AI推动存储需求爆发式增长
人们往往难以用长远眼光审视当下趋势。近三年英伟达单卡显存容量增长近3.6倍，未来三年HBM端需求预计暴增5倍。
目前多数投资者对存储股存在担忧，主要集中在涨幅过大以及能否穿越周期。实际上这类股票可直接与英伟达绑定，如果存储股无法跨越周期，意味着英伟达销量增长不可持续，AI需求被证伪。
显然，英伟达增长势头依然强劲，从全球token用量增长可直观感受AI需求。黄仁勋预测未来AI算力需求将增长千倍，存储需求同样如此。
如果你相信AI革命真实发生，而AI的消费本质是算力、存储和光互连，那么存储股就具备了成长属性，AI革命确实在推进。
简单来说，如果你认可英伟达因AI革命而持续增长，而英伟达采用的是成长股估值体系，那就等于承认存储股已转变为成长股，应享受相应估值。两者本质上不可分割，只是多数人不愿接受。
摩根大通在其2026年中展望报告中明确表达了对人工智能瓶颈的看多态度："投资持续的人工智能超级周期是明智之举"、"我们认为，围绕人工智能超级周期的叙事过于悲观"、"那些掌控物理瓶颈的行业……将继续表现出色"：- 光学设备 + 网络设备、- 内存、- 电力。
"HBM之父"金正浩教授在接受采访时表示了对内存投资最具看涨的观点。
"AI的本质是内存。未来半导体需求将增长百倍以上"🤯
"我相信这将呈指数级增长。涉及多种因素；我们需要生产个性化、定制化解决方案，向多模型方向发展，而且，我认为未来我们将进入一个时代，一个人的企业将启动100个AI代理。然后，让我们把失业的社会问题留到机会出现时再讨论。在这种情况下，我们难道不需要大约百倍的内存吗？然而，用户数量也可能增长百倍。目前，我估计大约10%到11%的人口积极使用AI。未来，人们可能会整天用AI完成所有工作。如果将那个乘以，未来可能需要更多的AI内存，但也有风险因素，比如是否有资金来建设它，以及电力供应是否充足。我们称之为泡沫。从技术上讲，如果没有这些，需求必然会持续增加。
"如果你不给它一个任务就委托它，那就是所谓的自主AI代理。如果我们使用100个这样的代理，100个代理将全天24小时运行。这被称为令牌使用量，由于令牌使用量会增加内存容量，对内存的需求将远远超出想象。但正如我反复提到的，有人必须购买它。AI公司正在创造那么多附加值，人们愿意每个月从自己口袋里掏出100万甚至1000万韩元。问题是公司、国家或个人是否负担得起支付那个费用。"
"……我的论点是，随着我们转向HBM4、5、6和7，我们也应该将GPU和CPU集成到HBM中。由于AI计算是以内存为中心的，这个想法是我们不应该依赖GPU；相反，我们应该自己处理一切，只把稍微繁琐的计算交给GPU。但要做到这一点，我们需要一家代工厂。我们需要设计和制造GPU和CPU的能力。我们可以说三星电子拥有这种能力。"
"在10年内，一切皆有可能。首先，有美光和SanDisk。虽然SanDisk没有追求HBM，但他们目前正在大力投资HBF。随着NAND市场扩大，增加容量的唯一方法就是堆叠芯片。因此，从Nvidia或谷歌的角度来看，由于美光和SanDisk是美国公司，从地缘政治上讲，全力押注韩国不是有些负担吗？他们可以培养美国公司，美光和SanDisk就是其中之一。所以，目前三星和海力士的生产量不可避免地高得多，而且它们的性能是最好的。因此，虽然它们依赖它们，但从长远来看，它们可能会试图在多家公司之间分散风险，这是一个风险。另一个问题是，它们可能会继续要求三星电子和海力士在美国建厂。似乎它们打算选择地理位置较近的公司。"
HBM全球就3个玩家，美光三星海力士，3D NAND就6个玩家，外加闪迪铠侠长江存储……如果排除中资，也就5家，占了90%以上市场份额……HBM，NAND比光的护城河高多了，也不看看全球多少家光的企业……存储云端地端都需要，市场规模，爆发速度吊打光。
网络上博主对存储的认知，比如说HBM业务估值高，DRAM是传统业务，估值低，事实上Ai服务器上的DRAM利润率已经超过HBM，而且也只有美光三星海力士做，还有以为NAND估值低，实际上机构给NAND的估值要比HBM/DRAM高，因为推理时代NAND的消耗量，紧缺程度，涨价幅度会远超HBM/DRAM。
网络讨论常停留在表面或早期HBM叙事，没跟上2025下半年以来的margin inversion和inference-driven NAND boom。实际中，AI服务器需求让DRAM/HBM/NAND全线紧缺，价格普涨，厂商毛利率历史新高（三星、海力士、美光Q1 2026利润暴增）。三家厂商正通过AI产品组合实现超高利润，NAND在推理侧的战略重要性被低估。
讨论常简化"HBM=AI高估值，DRAM/NAND=传统"，忽略AI服务器对全套内存（HBM+大量DRAM+海量NAND）的打包需求，以及产能再分配的经济逻辑。虽然周期性仍存（新产能2027-2028逐步释放），但AI结构性需求（训练+推理）让这次不同于过去"boom-bust"。