深度报告-20260111-东方证券-电子行业深度报告_AI

> **来源：[研报客](https://pc.yanbaoke.cn)** # AI需求推动，NAND与SSD供不应求有望持续 # 核心观点 - AI大模型的应用推动活跃数据占比提升。在传统数据存储内容中，大量数据主要用于归档，访问频数低、应用不足。而AI时代数据的应用与存储方式有望发生较大变化。AI大模型推理过程中需要应用大量存量数据，通过高频次地访问数据，来实现高质量内容生成，AI大模型的应用有望使得活跃数据占比提升。例如，检索增强生成（RAG）技术允许LLM从知识库提取相关信息，以验证和支撑其输出内容的真实性，而针对RAG数据库的近似性查询属于极为密集的随机读操作。此外，大语言模型推理过程中会使用KV缓存来加速推理过程，当其规模较大时可能需要将KV缓存卸载到SSD上进行存储，带来较为频繁的读写流程。整体来看，AI推理过程将使得存储结构发生较大变化，有望提升对活跃数据存储的需求。按照数据访问频率来分类，数据可以被划分为访问频率依次递减的热、温、冷三类，随着AI大模型应用激活大量冷数据，使其转化为活跃数据，温、热数据占比有望显著提升。 - NAND与SSD满足数据中心活跃数据读写需求，用量有望高速增长。在传统数据中心储存分层架构中，HDD（机械硬盘）凭借每单位储存容量的极低成本优势，稳居冷数据主流储存方案，但HDD无法满足活跃数据较高吞吐速率的需求。SSD基于NAND芯片存储数据，与HDD相比，SSD读写速度优势明显，适应高工作负载，满足活跃数据读写需求。此外，SSD在功耗上优势明显，适应数据中心功耗需求。AI训练和推理对存储的需求推动AI SSD发展。业界持续推进SSD在颗粒容量、传输速率等方面的提升以适配AI领域需求；头部存储大厂正在持续推动AI SSD的应用。进一步地，HBF兼具高容量规模和高带宽特性，业界正在持续推动其产业化落地以进一步适配AI领域需求。展望未来，在AI应用驱动下，随着活跃数据占比提升，全球NAND与SSD用量有望高速增长。 - NAND及SSD供不应求有望持续。全球NAND市场格局高度集中。未来2年NAND行业资本开支可能有限，头部厂商在扩产方面可能保持相对克制的水平，其中三星、美光与SK海力士的资本开支有望持续向HBM倾斜而非NAND。未来AI应用有望推动SSD用量保持高速增长态势，叠加全行业资本开支可能有限，NAND与SSD供不应求有望持续，迎来较长的景气周期。在此基础上，企业级SSD与NAND国产替代持续，产业链相关标的有望深度受益。 # 投资建议与投资标的 - AI应用推动SSD用量高速增长，SSD与NAND有望迎来较长的景气周期。相关标的：国内半导体设备厂商中微公司、京仪装备、微导纳米、北方华创、拓荆科技等；国产存储主控芯片领先企业联芸科技等；存储芯片设计厂商普冉股份、聚辰股份等；存储封测厂商深科技等；布局企业级SSD业务的头部存储模组厂商江波龙、德明利、同有科技、香农芯创等。 # 风险提示 AI落地不及预期，技术迭代速度不及预期，国产化进展不及预期。 行业评级 看好（维持） 国家/地区 中国 行业 电子行业 报告发布日期 2026年01月11日 # 证券分析师 薛宏伟 执业证书编号：S0860524110001 xuehongwei@orientsec.com.cn 021-63326320 荆剑 执业证书编号：S0860514050005 香港证监会牌照：BPT856 kuaijian@orientsec.com.cn 021-63326320 # 联系人 李晋杰 执业证书编号：S0860125070012 lijinjie@orientsec.com.cn 021-63326320 # 相关报告 英伟达推出推理上下文内存存储平台，AI 2026-01-06 存储需求持续扩张 长鑫科技 IPO 获受理，重视存储产业链国 2026-01-04 产化机遇 美光业绩及指引超预期，存储供不应求持 2025-12-21 续 # 重大投资要素 # 我们区别于市场的观点 部分投资者认为SSD需求拉升仅是因为短期HDD供不应求交期过长，被迫以SSD填补需求。由于全球主要HDD制造商近年未规划扩大产线，无法及时满足AI带来的巨量储存需求，作为传统海量数据存储基石的NearlineHDD（近线硬盘）已出现供应短缺，交期大幅延长为52周以上。由于HDD缺口较大，云服务商开始考虑采用SSD替代HDD。部分投资者认为，当前SSD需求拉升仅是因为HDD供不应求，HDD增大供给后SSD紧缺的情况会较快缓解，景气周期难以长期持续。 我们认为，AI应用使得需要被频繁读取的活跃数据量大幅增加，推动固态硬盘的用量高速增长。在传统数据中心储存分层架构中，HDD稳居冷数据主流储存方案。与传统数据存储内容中大量数据主要用于归档、访问频数低不同，AI大模型推理中引入检索增强生成（RAG）、KV缓存等技术，使其需要频繁读写活跃数据，温、热数据的占比有望显著提升。目前HDD无法满足活跃数据较高吞吐速率的需求，同时具有功耗较高等缺点。SSD读写速度快，满足活跃数据读写需求，同时其功耗上优势明显，有望在数据中心存储中大幅提升应用占比。 NAND及SSD供不应求有望持续。未来2年NAND行业资本开支可能有限，头部厂商在扩产方面可能保持相对克制的水平，其中三星、美光与SK海力士的资本开支有望持续向HBM倾斜。未来AI应用有望推动SSD用量保持高速增长态势，叠加全行业资本开支可能有限，NAND与SSD供不应求有望持续，迎来较长的景气周期。 # 核心逻辑/核心变量 核心逻辑：AI大模型的应用推动活跃数据占比提升。SSD满足数据中心活跃数据读写需求，用量有望高速增长，推动NAND及SSD迎来较长的景气周期。 核心变量：新建AI数据中心数量；全球数据总量中活跃数据占比；数据中心中SSD应用占比。 # 股价上涨的催化因素 AI大模型用户数据量提升；全球数据总量中活跃数据占比提升；数据中心SSD应用占比提升。 # 投资建议与投资标的 AI应用推动SSD用量高速增长，SSD与NAND有望迎来较长的景气周期。相关标的：国内半导体设备厂商中微公司、京仪装备、微导纳米、北方华创、拓荆科技等；国产存储主控芯片领先企业联芸科技等；存储芯片设计厂商普冉股份、聚辰股份等；存储封测厂商深科技等；布局企业级SSD业务的头部存储模组厂商江波龙、德明利、同有科技、香农芯创等。 # 风险提示 AI落地不及预期，技术迭代速度不及预期，国产化进展不及预期。 # 目录 1.AI大模型的应用推动活跃数据占比提升 6 1.1AI时代全球数据总量快速攀升 6 1.2 AI大模型的应用推动活跃数据占比提升 6 2. SSD满足数据中心活跃数据读写需求，用量有望高速增长 9 2.1 SSD 读写速度快、适应高工作负载，满足活跃数据读写需求 2.2 SSD 在功耗上优势明显，适应数据中心功耗需求 ..... 9 2.3AI训练与推理需求推动AI SSD发展 12 2.4 企业级 SSD 市场规模有望实现高速成长 ..... 16 3. NAND与SSD有望迎来较长的景气周期 17 4. 企业级 SSD 与 NAND 国产替代持续，相关标的有望深度受益 ..... 19 4.1北方华创：面向高端逻辑芯片与存储芯片领域持续实现技术突破 20 4.2中微公司：持续推动刻蚀等领域自主创新 21 4.3江波龙：国内领先存储模组厂商，创新产品持续突破 22 4.4 德明利：提供高性能企业级存储解决方案，成为阿里云生态合作伙伴 ..... 23 风险提示 24 # 图表目录 图1：全球数据总量高速增长 6 图2：铠侠宣布开源AiSAQ™技术，推动RAG扩展获得更好的性能支持并进一步降低成本……7 图3：KV缓存可卸载SSD上进行存储 图4：AI推理带来上下文存储、RAG等存储需求 8 图5：未来温、热数据占比有望持续提升 8 图6：HDD是数据中心存储架构中冷数据存储的主流方案 9 图7：HDD数据读写依赖机械运动，SSD则基于NAND闪存芯片存储数据 图8：ExosX18系列的最大持续数据传输率约为每秒270MB 图9：DC3000ME企业级NVMeU.2 SSD连续读写速度可达10000MB/s以上 图10：DC600M系列企业级SATA3.0 SSD连续读写速度约500MB/s-600MB/s 图11：SolidigmSSD D5-P5316的耐用性水平比两款普通企业级HDD高8到38倍. 11 图12：AIDC数据中心的单机功率有望显著提升（单位：kW每机柜） 12 图13：英伟达GPU机柜功率持续提升，Kyber代单机柜功率将达到1MW以上 12 图14：SSD的功耗表现显著优于HDD 12 图15：AI训练和推理对存储的需求推动AI SSD发展 13 图16：QLC SSD相比于TLC SSD，在最大容量、单盘每TB平均功耗等方面具备优势... 13 图17：美光9650 SSD是全球首款PCIe 6.0数据中心SSD 图18：HBF结构与堆叠DRAM芯片的HBM类似，通过堆叠NAND闪存制成. 14 图19：华为推出性能和容量领先的AI SSD新品 15 图20：SK海力士在AI数据中心市场的“AIN”系列产品阵容. 15 图21：在“AI-NB”维度，SK海力士以HBF推进高带宽存储领域的突破. 16 图22：企业级存储有望向SLC/TLC+QLC的分层架构过渡，热、温、冷数据均可使用SSD进行存储 图23：中国企业级SSD市场容量有望高速增长（单位：EB） 17 图24：全球固态硬盘市场规模预计到2030年有望达到551亿美元（单位：十亿美元）……17 图25：全球NAND市场格局集中 18 图26：HBM市场规模持续成长（单位：亿美元） 18 图27：三星、美光与SK海力士目前垄断全球HBM市场 18 图28：2026年NAND行业资本开支可能仍显著低于2020-2022年的水平 19 图29：全球闪存芯片比特出货量有望高速增长（单位：EB） 19 图30：北方华创营收持续成长（左轴单位：亿元，右轴单位：%） 20 图31：北方华创2024年归母净利润持续提升（左轴单位：亿元，右轴单位：%） 20 图32：北方华创发布12英寸先进低压化学气相硅沉积立式炉设备 20 图33：中微公司营收持续成长（左轴单位：亿元，右轴单位：%） 21 图34：中微公司2024年归母净利润和毛利率维持较好水平（左轴单位：亿元，右轴单位：%） 图35：中微公司全球首台PrimoMenovaTM12寸金属刻蚀设备顺利付运 22 图36：江波龙营收持续成长（左轴单位：亿元，右轴单位：%） 22 图37：江波龙归母净利润和毛利率改善（左轴单位：亿元，右轴单位：%） 22 图38：江波龙发布SOCAMM2 23 图39：江波龙自研WM6000系列eMMC主控芯片 23 图40：德明利营收持续成长（左轴单位：亿元，右轴单位：%） 23 图41：德明利2024年归母净利润和毛利率向好（左轴单位：亿元，右轴单位：%） 23 图42：德明利打造高性能企业级存储解决方案 24 图43：德明利作为阿里云生态合作伙伴参加阿里云栖大会 24 表 1: NAND 有望随技术升级实现更高的单位存储容量. 11 # 1.AI大模型的应用推动活跃数据占比提升 # 1.1 AI时代全球数据总量快速攀升 受AI技术应用驱动，全球数据总量高速增长。随着AI技术持续得到广泛应用，数据正逐步成为核心生产要素，个人和企业应用的数据量有望持续高速成长。根据华为发布的《数据存储2030》数据，2030年全球年产生数据将达1003ZB，较2020年增长23倍。 图1：全球数据总量高速增长 数据来源：华为官网，东方证券研究所 # 1.2 AI大模型的应用推动活跃数据占比提升 AI大模型的应用有望推动活跃数据占比提升。在传统数据存储内容中，大量数据访问频数低、应用不足。