電子行業存儲：AI推理帶來需求爆發、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、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數動態膨脹，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分機柜部署等優化存儲分級管理系統。

在前期價格漲幅大、行業看接下來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拉長周期?，F貨價占市場10%左右，近期部分現貨市場價格有回調10-20%左右；合約價占市場90%左右，北美CSP因擔心拿不到產能，陸續與原廠簽訂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推理的核心瓶頸環節，同時是AI硬件業績確定性中短期最強、估值最低的方向。