2026年电子行业策略：算力闭环加速，重塑价值新锚点

存储：AI 存力大时代已至

1.1 这轮存储行情有何不同？

本轮存储行情有何不同？我们认为，本轮存储行情已经跳出此前的周期循环，进入人工 智能重塑底层逻辑的成长大时代。

增速快+持续长：AI 需求爆发，CSP 持续加码 AI 投资。 CSP 相继上调资本开支 预期，AI 投资持续加码。谷歌 2025 年资本支出 914 亿美元，并预计 2026 年资本 支出将显著增加；微软将增加在 GPU 和 CPU 上的支出，总支出将环比增加，预计 FY26 增长率将高于 FY25；meta 2025 年资本支出为 722 亿美元，预计 2026 年资 本支出增长将明显大于 2025 年；亚马逊将继续加大 AI 相关投资，2025 年资本支 出达 1318 亿美元，预计 2026 年这一数额将增加。CSP 正持续加码 AI 基础设施建 设。根据 marvell 数据，2028 年数据中心资本开支有望达万亿美元。根据英伟达数 据，预计 2030 年全球 AI 基础设施支出将达 3-4 万亿美元。

存储结构升级：KV Cache 带来分级存储新需求。英伟达推出推理上下文记忆存储 平台，迎接推理新时代。在 CES 2026 大展上，NVIDIA 首席执行官黄仁勋正式发布 了推理上下文记忆存储平台（NVIDIA Inference Context Memory Storage Platform）。 AI 工作负载正从传统的短上下文、单轮交互模式，全面转向长上下文、多轮对话以 及多智能体（Agentic AI）协同执行的复杂场景。在这种演进中，推理状态（即上下 文）的生命周期开始跨越单个 GPU 会话而持久存在。存储系统在 AI 计算中的角色 也发生了颠覆。

价格接受度高：预估 1Q26 一般型 DRAM 合约价季增 90-95%，NAND Flash 季 增 55-60%。预估 1Q26 一般型 DRAM 合约价季增 90-95%，NAND Flash 季增 55- 60%。根据 TrendForce 集邦咨询最新调查，2026 年第一季由于 AI 与数据中心需求 持续加剧全球存储器供需失衡，原厂议价能力有增无减，据此全面上修第一季 DRAM、 NAND Flash 各产品价格季成长幅度，预估整体 Conventional DRAM 合约价将从一 月初公布的季增 55-60%，改为上涨 90-95%，NAND Flash 合约价则从季增 33-38% 上调至 55-60%，且不排除仍有进一步上修空间。

资本开支改变：2026 年资本支出重心并非扩产。根据 TrendForce，随着存储 ASP 持续提升，DRAM 与 NAND Flash 后续的资本支出将会持续上涨，但对于 2026 年的 位元产出成长的助力有限。DRAM 和 NAND Flash 产业的投资重心正逐渐转变，从 单纯地扩充产能，转向制程技术升级、高层数堆栈、混合键合以及 HBM 等高附加价 值产品。其中，DRAM 产业的资本支出在 2025 年预计将达到 537 亿美元，预计 2026 年为 613 亿美元，同比+14%。NAND Flash 资本支出在 2025 年预计为 211 亿美 元，2026 年预计为 222 亿美元，同比+5%。过去数年产业经历多次景气循环，使 部分厂商在资本支出与扩产策略上趋于保守。

1）增速快+持续长：AI 需求爆发，CSP 持续加码 AI 投资

AI 大模型驱动算力需求爆发，全球算力规模快速增长。近年 ChatGPT 和 DeepSeek 为 代表的生成式大模型将人工智能技术由 B 端推向 C 端，算力普惠及大模型参数在模型迭 代中的指数级增长一同促进算力需求的快速增长，根据英伟达统计，在大模型出现之前， 算力需求每两年增长约 8 倍，在大模型出现之后，这一增速大幅提升至每两年约 275 倍。 根据 OpenAI 的预计，GPT-5 所需的计算资源则预计相较于 GPT-3 高出 200 至 400 倍。 可见，当前算力需求增速呈现非线性增长，根据盛合晶微招股书，全球算力规模已从 2019 年的 309 EFlops 增长至 2024 年的 2207 EFlops，CAGR 为 48.2%，预计全球算力规模将 在 2029 年达到 14130 EFlops，2024 年至 2029 年 CAGR 为 45%。随着我国一体化大数 据中心体系完成总体布局设计，“东数西算”工程全面启动，宏观层面优化算力基础设施布局，引导算力资源规模化、集约化和绿色化发展下，预计中国大陆算力规模将在 2029 年达到 5457 EFlops，2024 年至 2029 年复合增长率为 49.7%。

