*内容为转载编译，仅为呈现不同市场观点与研究视角，并不意味着本公众号对文中观点结论认可。AI没有抬高存储行业的景气，它在改写这门生意的底层规则。2026年，美光科技在最新财报电话会上给出一个极具冲击力的判断：AI相关需求可能吞噬超过50%的存储市场空间。几乎同时，HBM订单被提前锁定至2027年，部分高端产能甚至出现“先签合同再排产”的情况。这在过去的存储行业里几乎不可想象——那个行业的典型特征，是价格先涨，产能再跟，最后库存压垮利润。但现在顺序反过来了。需求先锁定，产能反而跟不上。价格不再是波动变量，而是被供给上限“托住”。这也是为什么过去几个月里，存储厂商的股价表现开始脱离传统周期节奏：不是因为价格突然暴涨，而是因为市场开始相信——这一次，供需关系不会在短期内回到均衡。更关键的变化发生在认知层面。过去，DRAM和NAND被归类为“标准化商品”，估值跟随周期起伏；现在，它们开始被重新定义为“算力系统的一部分”。一旦进入这个框架，讨论重点就不再是价格曲线，而是资源稀缺性与供给弹性。这意味着一件更深层的事情正在发生：存储，不再只是半导体里的一个细分行业，而是成为AI基础设施中最难扩张的一环。如果这个判断成立，那么接下来几年，存储行业的核心变量，将从“库存周期”彻底切换为“产能约束”。周期没有消失，但它已经不再主导定价存储行业过去十年的运行逻辑非常简单：价格上涨→ 厂商扩产 → 供给过剩 → 价格下跌 → 行业出清。这是一个典型的“自我强化+自我毁灭”的循环。但这一轮行情出现了明显的偏移。首先是需求结构发生了断层式变化。传统服务器对内存的需求是线性增长，而AI服务器是“跳跃式增长”。一个典型的训练集群，其内存容量往往是传统架构的数倍甚至十倍以上。而进入2026年后，推理侧的爆发进一步放大了这种需求——token规模增长带来的，是持续的高频内存访问，而不是一次性加载。这直接改变了需求曲线的形态：从“随经济周期波动”，变成“跟随算力扩张单边上行”。其次是供给端的刚性增强。HBM的生产已经不再是单纯的晶圆问题，而是“晶圆+先进封装+堆叠良率”的综合约束。任何一个环节出问题，都会直接卡住出货节奏。尤其是CoWoS封装能力，在2026年依然是整个产业链最紧张的资源之一。更现实的一点是，扩产周期被极大拉长。新建晶圆厂需要3-5年，封装产线同样需要长期投入，这意味着供给几乎不可能对短期需求做出快速响应。结果就是——价格不再是用来平衡供需的工具，而是被供给上限“钉住”的结果。这也是为什么市场开始重新定价存储公司：交易的核心，不再是价格弹性，而是产能稀缺带来的确定性收入。你可以把它理解为一种“半周期化”状态：周期还在，但它不再决定方向，只决定波动幅度。GPU不再是唯一瓶颈，内存开始决定系统上限过去两年，AI产业链几乎被一个叙事主导：算力=GPU。这个等式在2026年开始被修正。原因很直接——当模型规模和推理需求持续扩张时，计算能力不再是唯一限制，数据访问速度和容量开始成为瓶颈。换句话说，GPU算得再快，如果数据跟不上，整体效率依然会被拖慢。这在新一代架构中已经体现得非常明显。无论是下一代GPU平台，还是服务器级系统设计，升级重点都不再局限于算力本身，而是围绕“内存带宽+容量”展开。HBM4已经进入出货阶段，而HBM4E的路线图指向更高堆叠与更大带宽。问题在于，这部分能力是最难扩张的。HBM不仅需要更先进的制程，还需要更复杂的封装与更高的良率控制。任何一个环节的不确定性，都会放大为整个系统的瓶颈。与此同时，需求侧还在加速：Agent类AI应用让推理调用频率大幅上升企业级部署推动内存配置从百GB级向TB级逼近边缘AI与低功耗设备开始引入高性能内存方案这意味着一个新的函数关系正在形成：算力系统≠ GPU数量而是≈ GPU × 内存带宽 × 内存容量当内存成为约束变量时，整个产业链的利润分配就会发生变化。过去，GPU厂商占据绝对主导地位；现在，存储厂商开始获得更高的议价权。这也是为什么美光等公司在这一轮周期中，不只是收入增长，更关键的是毛利结构在改善。高附加值产品（尤其是HBM）的占比提升，使得它们不再完全依赖传统DRAM价格周期。换句话说，它们正在从“卖容量”，转向“卖性能与带宽”。这不是简单的景气上行，而是一次估值框架的迁移站在当前时点，市场对存储板块的争论，已经不再是“好不好”，而是“值不值”。核心问题其实只有一个：这轮增长，是周期放大，还是结构重估？如果只是周期，那么高点过后一定会回落；但如果是结构变化，那么估值体系就需要被重写。从路径上看，头部厂商已经在做一件非常关键的事情——主动改变自己的“资本叙事”。以美光为代表，其产品路线非常清晰：通过HBM系列锁定高端AI需求，同时用LPDDR等产品切入更多应用场景。结果是，高毛利产品占比持续提升，盈利结构逐步脱离传统价格周期。这背后对应的，是估值锚的迁移：从PB（周期资产）向PEG（成长资产）过渡。但这条路径并不稳固。首先，供给端的不确定性仍然存在。HBM良率、封装产能，任何一个环节出问题，都可能影响出货节奏。其次，需求本身也可能出现波动。AI资本开支在2026年依然强劲，但如果企业侧回报不及预期，支出节奏随时可能调整。更隐性的风险在于技术路径。如果未来出现新的架构优化，大幅降低对高端内存的依赖，那么当前的供需紧张可能被缓解。还有一个市场不会忽视的问题：一旦供需关系边际改善，价格敏感性会迅速回归，周期属性也会重新显现。所以，本质上这是一个“高确定性+高波动性”的资产：确定性来自供给约束，波动性来自需求与技术路径的不确定。如果内存成为“算力资源”，半导体的权力结构会重排过去几十年，半导体行业的核心权力一直围绕计算展开。CPU时代如此，GPU时代更是如此。但AI正在引入一个新的变量——数据流动的成本与效率。当模型规模继续扩大，推理需求持续增长，内存不再只是“辅助资源”，而是决定系统上限的关键因素。这会带来一个非常现实的结果：产业链的定价权开始分散。如果内存持续处于供给受限状态，那么它将不只是一个盈利改善的子行业，而会升级为与计算芯片并列的“核心资源”。在这种情况下，估值体系、资本流向，甚至产业话语权，都会发生重新分配。但反过来看，这个逻辑也有清晰的边界。一旦供给释放速度超过需求增长，或者技术路径降低了对高端内存的依赖，这种“资源溢价”就会迅速收敛。所以，这不是一个可以简单套用周期模型的行业，也不是一个可以无限外推增长的赛道。更接近的描述是——存储正在进入一个更长周期的博弈阶段：一边是产能与技术的硬约束，一边是AI需求的持续放大。谁先松动，价格就会向哪一边倾斜。 文章原文