 作為 DRAM 中技術門檻最高的分支，其進入壁壘更高：

• 工藝復雜，良率爬坡緩慢
• 單條產線投資規模巨大
• 建設周期長，無法快速擴產

從設備采購到穩定量產，HBM 產線通常需要 18–24 個月。這種長周期使得供給端很難對短期需求變化做出快速反應。

因此，在 AI 需求集中釋放的背景下，產能緊張并非偶發事件，而是結構性結果。

存儲行業，正在出現“分層定價”

這一輪變化并未徹底消除存儲行業的周期性，但正在顯著拉開不同賽道的差距。

• 高端存儲（HBM）具備強定制性和客戶綁定，價格和毛利更具韌性
• 傳統 DRAM 和 NAND 仍然受整體周期影響

這意味著，行業正在從“統一周期”走向“結構性分化”。資本市場對存儲企業的估值，也開始區分其在高端存儲中的技術地位和客戶關系，而不再只看庫存和價格波動。

AI 時代，存儲的角色已經改變

這場由 AI 引發的存儲變革，本質上是算力體系重心的遷移。

過去，性能瓶頸主要集中在處理器；而現在，內存的帶寬、容量和功耗，正在成為限制系統效率的關鍵因素。內存從成本項，逐漸轉變為戰略資源。

短期來看，供需緊張仍將持續；長期來看，技術演進和產能擴張終會緩解壓力。但可以確定的是，存儲行業已經不再回到過去那種單一的周期運行模式。

在 AI 驅動的計算體系中，誰掌握內存，誰就掌握了效率的上限。