核心观点 - AI推理需求正驱动存储产业链快速增长，模型创新与资本支出为发展奠定基础，产业链各环节协同发展，存储价格持续上涨，原厂毛利率显著提升，架构升级与新技术带来设备及芯片新机遇 [1] AI推理驱动存储需求增长 - AI服务器中的存储主要包括HBM、DRAM、SSD等，呈现性能逐级下降、容量逐级增加、成本逐级降低的特征 [1] - 推理驱动AI存储快速增长，内存受益于超长上下文和多模态推理需求，高带宽与大容量内存可降低访问延迟、提升并行效率 [1] - SSD和HDD是Tokens的积分，轻量化模型部署推动存储容量需求快速攀升，预计未来整体需求将激增至数百EB级别 [1] - 随着长上下文推理、RAG数据库及tokens规模快速增长，AI工作负载对高带宽、大容量eSSD的需求将持续增强，AI服务器、存储服务器中的eSSD市场空间将进一步扩大 [2] 存储技术升级与架构创新 - DRAM和NAND架构升级，为设备需求带来新机遇 [1] - MRDIMM有望应用于大模型推理，在KVCache场景下提供确定性增益，并发更高、上下文更长、端到端时延更低，并显著优化CPU–GPU内存编排与资源利用 [2] - CXL实现存储池化，显著提升计算效率，在KVCache密集型推理中形成显著TCO优势，协议持续在AI领域渗透，拉动芯片需求增加 [3] - CXL互连芯片作为CXL技术落地的核心载体，有望在AI领域发挥更大作用 [3] 存储产业链细分机会 - 存储代工模式迎来产业变革机会 [1] - 接口芯片MRDIMM和VPD打开新空间 [1] - 随DDR5渗透不断扩大，SPD芯片技术规格和单价较DDR4世代更高，在价值量与需求量的双重维度驱动下，DDR5 SPD市场快速发展 [2] - SSD升级有望带来VPD成长机会，SSD性能提升将推动VPD EEPROM产品技术规格升级，其价值量也有望随性能升级进一步提升 [2]