行业投资评级 - 行业评级为“买入” [3] 核心观点 - 核心观点：随着AI大模型参数规模和上下文长度激增，现有高带宽内存（HBM）容量已难以满足推理阶段的内存需求，高带宽闪存（HBF）技术有望成为最佳解决方案，其发展将推动针对新存储介质优化的数据基础软件的应用，为具备数据库技术积累的公司带来机会 [1][7] 一、HBF有望成为满足AI大模型内存容量要求的最佳方案 - **当前AI芯片内存瓶颈**：AI大模型参数量已达万亿级别，上下文长度普遍超过128K，对内存容量要求极高 [7][13] - **HBM容量不足**：英伟达最新的Blackwell Ultra芯片配备8个HBM3E内存，总容量为288 GB，带宽为8 TB/s，但仍难以满足大模型需求 [7][15][18] - **现有替代方案局限**：采用GPU+HBM直连闪存（如SSD）的方案，虽存储容量大（例如16TB SSD），但通过PCIe接口的传输速率（如PCIe 7.0为512 GB/s）远低于HBM，存在性能瓶颈 [19] - **HBF技术方案与优势**： - **高互联速度**：采用BiCS和CBA晶圆键合工艺实现与GPU的高速互联 [7][20] - **大内存容量**：在研的HBF存储容量有望达到现有HBM的8-16倍，有望将GPU的存储容量扩展至4 TB [7][23] - **产品时间表**：HBF闪存第一批样品预计在2026年下半年交付，首款集成HBF的AI推理硬件预计在2027年年初推出 [23] - **面临的技术挑战**：包括闪存组件的写入寿命限制，以及其工作温度上限（85度）可能受GPU高强度计算时高温影响的稳定性问题 [26] 二、HBF的技术成熟有望推动相关数据基础软件的应用 - **不同AI模型的内存需求差异**： - **大语言模型与视频生成模型**：参数量大、上下文长，对内存容量要求高，使用基于内存的数据处理软件必要性“强” [28][30] - **图片生成模型**：参数量普遍在百亿级别，上下文较短，常规任务对内存要求不高，使用相关软件必要性“弱” [30] - **市场参与主体**：针对存储介质优化的数据基础软件开发商包括华为、阿里等大型科技公司，以及星环科技、PingCAP等独立第三方公司 [7][29] - **发展潜力与路径**： - 大型科技公司可能为自研的AI大模型自研数据基础软件 [7][29] - 独立第三方公司（如星环科技、PingCAP）的数据基础软件可能用于智谱AI、MiniMax等公司的大模型推理任务 [7][29] - 星环科技的分布式数据库ArgoDB已针对闪存存储硬件优化，具备开发基于HBF等新介质的数据基础软件的技术潜力 [7][32] - **市场规模与前景**：基于HBF的数据基础软件市场处于早期，其价值量或与数据处理规模及可应用场景相关，若HBF在AI推理任务中大规模使用，相关软件产品有望受益于数据处理需求增长 [31][33] 三、重点公司提及 - **星环科技-U**：其分布式数据库ArgoDB针对闪存优化，有潜力开发基于HBF的数据基础软件产品 [7][32] - **其他提及公司**：报告在列举针对存储介质优化的数据库产品时，提到了华为（GaussDB）、阿里云（AnalyticDB）、PingCAP（TiDB）、SAP（HANA）、巨杉（SequoiaDB）、中兴通讯（GoldenDB）等公司 [31]