2028 年数据中心资本开支有望达万亿美元。2023 年中国 AI 芯片行业市场规模达到 1206 亿元，近五年复合增速达 79.90%。2024 年，中国 AI 芯片行业市场规模为 1447 亿 元。根据德勤数据，2024 年全球 AI 芯片销售额超过 570 亿美元。预计 2025 年，AI 芯 片规模将超 1500 亿美元，2027 年，全球 AI 芯片市场将增至 4000 亿美元。根据 marvell 数据，2028 年数据中心资本开支有望达万亿美元。根据英伟达数据，预计 2030 年全 球 AI 基础设施支出将达 3-4 万亿美元。

推理端需求爆发拉动 ASIC 芯片市场。训练阶段的训练集群对加速计算芯片的需求已提 升到万卡数量级。随着 AI 模型训练要求日益增长，向 10 万卡级别迈进已然在望。在推 理阶段，计算量与业务应用息息相关，单个推理集群所需加速计算芯片数量通常低于训 练集群，但推理集群部署数量极为可观，预计将达到百万级，远多于训练集群的数量。 OpenAI、微软和谷歌的 token 生成量呈阶梯式跃升。微软在 2025 年第一季度处理超过 100 万亿个 token，同比增长五倍。AI 算力集群特别是推理集群对加速计算芯片的庞大 需求，驱动 ASIC 快速成长。传统云计算四巨头（亚马逊 AWS、微软 Azure、谷歌、Meta） 仍是 ASIC 布局主力，新兴大型 AI 算力自建者，例如 xAI、Tesla 等正在崛起，开始自主 建设 AI 集群并推进定制芯片。以 Marvell 为例，Marvell 2025 年将定制芯片 2028 年 目标市场规模（TAM）由 750 亿美元上修至 940 亿美元，彰显对后续 ASIC 芯片需求 看好力度。

2）存储结构升级：KV Cache 带来分级存储新需求

存储器已成为 AI/HPC 性能提升的主要瓶颈。从早期的 AlexNet 到如今的 GPT-4、Llama 2、PaLM，模型参数规模已从百万级跃升至万亿级，体量的持续扩张直接推动训练与推 理阶段的计算量（FLOPs）呈指数级增长，过去 70 年间机器学习模型的训练计算量增长 超过 10¹⁸倍，推理计算量也同步爆发；然而，根据经典的 RooflineModel，任何计算系统 的最终性能都由峰值算力与内存带宽共同决定，因此这种爆炸式增长的计算需求不仅对 处理器性能提出更高挑战，也将存储器推向技术变革的最前沿，存储器的带宽、延迟、 能耗与密度已成为决定 AI/HPC 系统整体性能的核心要素，而过去 20 年间硬件峰值浮点 运算性能增长约 60,000 倍，DRAM 带宽仅增长约 100 倍，互连带宽仅增长约 30 倍，计 算性能与存储带宽的提升速度严重失衡，形成了制约系统性能的带宽墙，凸显出存储器 已成为 AI/HPC 性能提升的主要瓶颈。 分级存储逐渐成为现代计算系统主流。这种失衡的增长速度使存储器带宽成为 AI 推理 等场景中限制计算吞吐量的主要瓶颈，大量计算资源因等待数据而闲置；以英伟达 H100 GPU 为例，其 BF16 精度峰值算力达 989 TFLOPs，但峰值带宽仅 3.35 TB/s，当运算强 度不足时系统将陷入存储受限状态，庞大算力无法充分释放。面对 AI 与 HPC 的严苛需 求，存储器需同时满足大容量、高带宽与低数据传输能耗三大核心指标：大容量保障模 型参数与训练数据存储，高带宽缓解数据吞吐瓶颈，低能耗则是绿色计算与边缘部署的 关键。为平衡速度、带宽、容量与功耗，现代计算系统普遍采用分层存储架构：寄存器 与 SRAM 缓存以低延迟（1ns、10ns）和高带宽承担高频访问，HBM 与 DRAM 主存兼顾 容量与性能，SSD 等设备则以大容量、低成本满足海量数据存储需求。

Key-Value（KV）Cache 是 LLM 注意力机制的核心数据结构，其在推理的初始阶段（预 填充）时创建，KV 缓存存储中间注意力数据，帮助模型在生成或响应阶段专注于输入中 最相关的部分。由于 LLM 在解码阶段会在每个时间点生成一个 Token，但每个 Token 的 生成都依赖于所有先前 Token 的 key 与 value tensors，因此，为了避免在每个时间点对 所有 Token 重新计算所有的 tensors，可以将它们缓存到 GPU 内存中，随后当每次迭代 中计算新元素时，只需将它们添加到运行缓存中，便可在下一次迭代中使用。

GPU LLM 的存储需求主要来自于大模型本身的大小以及其 KV Cache。在批处理时，批 处理中每个请求的 KV Cache 仍然需要单独分配，并且可能占用大量内存。

