核心观点 - AI竞赛不仅是算力竞赛，更是存储竞赛，存储是支撑AI持续进化的关键基础设施，其战略价值被市场长期低估 [1][4][6] - AI仍处于非常早期的阶段，随着模型规模扩大、推理需求增长及AI从数据中心走向边缘，对存储的容量、性能和功耗要求将持续攀升 [1][6] - 存储行业面临结构性的供给约束，新建晶圆厂及产能爬坡周期长，技术节点进步带来的单位晶圆产出增幅下降，供应紧张状态预计将持续至2026年之后 [1][4][7][8] - 存储芯片制造涉及多学科尖端技术及大规模量产的高精度控制，技术难度极高，构成了行业深厚的护城河 [2][4] - 企业成功与长期投资的底层逻辑在于韧性、纪律和长期主义，需基于数据、基本面及对技术与应用趋势的深入理解 [2][4][9] AI发展对存储的需求驱动 - 模型演进推动需求：大模型、Agent AI和推理应用的发展，需要更强的“记忆能力”，更长的上下文窗口、更大的模型规模以及不断增长的Token消耗都在推动存储需求持续攀升 [1][4] - 存储角色升级：存储已不仅是设备运行的零部件，而是直接承载AI的“智能”本身，帮助人工智能变得更聪明 [6] - 具体需求维度：AI发展需要存储提供更大的容量、更高的性能、更低的功耗 [6] - Token经济学依赖：Token使用量增长、上下文窗口变长、KV缓存需求增加，使得AI不仅依赖计算能力，还需要“记住”的能力 [6] 存储行业的供给约束 - 产能建设周期长：建设新的晶圆厂从破土动工到第一批晶圆产出通常需要三到四年时间，后续产能爬坡同样漫长 [1][4][8] - 技术瓶颈限制产出：随着技术节点推进，每片晶圆带来的存储容量（bit）产出增幅正在下降 [1][4][8] - 结构性短缺判断：当前面临的不是短期供需错配，而是结构性供给约束，供应紧张状态有望延续至2026年之后 [1][4][7] - 前瞻性布局印证趋势：美光在2021年已预判到未来几代高带宽存储（HBM）将消耗大量硅片并冲击供给格局，当时HBM在存储行业占比还不到1% [9] 存储技术的价值与壁垒 - 制造难度被低估：存储制造融合了物理学、化学、材料科学等多学科技术，且需在大规模量产中确保数万亿比特中每一个都行为正确，技术难度极高 [2][4] - 战略价值凸显：存储是AI的骨干，没有半导体就没有AI，存储是AI能力提升过程中最重要的基础设施之一 [1][4][6] 企业战略与领导力哲学 - 投资纪律：大规模投资（如2000亿美元）必须建立在数据和基本面之上，需理解技术、应用趋势及客户未来方向 [4][9] - 执行纪律：在投资建厂过程中，从基础设施建成到安装设备、形成产能，都需保持纪律，持续评估需求预测、技术进步及产品变化 [9] - 成功要素：强调韧性、纪律和长期主义，领导者需既能看清产业趋势，也能深入理解技术细节，并具备在关键时刻抓住机遇的能力 [2][4]