一方面，传统上众多数据仅被用于归档，在归档后便鲜有应用需要访问它们；另一方面，难以被充分利用的数据通常是非结构化或半结构化数据，因其处理难度高、价值密度低而长期被边缘化。而AI大模型的应用则有望使得活跃数据占比提升。一方面，AI大模型的推理过程中需要应用大量存量数据，通过高频次地访问存量数据，来实现内容生成。另一方面，AI模型的应用可以有效降低数据利用的门槛，例如从非结构化数据中挖掘数据洞察。整体来看，AI大模型的应用有望推动活跃数据占比提升，大量沉睡的数据有望被唤醒。 RAG助力AI生产内容质量提升，有望进一步提升活跃数据占比。大型语言模型在虚拟助手、聊天机器人和对话系统等应用中发挥着重要作用，但其可能会生成虚假或误导性的信息。为了解决这一问题，检索增强生成（RAG）技术有望获得广泛应用。RAG技术允许LLM从知识库提取相关信息，以验证和支撑其输出内容的真实性，提高模型生成文本的事实准确性和时效性。构建RAG数据库需要企业将大量数据转化至向量数据库，向量数据库的规模通常会变为原始数据的数倍甚至十倍以上，且针对于该类数据的近似性查询属于极为密集的随机读操作，有望提升对活跃数据存储的需求。目前，恺侠等领先的存储厂商正在加速推动RAG强化性能，提高应用能力。 图2：铠侠宣布开源AiSAQ™技术，推动RAG扩展获得更好的性能支持并进一步降低成本 KIOXIA Research in SSD Optimized RAG Solutions 数据来源：KIOXIA，东方证券研究所 AI推理过程中的KV缓存带来对活跃数据存储的需求。大语言模型推理过程中会使用KV缓存来加速推理过程，其本质是缓存中间计算结果，避免重复计算，从而降低推理的计算量和延迟。随着AI应用中对话或生成文本变长，KV缓存会急剧增大从而大幅消耗HBM或DRAM容量，此时可能需要采用分层缓存机制，将KV缓存卸载到SSD上进行存储。而需要访问被卸载的KV缓存时，需要从SSD将其重新加载到DRAM或HBM，带来较为频繁的读写流程。未来，随着AI应用不断拓展，KV缓存的数据量持续增大，活跃数据的存储需求将进一步扩大。 图3：KV缓存可卸载SSD上进行存储 数据来源：KIOXIA，腾讯云社区，东方证券研究所 RAG和KV缓存均有望分别带来百EB级别的存储需求增量。（1）KV缓存：根据Memblaze官网的测算，以LLaMA2-70B模型为例，有80个Transformer层，每个层有64个注意力中心，每个128维。按照FP16精度，每个tokens的KV缓存大约占用2.6MB。如果按模型需要应用8,192 tokens 以及各模型应用合计需服务 60 亿用户计算，对存储容量的需求可能达到 120EB。（2）RAG：若按照各类知识库应用月活 10 亿人，单用户每月上传 1GB 数据，同时考虑数据上传后需要进行的向量化操作以及容灾备份等数据中心运营操作带来的数据增量，RAG 对存储容量的需求也可能达到 100EB 以上。 展望未来，若用户交互形式从文字进一步向语音、视频等多模态方向升级，与之配套的RAG、KV缓存均有望带来更为庞大的存储需求。 图4：AI推理带来上下文存储、RAG等存储需求 数据来源：半导体产业观察，KIOXIA，东方证券研究所 AI大模型的应用推动温、热数据占比提升。按照数据访问频率来分类，数据可以被划分为访问频率依次递减的热、温、冷三类。根据华为发布的《数据存储2030》白皮书，随着AI大模型应用激活大量冷数据，使其转化为“活跃数据”，到2030年热数据容量较2020年增长35倍以上，占总存储量的 $30\%$ 。过去热、温、冷三层数据 $20\% :30\% :50\%$ 的比例有望演化为热、温冷两层数据 $30\% :70\%$ 的比例，迎来“数据觉醒”。 图5：未来温、热数据占比有望持续提升 数据来源：华为官网，东方证券研究所 # 2. SSD 满足数据中心活跃数据读写需求，用量有望高速增长 # 2.1 SSD 读写速度快、适应高工作负载，满足活跃数据读写需求 数据中心使用的硬盘包括HDD和SSD，目前HDD是冷数据存储的主要介质。在大型数据中心部署中，AI相关数据在使用和创建的循环中流动，工作流程的每个阶段都需要不同组合的存储设备。在传统数据中心储存分层架构中，HDD（机械硬盘）能够长期保存原始数据并提供数据保护，凭借每单位储存容量的极低成本优势，稳居冷数据主流储存方案。而读写效率更高的企业级SSD（企业级固态硬盘）则充当可即时访问的数据层。 图6：HDD是数据中心存储架构中冷数据存储的主流方案 数据来源：希捷，东方证券研究所 HDD数据读写依赖机械运动，SSD则基于NAND闪存芯片存储数据。HDD依赖磁头在高速旋转的盘片（通常为5400/7200 RPM）上进行数据读写，核心组件包括盘片、磁头、电机和轴承。其工作原理类似黑胶唱片，通过电磁流改变盘片磁性表面极性存储数据，物理结构复杂，存在机械运动部件。而SSD基于闪存芯片（如NAND）存储数据，通过电荷控制实现电子信号读写，无机械部件，完全电子化，抗震性强，体积更小。 图7：HDD数据读写依赖机械运动，SSD则基于NAND闪存芯片存储数据 数据来源：CSDN，东方证券研究所 与HDD相比，SSD读写速度优势明显。传统机械硬盘运行较为稳定，但因其机械结构存在性能瓶颈，导致现阶段机械硬盘的读取速度大多数处于100MB/S-300MB/S之间，提速空间小。而固态硬盘的数据直接存储在闪存颗粒中，在读写速度上有着明显的优势。 以Seagate的Exos X18企业级硬盘为例：该系列产品涵盖了14TB、16TB和18TB三种容量，并提供了SATA 6Gb/秒和12Gb/秒SAS两种接口选项。性能数据显示，其最大持续数据传输率约为每秒270MB。 图8：Exos X18系列的最大持续数据传输率约为每秒270MB 数据来源：Seagate 官网,东方证券研究所 SSD的读写速度显著更高。