在所有的输入序列中的每个 Token 都需要根据此公式所计算的内存大小，该大小适用于 整个输入批次。假设采用 FP16 精度，KV Cache 的总大小则由以下公式给出，其中 （num_heads * dim_head）与 hidden_size 相同。KV Cache 对内存需求将随着批处理 大小和序列长度的线性增长迅速扩大，以拥有 7B 参数的 Llama 2 模型为例，在 FP16 精 度下的 1 个批次的 Llama 2 模型则需要的 KV cache 为 1*4096*2*32*4096*2bytes，约 为~2GB。

英伟达推出推理上下文记忆存储平台，迎接推理新时代。在 CES 2026 大展上，NVIDIA 首席执行官黄仁勋正式发布了推理上下文记忆存储平台（NVIDIA Inference Context Memory Storage Platform）。作为 Rubin 架构体系的核心支柱，该平台的发布标志着 AI 计算范式的一次根本性转变：AI 工作负载正从传统的短上下文、单轮交互模式，全面转向长上下文、多轮对话以及多智能体（Agentic AI）协同执行的复杂场景。在这种演进中， 推理状态（即上下文）的生命周期开始跨越单个 GPU 会话而持久存在。存储系统在 AI 计算中的角色也发生了颠覆。 首先是内存墙（Memory Wall）瓶颈。随着 AI 模型迈向万亿参数（Trillion-parameter） 规模，生成的 KV 缓存（Key-Value Cache）呈爆炸式增长。当上下文窗口扩展到数百万 个 Token 时，数据量已远超单个 GPU HBM 显存的承载极限。其次是推理范式的进化， o1 的引入是 AI 的拐点，推理不再是一次性答案，而是一个思考过程（Reasoning is now a thinking process）。这种通过测试时扩展（Test-time scaling）提升答案质量的过程， 导致生成的 Token 数量每年增加 5 倍。这种计算密集型过程对上下文的快速存取提出了 前所未有的要求。最后是持久化需求，AI 正从工具演变为具备长短期记忆的智能协作伙 伴，支持上下文在跨越数周的多轮交互中持续存在。

3）价格接受度高：预估 1Q26 一般型 DRAM 合约价季增 90-95%，NAND Flash 季增 55-60%

预估 1Q26 一般型 DRAM 合约价季增 90-95%，NAND Flash 季增 55-60%。根据 TrendForce 集邦咨询最新调查，2026 年第一季由于 AI 与数据中心需求持续加剧全球存 储器供需失衡，原厂议价能力有增无减，据此全面上修第一季 DRAM、NAND Flash 各产 品价格季成长幅度，预估整体 Conventional DRAM 合约价将从一月初公布的季增 55- 60%，改为上涨 90-95%，NAND Flash 合约价则从季增 33-38%上调至 55-60%，且不 排除仍有进一步上修空间。

第一季 PC DRAM 虽需求成长放缓，但原厂收紧供应。第一季 PC DRAM 尽管面临整机 出货下修，以及可能的降规导致存储器需求成长放缓，但 DRAM 原厂同时收紧对 PC OEM 和模组厂的供应，造成部分 PC OEM 需以更高价向模组厂采购，预计将垫高原厂模组行 情，大幅推升 PC DRAM 价格；预计 2026 年第一季 PC DRAM 价格将季增 100%以上， 涨幅达历史新高。 DRAM 供需差距扩大，价格走强。AI 推理带动的 Server 建置持续驱动美系 CSP（云端 服务业者）采购，业者 2025 年底起持续向原厂提前拉货(pull in)或追加 Server DRAM 需 求，更因过往成交纪录、需求展望较佳，获得原厂位元供给的年增幅较大。在原厂库存 水位见底的情况下，出货规模成长仅能依赖晶圆厂提升产出，加剧供不应求态势，预期 第一季原厂将积极调涨 Server DRAM 价格约 90%。手机品牌即便在淡季对存储器需求 不强，然因Mobile DRAM供给紧缩情况难在短期内改善，且未来数季合约价可能再升高， 品牌于第一季维持较强拉货力道。预计 LPDDR4X、LPDDR5X 皆呈现供不应求、资源分 配不均情况，价格走强。Graphics DRAM 因 NVIDIA（英伟达）RTX 6000 系列销售目标 下调，和部分 PC OEM 下修出货规划，需求动能转趋保守。然而，其产能受制程高度重 叠的 DDR5 排挤，供应偏紧带动价格上扬。在整体 DRAM 供给紧绷的情况下，Consumer DRAM 客户为降低未来缺货风险，愿以较高价格换取原厂第一季的优先供应，但因部分 供应商扩产态度谨慎，且后续须保留一定产出给高容量产品，短期仍是供给低于需求， 支撑价格上涨。