AI 推理正在改变 NAND 周期吗？Sandisk 对存储芯片股意味着什么

重点摘要

AI 推理正在让存储投资主题从 GPU 和 HBM 延伸至高容量存储。闪存需求增长、长期客户协议以及 HBF 等新技术，可能提升 NAND 在 AI 基础设施中的重要性，并让传统存储周期的波动幅度有所降低。

Takeaway

AI 推理需要的不只是算力，大规模部署同样需要不断增长、能够快速访问且具备成本效率的存储容量。
NAND 正逐步成为与 HBM、DRAM 并存的 AI 容量层，而不再只是传统商品型存储产品。
Sandisk 预计，到 2030 年企业数据中心闪存需求将达到 1.2 ZB，并正在开发专门面向 AI 推理的 High Bandwidth Flash。
Sandisk、Samsung 等存储厂商开始采用更长期的客户协议，可能提高需求可见度并降低过度扩产风险。
AI 不会让 NAND 周期消失。真正值得关注的是，更强的 bit 需求和更好的供应纪律，是否能降低未来周期的波动幅度。

过去几年的 AI 热潮中，半导体投资逻辑有一条相对清晰的路径：更多 AI 模型需要更多 GPU，GPU 需要更多 HBM，而越来越密集的计算集群又需要更高速的网络和更多电力。存储一直很重要，但很少获得与这些领域同等程度的关注。

AI 推理正在逐步改变这种资源配置。

当 AI 从大型模型训练转向服务数十亿次查询、企业 AI agent、多模态应用和实时工作负载后，基础设施不只是需要进行计算，也必须持续存储和反复读取大量数据。

这给存储行业带来了一个新的问题：NAND 是否可能成为 AI 基础设施下一个重要的容量瓶颈？

Sandisk、Samsung、Kioxia 和其他存储厂商近期的发展表明，答案可能越来越接近肯定。NAND 的投资逻辑也因此开始从短期闪存涨价，逐步转向更结构性的 AI 存储需求。

为什么 AI 推理需要更多存储容量？

AI 训练和 AI 推理对基础设施造成的压力并不完全相同。

训练前沿大型模型需要庞大的计算集群，以及极高速的内存访问能力，这也是为什么 GPU 和 HBM 最早成为 AI 供应链的核心瓶颈。

推理则发生在模型正式部署之后。每当 AI 系统回答问题、搜索知识库、分析图片或执行 agent 任务时，都可能需要读取模型参数、embedding、缓存数据、用户 context，以及越来越庞大的多模态数据集。

随着查询量增加，需要以经济方式保持可访问状态的数据量也同步增长。

将所有数据全部放在 HBM 中并不现实。HBM 拥有极高带宽，但容量相对有限，而且每 bit 成本远高于 NAND。传统 NAND 位于另一端，可以用更低成本提供大量容量，但带宽较低、延迟较高。

两者之间因此存在很大的架构空间。

未来的 AI 内存堆栈更可能不是 HBM 和 NAND 二选一，而是由不同内存服务不同层级：HBM 处理最需要带宽的工作负载，DRAM 承担工作内存需求，而高性能 NAND 则开始负责容量更大、但仍需要靠近计算端的数据池。

Sandisk 正押注 NAND 会成为 AI 的容量层

Sandisk 是目前最明确公开主张这套逻辑的公司之一。在 2026 年投资者日，公司预计到2030 年企业数据中心闪存市场可能达到 1.2 ZB，同时预计 FY2028 至 FY2030 营收将保持中高双位数年增长。相关预期可参考Reuters。

这一展望建立在 Sandisk 数据中心业务已经快速增长的基础上。公司正在逐步将长期战略与 AI 基础设施绑定，而不再主要依赖消费电子产品或传统企业存储市场。

这一变化很重要，因为 AI 系统需要的并不只是“更快的存储”，而是每套系统配置更多存储容量。更大的模型、RAG、多模态内容以及持续运行的 AI agent，都会增加需要长期保持可访问状态的数据量。

如果 AI 推理成为未来数据中心最主要的工作负载之一，NAND 的需求驱动因素就可能从 PC、智能手机和传统云存储周期，逐步转向 AI 产生和使用的数据本身。

这与十年前市场理解的 NAND 需求结构已经非常不同。

HBF 可能填补 NAND 与 HBM 之间的空缺

High Bandwidth Flash（HBF）是目前最有意思的内存层级解决方案之一。

Sandisk 将 HBF 定位为一种 NAND 架构，目标是补充而不是取代 HBM。公司表示，在部分 AI 推理配置中，HBF 希望提供接近 HBM 的带宽，同时在类似成本下提供最高约八倍容量。Sandisk 也正在与 SK hynix 推动标准化，希望未来 AI 推理设备能够采用这项技术。更多信息可参考 Sandisk 的HBF 技术说明。