以Kingston两款企业级SSD为例，SATA SSD连续读写速度最高约为560MB/s，随机4K读写速度在数万IOPS量级。而NVMe SSD连续读取速度可高达14,000MB/s，连续写入速度可达10,000MB/s，随机4K读写速度则达到百万IOPS。 图9：DC3000ME企业级NVMeU.2 SSD连续读写速度可达10000MB/s以上 外观尺寸 U.2, 2.5英寸×15毫米 传输接口 PCIe NVMe Gen5 x4（与 Gen4 后向兼容） 存储容量1 3.84TB、7.68TB、15.36TB NAND 3D eTLC 连续读/写速度2 3.84TB - 14,000MB/s / 5,800MB/s 7.68TB - 14,000MB/s / 10,000MBs 15.36TB - 14,000MB/s / 9,700MB/s 随机 4k 读/写速度 (IOPS)2 3.84TB - 2,700,000 / 300,000 7.68TB - 2,800,000 / 500,000 15.36TB - 2,700,000 / 400,000 数据来源：Kingston官网、东方证券研究所 图10：DC600M系列企业级SATA3.0SSD连续读写速度约500MB/s-600MB/s 外形尺寸 2.5 英寸 接口 SATA Rev 3.0 (6Gb/s) — 可以向下兼容 SATA Rev 2.0 (3Gb/s) 存储容量 480GB、960GB、1.92TB、3.84TB、7.68TB NAND 3D TLC DRAM缓存 是 连续读取/写入速度 480GB - 560MBs/470MBs 960GB - 560MBs/530MBs 1.92TB - 560MB/秒 / 530MB/秒 3.84TB - 560MBs/530MBs 7.68TB - 560MBs/530MBs 稳态随机4k读取/写入速度 480GB - 94,000/41,000 IOPS 960GB - 94,000/65,000 IOPS 1.92TB - 94,000/78,000 IOPS 3.84TB - 94,000/59,000 IOPS 7.68TB - 94,000/34,000 IOPS 数据来源：Kingston官网、东方证券研究所 在较高的工作负载中，SSD的耐久性远超HDD。驱动器耐久性通常以驱动器每天写入次数（DWPD）或写入的总字节数（如写入的PB（PBW））来衡量。根据Solidigm基于PBW的研 究，将大容量 QLC NAND SSD 与更广泛的 SSD 和 HDD 进行比较，Solidigm SSD D5-P5316 和 D5-P5336 为 QLC NAND SSD 提供了行业领先的耐用性水平，同时远远超过了 HDD 的耐用性水平，体现出 SSD 在可靠性级别方面的巨大优势。 图11：SolidigmSSD D5-P5316的耐用性水平比两款普通企业级HDD高8到38倍 数据来源：Solidigm公众号，东方证券研究所 SSD存储密度呈不断上升趋势，有望更加适应AI数据中心对存储容量的需求。相比SSD，HDD最大的优势在于单位储存容量的成本较低。而未来，NAND有望随技术升级实现更高的单位存储容量，其技术发展方向包括增加堆叠层数和每单元存储更多位数等。NAND的存储密度提升将带动SSD存储密度呈上升趋势，单位储存容量的成本降低，更加适应AI数据中心对存储容量的需求。 表 1: NAND 有望随技术升级实现更高的单位存储容量 2013 2015 2017 2019 2021 2023 2025E 2027E 2029E Density 64 Gb (MLC) 128 Gb (MLC) 256 Gb (TLC) 256 Gb (TLC) 512 Gb (TLC) 1 Tb (TLC) 1 Tb/2 Tb (TLC+) 2 Tb/4 Tb (TLC+) 4 Tb/8 Tb (TLC+) Planar process 19 nm 15 nm N/A N/A N/A N/A N/A N/A N/A 3Dlayers 32–48 64–96 112–176 Low 200s High 200s 300+ 500+ 数据来源：IEEE，东方证券研究所 # 2.2 SSD在功耗上优势明显，适应数据中心功耗需求 从通算到智算，高压、高效成为重要趋势。根据华为AIDC白皮书，通算中心的单机柜功率从之前5~8kW区间增加至智算中心(AIDC)的20-50kW甚至100kW以上。而根据英伟达的技术路线图，随着GPU的迭代升级，英伟达GPU机柜功率持续提升，预期到2027年Kyber代单机柜功率将达到1MW以上。随着机柜功耗及用电量提升的同时，AIDC能量密度也需要持续提升，高压、高效成为重要趋势。 图12：AIDC数据中心的单机功率有望显著提升（单位：kW每机柜） 数据来源：华为，东方证券研究所 图13：英伟达GPU机柜功率持续提升，Kyber代单机柜功率将达到1MW以上 数据来源：英伟达官网，东方证券研究所 在构建数据中心时，SSD的功耗表现优于HDD。从工作原理上看，相对HDD使用机械运动作为存储的方式，SSD通过电荷控制实现电子信号读写，在相同工况下功耗具有先天优势。Solidigm研究团队对一个总功率为100兆瓦的数据中心内所支持的全部基础设施进行了测算，并重点对数据存储设备在总功耗中所占比例进行了详细拆解分析。研究结果表明QLC固态硬盘在每级容量点均展现出较TLC固态硬盘和机械硬盘配置更优的能效表现。此外，随着存储容量的提升，QLC的能效优势呈现扩大趋势。相较于TLC固态硬盘，当容量从1PB扩展至10PB时，QLC的能效优势区间从 $3.3\%$ 逐步提升至 $19.5\%$ 。而与机械硬盘混合存储环境相比，其优势更为显著：在低容量层级可实现 $32.9\%$ 的能效提升，至高容量层级时优势幅度进一步扩大至 $79.5\%$ 。 