存储行业：如何把握新的 AI 瓶颈机遇

摘要： 本报告分析了 AI 推理阶段内存（Memory）成为核心瓶颈的趋势，重点探讨了从生成式 AI 向 Agentic AI 演进过程中，KV Cache 机制对 DRAM 和 NAND 需求的驱动作用，并对存储产业链的周期、定价及全球重点标的进行了深度评估。

行业主线：

1. 瓶颈转移：AI 的核心瓶颈已从计算（Compute）转向内存，尤其是推理阶段的内存访问决定了长文本、图像/视频及智能体（Agent）工作流的性能。
2. 需求爆发：Agentic AI 要求更强的上下文处理和持续学习能力，将驱动对服务器 DRAM 和企业级 NAND 的大规模需求，预计 2026 年文本 AI 推理将占据全球 DRAM 供应的 35% 和 NAND 供应的 92%。
3. 周期上行：存储行业进入产能受限周期，定价权力快速转移至卖方，预计 DRAM、HBM 和 NAND 将经历陡峭的上涨周期。

关键变化与分歧：

1. 技术路径演进：通过 CXL 连接 DDR5 或利用 eSSD 作为 KV Cache 卸载平台，可有效缓解 HBM 容量限制，扩展上下文长度。
2. 供应端动态：市场关注点从价格预期转向供应能否跟上，预计 2027 年起会出现更有意义的绿地扩张。

受益方向与风险：

1. 受益方向：具备高定价权的 DRAM 厂商（三星、海力士、美光）、传统存储厂商（华邦电）、以及半导体设备尤其是 EUV 光刻机厂商（ASML）。
2. 核心风险：下游硬件供应商的需求破坏、2026 年下半年较高的同比增长基数、以及资本开支波动。