这项技术的吸引力很直接。AI 推理通常需要让非常大的模型和数据集保持在距离加速器足够近的位置，否则从传统存储层搬移数据就可能成为性能瓶颈。无限扩展 HBM 可以改善带宽，但成本和容量都会成为巨大问题。

HBF 尝试寻找一个中间位置：容量显著高于 HBM，同时性能又远高于传统闪存。

目前 HBF 仍属于新兴架构，不应该被视为已经成熟的大规模营收市场。但它说明了一个更重要的产业方向：存储厂商正在尝试让 NAND 不再只停留在后端存储，而是逐步靠近 AI 计算本身。

QLC NAND 可能比 HBF 更早产生实际影响

HBF 因为属于新技术，容易吸引更多关注，但传统 NAND 的持续创新，短期内可能带来更大影响。

QLC NAND 每个 cell 可以存储四个 bits，因此可以在相同物理面积下提供比 TLC NAND 更高的容量。对于需要大量存储，并且高度关注每 bit 成本的 hyperscale 数据中心而言，QLC 特别有吸引力。

代价是，每个 cell 存储更多 bits 后，耐久性和性能可能受到影响，因此 QLC 并不适用于所有工作负载。不过，随着控制器、错误校正和 NAND 架构持续进步，可使用 QLC 的场景也在不断增加。

AI 可能进一步加速这一转换，因为推理工作负载恰好特别重视容量、能源效率和整体成本。

Sandisk 正持续开发更高密度的 QLC 产品，而 Samsung 和 Kioxia 也通过 wafer bonding 和新一代 NAND 设计，提高密度和性能。例如 Samsung 最新 BV-NAND 架构，相比上一代可以提高约 58% 的存储密度，以应对不断增长的 AI 存储需求。

因此，AI 存储市场的增长并不需要完全依赖 HBF 成功。高容量企业级 SSD 和更高效率的 QLC NAND，同样可以直接受益于数据密度持续提升。

为什么 NAND 周期过去一直如此剧烈？

更大的投资问题，是 AI 需求是否真的能够改变 NAND 长期以来高度剧烈的周期。

历史上，问题并不只是需求不足，而是需求和供应之间的互动。

当 NAND 供应不足时，价格迅速上涨，制造商获得高毛利。更高的回报吸引更多产能投资，但半导体厂的规划和建设需要时间，等到新产能真正上线时，最初的供应缺口往往已经缩小。

价格随后下跌，毛利率迅速压缩，厂商再减少投资。

接着进入下一个周期。

AI 并不会自动消除这套机制。即使终端需求非常强劲，如果制造商最终扩产过度，供应仍然可能压过需求。

真正可能发生变化的，是供应商在投资之前能够掌握多少需求可见度。

长期协议可能改变供应纪律

Sandisk 正逐步将客户转向多年期协议，而不是主要依赖短期交易。

Reuters 在 Sandisk 最新财报后报道称，公司已与六家客户签署八份长期协议，合同总价值约939 亿美元，平均合同期限约四年。约一半 FY2027 产出预计由这些协议覆盖，到 FY2028 则提高至约三分之二。相关数据可参考Reuters。

这种模式的重要性在于，它同时提高供应商和客户的可见度。

Hyperscaler 可以提前锁定未来存储产能，而 Sandisk 在决定扩产幅度之前，也能掌握更多已经承诺的需求。

Sandisk 并不是唯一采用这种模式的公司。Samsung 也曾表示，长期客户协议未来可能占存储销售的 60% 至 70%，说明整个存储行业可能正在出现更广泛的商业模式变化。

如果供应商未来更倾向根据多年期已经承诺的需求扩产，而不是看到现货价格上涨就立即积极增加产能，存储行业或许可以降低过去那种极端供应过剩的风险。

这不会消除周期，但可能改变周期的剧烈程度。

这对 Sandisk、Micron 和其他存储芯片股意味着什么？

AI 存储需求增长，不会让所有存储公司以完全相同的方式受益。

Sandisk是 NAND 和企业级闪存最直接的代表之一。公司的投资逻辑正在结合 AI 推动的 bit 需求、多年期客户承诺、QLC 和 HBF，因此 SNDK 特别容易受到市场是否相信当前 NAND 高盈利能够延续的影响。