图14：SSD的功耗表现显著优于HDD 数据来源：Solidigm 公众号,东方证券研究所 # 2.3 AI 训练与推理需求推动 AI SSD 发展 AI训练和推理对存储的需求推动AI SSD发展。在AI训练方面，大模型的迅速迭代带来了训练数据量的指数级增长，PB级数据已成为AI训练的基本门槛，与此同时，系统需要在训练过程中反复读取和写入巨量数据，SSD需要满足高速传输和写入耐用度的特性来满足严苛的训练过程需求。在AI推理方面，AI推理主要提供检索增强生成（RAG, Retrieval-Augmented Generation）和大型语言模型（LLM, Large Language Model）服务，而SSD可以储存RAG和LLM参考的相关文 档和知识库，以生成含有更丰富信息的响应；同时SSD可在推理过程中协助调整、优化AI模型，并且可以实时更新数据，以便微调推理模型结果。综合来看，AI训练和推理对存储设备提出了“高性能、大容量、高能效”的三大需求，AI SSD应运而生。 图15：AI训练和推理对存储的需求推动AI SSD发展 数据来源：半导体产业纵横，KIOXIA，东方证券研究所 AI SSD的发展方向包括提升颗粒容量、提升传输速率等。相比于标准SSD，为了应对AI对存储的特殊需求，AI SSD在颗粒选择、传输接口等方面需要持续升级，以实现在容量、性能和能效上的突破。 QLC逐步成为AI SSD的理想选择。在颗粒方面，QLC逐步成为AI SSD的理想选择。QLC的核心优势在于高密度、低成本和强性能，相比于TLC SSD，QLC SSD的最大容量、平均功耗都有大幅提升。随着AI步入大规模应用，对存储和能耗的高要求有望使得QLC介质成为AI SSD的理想选择。 图16：QLC SSD相比于TLC SSD，在最大容量、单盘每TB平均功耗等方面具备优势 SSD介质类型 QLC TLC 最大容量（TB） 61.44 7.68 DWPD 0.58 1 PBW 65.2 14 顺序写（MB/s） 3300 4000 顺序读（MB/s） 7000 6700 随机写（IOPS） 38K 200K 随机读（IOPS） 1.0M 1.1M 最大功耗（W） 25 13.5 空闲功耗（W） 5 3.5 单盘每TB平均功耗（W） 0.2 1.1 系统每TB平均功耗（W） 0.9 6.5 数据来源：UnionMemory忆联公众号，东方证券研究所 在传输接口方面，业界已经推出PCIe6.0的SSD产品。截至2024年，PCIe5.0服务器产品的市场占有率已经达到 $70\%$ ，并在消费级市场加速渗透。2025年8月，美光推出全球首款PCIe6.0数据中心SSD美光9650 SSD。 图17：美光9650 SSD是全球首款PCIe 6.0数据中心 SSD 数据来源：美光，东方证券研究所 HBF兼有高容量规模和高带宽，适配AI领域需求。除了提升传输接口速率外，业界正在通过推出HBF等创新架构以满足AI对于闪存带宽的高要求。HBF全称HighBandwidthFlash，其结构与堆叠DRAM芯片的HBM类似，是一种通过堆叠NAND闪存而制成的产品。在设计上，HBF结合了3DNAND闪存和高带宽存储器（HBM）的特性，能更好地满足AI推理的需求。HBF的堆叠设计类似于HBM，通过硅通孔（TSVs）将多个高性能闪存核心芯片堆叠，连接到可并行访问闪存子阵列的逻辑芯片上。HBF可匹配HBM的带宽，同时以相近的成本实现每个堆栈的容量比HBM高出8到16倍。HBF使用16个核心芯片，单堆栈容量可达512GB，8个HBF堆栈可实现4TB的容量。HBF高度适配训练过程中的带宽要求，同时也有望应用于手机端大模型本地化以及自动驾驶、AI玩具、IoT等边缘设备的低功耗、高容量边缘AI存储需求。 图18：HBF结构与堆叠DRAM芯片的HBM类似，通过堆叠NAND闪存制成 数据来源：电子发烧友网，东方证券研究所 铠侠、美光、华为等大厂在AI SSD领域均有所布局，推动解决方案落地。铠侠与GPU龙头英伟达正在推进合作，目标是在2027年前推出读取速度较传统SSD快近百倍的固态硬盘，服务于生成式AI运算所需的服务器市场。与传统SSD需经由CPU连接GPU的方式不同，铠侠与英伟达合作开发的新型SSD有望实现与GPU的直接连接和数据交换，随机读取性可达到每秒1亿IOPS。美光在2025年8月推出三款AI SSD，其中的美光9650 SSD是全球首款PCIe 6.0的SSD。华 为于2025年8月推出三款AI SSD新品，包括超过基于PCIe 6.0企业级SSD的产品和容量高达245TB的产品。 图19：华为推出性能和容量领先的AI SSD新品 数据来源：华为，东方证券研究所 SK海力士以“AI-NP”（性能）、“AI-NB”（带宽）、“AI-ND”（密度）三个核心维度为目标，开发针对AI数据中心市场的“AIN”系列产品阵容。其中在“AI-NP”方面，SK海力士正与英伟达展开紧密合作，共同开发主打性能突破的“AI-NAND”，计划于2026年底发布基于PCIe Gen6接口的初期样品，该产品将支持高达2500万IOPS，相较于目前数据中心主流eSSD将实现约8至10倍的跨越式提升。同时，第二代产品目标是在2027年底将性能进一步推高至1亿IOPS，达到现有产品的30倍以上。 图20：SK海力士在AI数据中心市场的“AIN”系列产品阵容 数据来源：IT之家，SK海力士，东方证券研究所 在“AI-N B”维度，SK海力士以HBF推进高带宽存储领域的突破。目前SK海力士正在和闪迪共同推进HBF标准化工作，预计其Alpha版本将于2026年1月底面试，并在2027年推出正式样品以供评估，有望为AI存储架构提供全新的技术路径。 