電子行業(yè)存儲：AI推理帶來需求爆發(fā)、驅動范式升級，周期能見度大幅拉長.pdf

存儲是AI推理的核心瓶頸，驅動存儲需求爆發(fā)、存儲范式改進。LLM推理的解碼階段本質是memory-bound，核心存儲負載包括模型權重、KV Cache、激活值、RAG向量庫等。KV Cache隨上下文長度和并發(fā)數(shù)動態(tài)膨脹，推理性能高度依賴對KV Cache的保存和管理效率。存儲體系正從單一層級向高帶寬+大容量+分級管理的協(xié)同架構演進，包括HBM、WOW 3D堆疊DRAM、HBF等高帶寬存儲器解決方案，以及CXL內存池化技術和Prefill/Decode分機柜部署等優(yōu)化存儲分級管理系統(tǒng)。

在前期價格漲幅大、行業(yè)看接下來2年供需緊張的情況下，對合約價的跟蹤會從“從價格還能漲多少”轉向“價格高位保持多久”。預計合約價26年全年上漲，27年至少保持高位，客戶與原廠簽多年長協(xié)拉長周期。現(xiàn)貨價占市場10%左右，近期部分現(xiàn)貨市場價格有回調10-20%左右；合約價占市場90%左右，北美CSP因擔心拿不到產(chǎn)能，陸續(xù)與原廠簽訂3-5年長約，國內模組廠也有簽，客戶與原廠基本達成價格共識，周期能見度拉長。服務器占存儲敞口提升到50%-60%，存儲的容量和性能是AI推理的核心瓶頸環(huán)節(jié)，同時是AI硬件業(yè)績確定性中短期最強、估值最低的方向。