Micron的产品组合覆盖 DRAM、HBM 和 NAND，因此同时暴露在 AI 内存层级的两端：靠近加速器的高价高带宽内存，以及容量更大的闪存。强劲的 AI 需求也提高了 Micron 多项产品的供应可见度。

SK hynix在 AI 投资主题中的主要角色是 HBM，但它与 Sandisk 在 HBF 上的合作值得关注，因为这表明领先的 HBM 厂商同样认为，未来 AI 推理架构中可能存在 NAND 型高容量内存层。

Kioxia则提供另一个直接观察 NAND 的窗口。随着 AI 工作负载提升高容量存储需求，公司正在加速下一代闪存量产，而 AI 热潮也大幅改善了其运营和估值。

Western Digital在 Sandisk 分拆后的核心业务已经转向硬盘，而不是 NAND。但如果 AI 产生的数据量继续快速增长，就可能同时支撑多个存储层级。Flash 更适合高性能、低延迟工作负载，HDD 则在大规模冷数据存储中仍然具有成本优势。

更大的结论是：AI 存储不是单一产品交易。

AI 数据持续增长，可能同时推高 HBM、DRAM、NAND、企业级 SSD 和高容量 HDD 的需求，而不同技术将分别负责存储层级中的不同位置。

AI 可能改变 NAND 周期，但不会让它消失

把当前这轮存储行情描述为行业永久脱离周期，可能过于乐观。

NAND 仍然是高度资本密集的行业。即使不新建全新晶圆厂，技术升级仍可以增加每片晶圆提供的 bits；竞争对手也可能因为高毛利率重新增加供应，而 AI 资本开支本身也不可能永远保持同样的增长速度。

近期股价波动就反映了这一风险。Sandisk 和 Western Digital 在 8 月公布强劲财报后都曾大幅下跌，因为市场预期已经非常高，即使公司给出乐观展望仍不足以满足投资者。

因此，更合理的结构性观点应该收敛为：

AI 可以让 NAND 的长期 bit 需求更强、更可预测，而多年期客户协议和更严格的供应纪律，则可能降低未来存储周期的剧烈程度。

这个区别非常重要。

降低 NAND 周期波动，并不需要存储价格永远上涨。真正需要的是，即使价格回到正常波动，供应商仍然能够维持合理盈利，而不是反复从供应不足走向严重供应过剩。

如果这种变化真的发生，Sandisk 等公司的估值框架最终也可能随之改变。

FAQ

AI 推理会使用 NAND 闪存吗？

会。AI 推理系统可以使用 NAND 型企业级 SSD 存储模型数据、embedding、缓存信息和其他大型数据集，特别是那些不需要长期保存在昂贵 HBM 或 DRAM 中的数据。随着模型和数据集持续扩大，这一容量层的重要性可能进一步提升。

NAND 可以取代 AI 使用的 HBM 吗？

不能直接取代。HBM 可以在靠近 AI 加速器的位置提供极高带宽和低延迟，而 NAND 则能以远低于 HBM 的每 bit 成本提供更大容量。HBF 等新技术的目标是缩小性能差距，但 Sandisk 本身也将 HBF 定位为 HBM 的补充，而不是替代品。

什么是 High Bandwidth Flash？

High Bandwidth Flash（HBF）是一种面向 AI 推理设计的新型 NAND 内存架构。Sandisk 的 HBF 设计通过堆叠式闪存和先进 bonding 技术，希望在保留远高于 HBM 容量的同时，提供比传统 NAND 更高的带宽。

AI 是否意味着 NAND 周期已经结束？

不是。NAND 仍然是一个高度周期性、且资本密集的行业。AI 可以提高长期 bit 需求，多年期客户协议也可能改善供应纪律，但价格、产能增加和技术升级仍可能造成供应过剩和毛利率下降。

更大的变化：AI 需要的不只是算力，还需要容量

AI 基础设施热潮第一阶段的核心是计算资源稀缺。GPU、HBM 和高速网络之所以价值快速提升，是因为市场没有足够性能满足需求。

推理则带来了另一个限制：容量。

如果 AI 真正以全球规模运行，大量数据必须持续保持可访问状态，又不能全部放在成本最高的内存中。这为 NAND 提供了进一步向 AI 内存层级上移的空间，包括企业级 SSD、QLC，以及未来可能出现的 HBF。

Sandisk 是目前最积极主张这一变化可以创造更稳定 NAND 商业模式的公司之一。但这一趋势的意义并不只限于 SNDK。

如果 AI 推理持续提高存储密度，而存储厂商同时维持产能纪律，那么下一轮 NAND 周期仍然会是一个周期——只是可能和过去投资者熟悉的 NAND 周期非常不同。