图21：在“AI-N B”维度，SK海力士以HBF推进高带宽存储领域的突破 数据来源：IT之家，SK海力士，东方证券研究所 # 2.4 企业级 SSD 市场规模有望实现高速成长 随着AI数据中心对数据读写速度以及功耗的要求不断提升，企业级SSD占比提升有望成为产业趋势。按用途划分，SSD分为消费级、企业级及其他行业级（如军工级、工业级等）三类，其中消费级、企业级为主流应用。企业级SSD具备容量大、使用寿命长、稳定性和可靠性高等特点，在保护数据安全方面有着更好的表现，主要应用于数据中心等领域。随着活跃数据占比的不断提高，数据中心对可以实现高频访问的存储介质的需求相应增加，企业级SSD的占比有望显著提升。而在冷数据方面，企业级SSD的功耗存在显著优势，且单位存储容量成本也在持续降低，有望成为冷数据存储的主要介质。根据DapuStor公众号，未来企业级存储有望向SLC/TLC+QLC的分层架构过渡，热、温、冷数据均可使用SSD进行存储。 图22：企业级存储有望向SLC/TLC+QLC的分层架构过渡，热、温、冷数据均可使用SSD进行存储 数据来源：DapuStor公众号，东方证券研究所 我国企业级SSD市场容量预计将持续增长。随着数据量的大规模增长，企业级SSD需求将快速增多。根据观研天下，2024年国内数据生产总量达41.06ZB，同比增长 $25\%$ ；预计2025年国内数据生产总量将突破50ZB。我国企业级SSD市场容量2021年达31EB，预计2028年将达119EB。 图23：中国企业级SSD市场容量有望高速增长（单位：EB） 数据来源：观研天下公众号，东方证券研究所 在AI应用驱动下，全球SSD市场规模有望迎来强劲增长。AI应用变得更加广泛，SSD满足AI数据中心数据读写需求，应用占比有望不断提升。根据grand view research，全球固态硬盘市场规模预计到2030年将达到551亿美元，2024年至2030年的年复合增长率为 $16.5\%$ 图24：全球固态硬盘市场规模预计到2030年有望达到551亿美元（单位：十亿美元） 数据来源：grand view research，东方证券研究所 # 3. NAND与SSD有望迎来较长的景气周期 NAND芯片制造行业重资产属性突出，已形成较为集中的竞争格局。NAND芯片行业重资产属性突出，单项目投资额可达数十亿美元。根据闪迪投资者关系日资料，2020-2022年NAND全行业资本开支均在150亿美元以上。重资产属性叠加规模效应突出、具备一定技术壁垒等特点，使得NAND行业形成较为集中的竞争格局。根据Counterpoint，25Q2全球NAND行业CR6=100%。 图25：全球NAND市场格局集中 数据来源：Counterpoint，东方证券研究所 三星、美光与SK海力士等存储龙头重点布局HBM市场，未来资本开支有望持续向HBM倾斜。在全球主要NAND芯片玩家中，三星、美光与SK海力士同时也是DRAM内存芯片行业的主要玩家。随着AI算力芯片不断强化对内存带宽的要求，HBM（高带宽内存）的市场规模高速成长，Yole预计2030年全球HBM市场规模将接近1000亿美元。目前，三星、美光与SK海力士垄断全球HBM市场。基于HBM市场的高成长性以及较高的利润率，未来三星、美光与SK海力士的资本开支有望持续向HBM倾斜。 图26：HBM市场规模持续成长（单位：亿美元） 数据来源：Yole，东方证券研究所 图27：三星、美光与SK海力士目前垄断全球HBM市场 数据来源：Counterpoint，东方证券研究所 未来2年NAND行业资本开支可能有限。一方面，未来三星、美光与SK海力士的资本开支有望持续向HBM倾斜，在NAND方面减少投入；另一方面，在经历2020-2022年行业的显著扩产后，恺侠与闪迪在扩产方面仍然可能保持相对克制的水平。根据2025年闪迪投资者关系日资料的预测，2026年NAND行业资本开支有望较2023年低点回升，但仍显著低于2020-2022年的水平。 图28：2026年NAND行业资本开支可能仍显著低于2020-2022年的水平 数据来源：闪迪官网，东方证券研究所 AI应用推动SSD用量高速增长，NAND与SSD有望迎来较长的景气周期。根据2025年闪迪投资者关系日资料，预计2025年全球闪存芯片比特出货量突破1000EB，此后有望保持高速增长。未来AI应用有望推动SSD用量保持高速增长态势，叠加未来2年NAND行业资本开支可能有限，NAND与SSD有望迎来较长的景气周期。 图29：全球闪存芯片比特出货量有望高速增长（单位：EB） 数据来源：闪迪官网，东方证券研究所 # 4. 企业级 SSD 与 NAND 国产替代持续，相关标的有望深度受益 AI应用推动SSD用量高速增长，SSD与NAND有望迎来较长的景气周期。相关标的：国内半导体设备厂商中微公司(688012，买入)、京仪装备(688652，未评级)、微导纳米(688147，未评级)北方华创(002371，买入)、拓荆科技(688072，买入)等。国产存储主控芯片领先企业联芸科技(688449，未评级)等；存储芯片设计厂商普冉股份(688766，未评级)、聚辰股份(688123，未评级)等；存储封测厂商深科技(000021，未评级)等；布局企业级SSD业务的头部存储模组厂商江波龙(301308，未评级)、德明利(001309，未评级)、佰维存储(688525，未评级)、同有科技(300302，未评级)、香农芯创(300475，未评级)等。 # 4.1北方华创：面向高端逻辑芯片与存储芯片领域持续实现技术突破 北方华创营收和利润持续增长。北方华创是国内刻蚀、沉积等半导体设备领域的领军企业。2024年，公司实现营收298.4亿元，同比增长 $35\%$ ，归母净利润为56.2亿元，毛利率达到 $43\%$ 。 