存储是Tokens的积分_产业链空间广阔_23页_1mb

电子行业总结：存储是Tokens的积分，推理驱动AI存储快速增长

核心内容

本报告聚焦于AI推理对存储行业的影响，指出存储是AI系统中“Tokens”的积分载体，随着AI模型复杂度和应用场景的扩展，存储需求呈现快速增长趋势。AI服务器中的存储主要包括HBM（高带宽内存）、DRAM（动态随机存取存储器）和SSD（固态硬盘），它们在性能、容量和成本上呈现逐级下降的趋势，分别用于处理高频数据、中频数据和低频数据。此外，随着AI发展，HDD（硬盘驱动器）也作为大容量存储的补充，支持长期数据存储与系统运行安全。

主要观点

1. 存储是Tokens的积分，推理驱动AI存储快速增长

• AI推理对存储需求呈指数级增长，特别是SSD和HDD，预计未来整体需求将激增至数百EB级别。
• 存储需求增长主要由超长上下文和多模态推理推动，需要高带宽和大容量内存来降低访问延迟，提升并行效率。
• 以谷歌为例，2025年6月单月处理超980万亿tokens，若中短期内全球出现10个类似应用，2026年所需存储容量将达49EB。

2. AI推理驱动存储需求增长，产业链空间广阔

• eSSD是AI推理与数据存储的核心增量需求场景，预计2026年AI服务器用eSSD市场空间将达120EB。
• MRDIMM（多路复用DIMM）在大模型推理的KVCache场景中具有显著优势，提供更高并发、更长上下文和更低时延，同时优化CPU-GPU内存编排与资源利用。
• SPD&VPD芯片受益于DDR5和SSD性能提升，技术规格和单价均高于DDR4，市场空间广阔。
• CXL存储池化技术通过实现存储池化，显著提升计算效率，在KV Cache密集型推理中形成显著的TCO（总拥有成本）优势。CXL互连芯片作为核心技术载体，将在AI领域发挥更大作用。

3. 投资建议

• AI推理持续驱动存储需求增长，建议关注存储产业链相关标的，包括内存模组、接口芯片、SSD、CXL互连芯片等。
• 随着AI模型创新和CAPEX（资本支出）筑基，AI产业链协同发展将带来新的市场机会。
• 存储代工模式迎来产业变革，DRAM和NAND架构升级带来设备需求新机遇，MRDIMM和VPD芯片打开新空间。

关键信息

• AI推理是存储需求增长的主要驱动力，涉及HBM、DRAM、SSD、HDD等多种存储介质。
• eSSD在AI服务器中主要用于训练、推理和数据存储，未来市场空间将显著扩大。
• MRDIMM Gen2支持12800 MT/s速率，带宽较DDR5 RDIMM提升2.3倍，有助于提升推理吞吐和资源利用率。
• SPD芯片从DDR4的512字节升级至DDR5的1024字节，集成I2C/I3C总线集线器、PMIC和高精度温度传感器，价值量提升。
• VPD EEPROM在SSD中用于存储设备基本信息、电源管理数据和PCIe端口信息，随着SSD性能提升，其技术规格和价值量也将随之增长。
• CXL协议通过存储池化技术，实现CPU、GPU、内存等设备的高速低延迟互连，显著提升AI模型训练和推理效率，降低TCO。
• 英伟达入股英特尔并收购Enfabricica，布局CXL技术，推动NVLink与CXL技术融合。
• 阿里云推出基于CXL 2.0 Switch技术的PolarDB数据库专用服务器，提升推理吞吐与资源利用率。

风险提示

• AI产业发展及需求不及预期，可能影响AI服务器需求。
• AI服务器出货量受企业IT支出（尤其是云计算厂商CAPEX）影响，若投入不足，将限制市场增长。
• 国产厂商在技术和产品进展上若落后于预期，可能影响其市场份额和竞争力。

重点公司估值与财务分析（部分）

估值依据

• 估值指标基于最新收盘价计算。
• 数据来源：Wind、广发证券发展研究中心。

图表索引（部分）

• 图1：服务器中的存储主要包括GPU中HBM、CPU中DRAM、显存以及SSD等。
• 图2：各存储介质性能&容量对比。
• 图3：大多AI相关数据最终存储在大容量对象存储中。
• 图4：AI服务器中的SSD应用主要集中于训练、推理与数据存储三大场景。
• 图5：NVIDIA GB200 NVL72 by HPE NVMe配置参考设计示意图。
• 图6：全球eSSD市场规模预测（分应用领域）。
• 图7：MRDIMM Gen2在AI负载下相对DDR5 RDIMM带宽可提升2.3倍。
• 图8：MRDIMM在大模型推理的KV Cache场景下提供确定性增益。
• 图9：内存模组配套芯片在不同类型内存模组中的应用及配比。
• 图10：VPDEEPROM作用。
• 图11：VPDEEPROM适用于多部件PCIe SSD。
• 图12：CXL存储池化。
• 图13：CXL Memory（CPU direct-attached）降低TCO。
• 图14：CXL在KV Cache密集型推理中带来较大TCO收益。
• 图15：Enfabrica加速计算架构超级网卡ACF-S。
• 图16：Enfabrica弹性内存网络系统EMFASYS性能。
• 图17：PolarDB基于CXL的分布式内存池架构。
• 图18：PolarDB基于CXL的分布式内存池架构。
• 图19：PolarDB CXL内存池化服务器优势。
• 图20：CXL互联芯片市场规模。

相关研究

• 海外存储原厂2025Q3总结（2025-11-25）：供需趋紧带动价格上涨，原厂营收与利润持续向上。
• 电子行业2025年三季报总结（2025-11-23）：AI驱动景气持续上行，营收与利润同环比向上。
• AI的进击时刻22：MRDIMM和CXL增加AI服务器内存。

联系信息

• 联系人：刘倚天
• 电话：021-38003669
• 邮箱：liuytian@gf.com.cn

分析师信息

• 王亮：复旦大学经济学硕士，2014年加入广发证券。
• 谢淑颖：厦门大学电子工程学士、上海财经大学金融硕士，2018年加入广发证券。
• 张大伟：复旦大学电子与通信工程硕士，2021年加入广发证券。
• 李佳蔚：京都大学硕士，2022年加入广发证券。
• 刘倚天：复旦大学硕士，2025年加入广发证券。
• 联系方式：gfzqyf@gf.com.cn

投资评级说明

• 买入：预期未来12个月内，股价表现强于大盘10%以上。
• 持有：预期未来12个月内，股价相对大盘变动介于-10%～+10%。
• 卖出：预期未来12个月内，股价表现弱于大盘10%以上。

公司投资评级说明

• 买入：预期未来12个月内，股价表现强于大盘15%以上。
• 增持：预期未来12个月内，股价表现强于大盘5%～15%。
• 持有：预期未来12个月内，股价相对大盘变动介于-5%～+5%。
• 卖出：预期未来12个月内，股价表现弱于大盘5%以上。

法律声明

• 本报告由广发证券股份有限公司或其关联机构制作，负责不同地区的分销。
• 广发证券及其关联机构可能与报告中提及的公司存在业务关系，可能影响报告的独立性。
• 报告内容仅供参考，不构成买卖建议，投资者应自行评估风险并做出决策。

权益披露

• 广发证券（香港）与本报告所述公司在过去12个月内无任何投资银行业务关系。

版权声明

• 未经广发证券事先书面许可，任何机构或个人不得以任何形式翻版、复制、刊登、转载和引用本报告内容。