图30：北方华创营收持续成长（左轴单位：亿元，右轴单位：%） 数据来源：Wind，东方证券研究所 图31：北方华创2024年归母净利润持续提升（左轴单位：亿元，右轴单位：%） 数据来源：Wind，东方证券研究所 北方华创面向高端逻辑芯片与存储芯片领域持续实现技术突破。在存储芯片制造方面，公司可提供刻蚀、薄膜沉积、热处理、湿法、涂胶显影、离子注入等核心设备，产品覆盖DRAM、NANDFlash等主流存储类型。2025年7月，北方华创发布SICRIUSPY302系列12英寸先进低压化学气相硅沉积立式炉设备，面向高端逻辑芯片与存储芯片领域非晶硅、多晶硅薄膜沉积技术，成功攻克高深宽比结构填充、高平坦度薄膜生长和兼容低温工艺三大技术瓶颈，标志着北方华创在高端半导体装备领域持续取得关键技术突破。目前，SICRIUSPY302系列设备已通过多家领先晶圆厂的严格验证，在先进逻辑与存储芯片制造中实现了规模量产，并持续获得重复订单。 图32：北方华创发布12英寸先进低压化学气相硅沉积立式炉设备 数据来源：北方华创公众号，东方证券研究所 # 4.2中微公司：持续推动刻蚀等领域自主创新 中微公司营收持续增长。中微公司主要产品为等离子体刻蚀设备和化学薄膜设备等。2024年，公司实现营收90.65亿元，同比增长 $44.7\%$ ；归母净利润为16.2亿元，毛利率达到 $41\%$ 。 图33：中微公司营收持续成长（左轴单位：亿元，右轴单位：%） 数据来源：Wind，东方证券研究所 图34：中微公司2024年归母净利润和毛利率维持较好水平（左轴单位：亿元，右轴单位：%） 数据来源：Wind，东方证券研究所 公司刻蚀设备在先进逻辑和存储器件制造等领域仍有较大成长空间，未来有望保持快速增长。2025年前三季度公司刻蚀设备收入同比增长 $38\%$ 至61亿元。公司针对先进逻辑和存储器件制造中关键刻蚀工艺的高端产品新增付运量显著提升，先进逻辑器件中段关键刻蚀工艺和先进存储器件的超高深宽比刻蚀工艺实现大规模量产。其中CCP方面，公司用于关键刻蚀工艺的单反应台介质刻蚀产品保持高速增长，60比1超高深宽比介质刻蚀设备成为国内标配设备，量产指标稳步提升，下一代90比1超高深宽比介质刻蚀设备即将进入市场；ICP方面，适用于下一代逻辑和存储客户用ICP刻蚀设备和化学气相刻蚀设备开发取得了良好进展，加工的精度和重复性已达到单原子水平。 中微公司在等离子体刻蚀领域持续推动自主创新。2025年6月，公司12寸PrimoMenova™金属刻蚀设备全球首台机顺利付运国内一家重要集成电路研发设计及制造服务商。此项里程碑既标志着中微公司在等离子体刻蚀领域的又一自主创新，彰显了公司持续研发的技术能力与稳步发展的综合实力。目前，公司的等离子体刻蚀设备已应用在国际一线客户从65纳米到14纳米、7纳米和5纳米及其他先进的集成电路加工制造生产线及先进存储、先进封装生产线，在性能优秀、稳定性高等方面满足了客户先进制程中各类严苛要求。 图35：中微公司全球首台PrimoMenovaTM12寸金属刻蚀设备顺利付运 数据来源：中微公司公众号，东方证券研究所 # 4.3江波龙：国内领先存储模组厂商，创新产品持续突破 江波龙营收保持增长态势。江波龙是国内领先存储模组厂商，拥有行业类存储品牌FORESEE和国际高端消费类存储品牌Lexar，覆盖嵌入式存储、固态硬盘、移动存储和内存条等产品线。2024年，公司实现营收174.6亿元，同比增长 $72\%$ ；归母净利润为5.0亿元，实现扭亏为盈，毛利率达到 $19\%$ 。 图36：江波龙营收持续成长（左轴单位：亿元，右轴单位：%） 数据来源：Wind，东方证券研究所 图37：江波龙归母净利润和毛利率改善（左轴单位：亿元，右轴单位：%） 数据来源：Wind，东方证券研究所 江波龙持续突破高端存储产品。在内存方面，2025年ODCC上江波龙正式发布了基于LPDDR5/5x和CAMM模块化设计的创新企业级内存产品SOCAMM2，采用4-N-4HDI超高密度互连叠层结构，极大提升了设计复杂度和孔密度，为高性能计算提供了坚实的基础，主要面向HPC、通用服务器、AI集群服务器、AI训练/推理、智能辅助驾驶和工业边缘网关等应用场景。 江波龙自研eMMC主控芯片取得突破。江波龙自研的WM6000系列eMMC主控芯片是公司芯片设计能力矩阵中的关键组成部分。该产品采用自研LDPC算法，支持SRAM检错，显著提高了数据存储的可靠性。同时，通过功耗控制技术，该芯片实现了更低的产品功耗，相较于市场同类产品具有明显优势，广泛应用于手机、平板、机顶盒和PC等领域。 图38：江波龙发布SOCAMM2 数据来源：江波龙公众号，东方证券研究所 图39：江波龙自研WM6000系列eMMC主控芯片 数据来源：江波龙官网，东方证券研究所 # 4.4 德明利：提供高性能企业级存储解决方案，成为阿里云生态合作伙伴 德明利致力提供高性能企业级存储解决方案。公司产品线涵盖固态硬盘、嵌入式存储、内存条及移动存储等，已广泛应用于车载电子、数据中心、新能源汽车、手机、平板、安防监控等多元应用场景。2024年，公司实现营收47.7亿元，同比增长 $168.7\%$ ；归母净利润为3.5亿元，毛利率达到 $18\%$ 。 图40：德明利营收持续成长（左轴单位：亿元，右轴单位：%） 数据来源：Wind，东方证券研究所 图41：德明利2024年归母净利润和毛利率向好（左轴单位：亿元，右轴单位：%） 数据来源：Wind，东方证券研究所 德明利打造高性能企业级存储解决方案，为AI数据中心提供国产化可靠支撑。德明利作为国内少数拥有从主控芯片固件算法到硬件设计生产制造的全链路自研能力厂商，推出包括PCIe/SATA SSD及RDIMM内存模组在内的完整企业级存储产品解决方案。通过多平台兼容定制开发，德明利产品在AI及数据中心场景中实现性能与可靠性的双重验证，已成功进入头部云厂商核心供应链，实现稳定规模化出货。 德明利成为阿里云生态合作伙伴。2025年德明利作为阿里云生态合作伙伴参加阿里云栖大会，首次展示多款与阿里云合作的企业级定制化存储方案，推出SATA SSD、PCIe 5.0 SSD及DDR5 RDIMM内存模组在内的多种规格产品，适配阿里云业务需求，部分产品已完成验证，并实现批量交付。 图42：德明利打造高性能企业级存储解决方案 数据来源：德明利官网，东方证券研究所 图43：德明利作为阿里云生态合作伙伴参加阿里云栖大会 数据来源：IT之家，东方证券研究所 # 风险提示 AI落地不及预期：若AI落地不及预期导致AI服务器部署进度放缓，可能导致NAND Flash及企业级SSD下游需求增长不及预期。 技术迭代速度不及预期：若NAND Flash 3D堆叠层数提升、QLC SSD可靠性优化及存算架构互联技术迭代速度不及预期，可能影响存储架构与介质升级进程。 国产化进展不及预期：若国产厂商在3D NAND技术突破、主控芯片量产或企业级SSD客户验证与批量出货方面进展不及预期，可能导致国产化进程不及预期。 # 分析师申明 # 每位负责撰写本研究报告全部或部分内容的研究分析师在此作以下声明： 分析师在本报告中对所提及的证券或发行人发表的任何建议和观点均准确地反映了其个人对该证券或发行人的看法和判断；分析师薪酬的任何组成部分无论是在过去、现在及将来，均与其在本研究报告中所表述的具体建议或观点无任何直接或间接的关系。 # 投资评级和相关定义 报告发布日后的12个月内行业或公司的涨跌幅相对同期相关证券市场代表性指数的涨跌幅为基准（A股市场基准为沪深300指数，香港市场基准为恒生指数，美国市场基准为标普500指数）； # 公司投资评级的量化标准 买入：相对强于市场基准指数收益率 $15\%$ 以上； 增持：相对强于市场基准指数收益率 $5\% \sim 15\%$ 中性：相对于市场基准指数收益率在 $-5\% \sim +5\%$ 之间波动； 减持：相对弱于市场基准指数收益率在 $-5\%$ 以下。 未评级——由于在报告发出之时该股票不在本公司研究覆盖范围内，分析师基于当时对该股票的研究状况，未给予投资评级相关信息。 暂停评级——根据监管制度及本公司相关规定，研究报告发布之时该投资对象可能与本公司存在潜在的利益冲突情形；亦或是研究报告发布当时该股票的价值和价格分析存在重大不确定性，缺乏足够的研究依据支持分析师给出明确投资评级；分析师在上述情况下暂停对该股票给予投资评级等信息，投资者需要注意在此报告发布之前曾给予该股票的投资评级、盈利预测及目标价格等信息不再有效。 # 行业投资评级的量化标准： 看好：相对强于市场基准指数收益率 $5\%$ 以上； 中性：相对于市场基准指数收益率在 $-5\% \sim +5\%$ 之间波动； 看淡：相对于市场基准指数收益率在 $-5\%$ 以下。 未评级：由于在报告发出之时该行业不在本公司研究覆盖范围内，分析师基于当时对该行业的研究状况，未给予投资评级等相关信息。 暂停评级：由于研究报告发布当时该行业的投资价值分析存在重大不确定性，缺乏足够的研究依据支持分析师给出明确行业投资评级；分析师在上述情况下暂停对该行业给予投资评级信息，投资者需要注意在此报告发布之前曾给予该行业的投资评级信息不再有效。 # 免责声明 本证券研究报告（以下简称“本报告”）由东方证券股份有限公司（以下简称“本公司”）制作及发布。 本报告仅供本公司的客户使用。本公司不会因接收人收到本报告而视其为本公司的当然客户。本报告的全体接收人应当采取必要措施防止本报告被转发给他人。 本报告是基于本公司认为可靠的且目前已公开的信息撰写，本公司力求但不保证该信息的准确性和完整性，客户也不应该认为该信息是准确和完整的。同时，本公司不保证文中观点或陈述不会发生任何变更，在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的证券研究报告。本公司会适时更新我们的研究，但可能会因某些规定而无法做到。除了一些定期出版的证券研究报告之外，绝大多数证券研究报告是在分析师认为适当的时候不定期地发布。 在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议，也没有考虑到个别客户特殊的投资目标、财务状况或需求。客户应考虑本报告中的任何意见或建议是否符合其特定状况，若有必要应寻求专家意见。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的的邀请或向人作出邀请。 本报告中提及的投资价格和价值以及这些投资带来的收入可能会波动。过去的表现并不代表未来的表现，未来的回报也无法保证，投资者可能会损失本金。外汇汇率波动有可能对某些投资的价值或价格或来自这一投资的收入产生不良影响。那些涉及期货、期权及其它衍生工具的交易，因其包括重大的市场风险，因此并不适合所有投资者。 在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任，投资者自主作出投资决策并自行承担投资风险，任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。 本报告主要以电子版形式分发，间或也会辅以印刷品形式分发，所有报告版权均归本公司所有。未经本公司事先书面协议授权，任何机构或个人不得以任何形式复制、转发或公开传播本报告的全部或部分内容。不得将报告内容作为诉讼、仲裁、传媒所引用之证明或依据，不得用于营利或用于未经允许的其它用途。 经本公司事先书面协议授权刊载或转发的，被授权机构承担相关刊载或者转发责任。不得对本报告进行任何有悖原意的引用、删节和修改。 提示客户及公众投资者慎重使用未经授权刊载或者转发的本公司证券研究报告，慎重使用公众媒体刊载的证券研究报告。 # 东方证券研究所 地址： 上海市中山南路318号东方国际金融广场26楼 电话： 021-63325888 传真： 021-63326786 网址： www.dfzq.com.cn