AI推理正在改變NAND週期嗎？SanDisk對存儲晶片股意味著什麼

重點摘要

AI 推理正在讓儲存投資主題從 GPU 和 HBM 延伸至高容量儲存。快閃記憶體需求增長、長期客戶協議以及 HBF 等新技術，可能提升 NAND 在 AI 基礎設施中的重要性，並讓傳統儲存週期的波動幅度有所降低。

Takeaway

• AI 推理需要的不只是算力，大規模部署同樣需要不斷增長、能夠快速存取且具備成本效率的儲存容量。
• NAND 正逐步成為與 HBM、DRAM 並存的 AI 容量層，而不再只是傳統商品型儲存產品。
• Sandisk 預計，到 2030 年企業資料中心快閃記憶體需求將達到 1.2 ZB，並正在開發專門面向 AI 推理的 High Bandwidth Flash。
• Sandisk、Samsung 等儲存廠商開始採用更長期的客戶協議，可能提高需求可見度並降低過度擴產風險。
• AI 不會讓 NAND 週期消失。真正值得關注的是，更強的 bit 需求和更好的供應紀律，是否能降低未來週期的波動幅度。

過去幾年的 AI 熱潮中，半導體投資邏輯有一條相對清晰的路徑：更多 AI 模型需要更多 GPU，GPU 需要更多 HBM，而越來越密集的計算叢集又需要更高速的網路和更多電力。儲存一直很重要，但很少獲得與這些領域同等程度的關注。

AI 推理正在逐步改變這種資源配置。

當 AI 從大型模型訓練轉向服務數十億次查詢、企業 AI agent、多模態應用和即時工作負載後，基礎設施不只是需要進行計算，也必須持續儲存和反覆讀取大量資料。

這給儲存行業帶來了一個新的問題：NAND 是否可能成為 AI 基礎設施下一個重要的容量瓶頸？

Sandisk、Samsung、Kioxia 和其他儲存廠商近期的發展表明，答案可能越來越接近肯定。NAND 的投資邏輯也因此開始從短期快閃記憶體漲價，逐步轉向更結構性的 AI 儲存需求。

為什麼 AI 推理需要更多儲存容量？

AI 訓練和 AI 推理對基礎設施造成的壓力並不完全相同。

訓練前沿大型模型需要龐大的計算叢集，以及極高速的記憶體存取能力，這也是為什麼 GPU 和 HBM 最早成為 AI 供應鏈的核心瓶頸。

推理則發生在模型正式部署之後。每當 AI 系統回答問題、搜尋知識庫、分析圖片或執行 agent 任務時，都可能需要讀取模型參數、embedding、快取資料、使用者 context，以及越來越龐大的多模態資料集。

隨著查詢量增加，需要以經濟方式保持可存取狀態的資料量也同步增長。

將所有資料全部放在 HBM 中並不現實。HBM 擁有極高頻寬，但容量相對有限，而且每 bit 成本遠高於 NAND。傳統 NAND 位於另一端，可以用更低成本提供大量容量，但頻寬較低、延遲較高。

兩者之間因此存在很大的架構空間。

未來的 AI 記憶體堆疊更可能不是 HBM 和 NAND 二選一，而是由不同記憶體服務不同層級：HBM 處理最需要頻寬的工作負載，DRAM 承擔工作記憶體需求，而高效能 NAND 則開始負責容量更大、但仍需要靠近計算端的資料池。

Sandisk 正押注 NAND 會成為 AI 的容量層

Sandisk 是目前最明確公開主張這套邏輯的公司之一。在 2026 年投資者日，公司預計到 2030 年企業資料中心快閃記憶體市場可能達到 1.2 ZB，同時預計 FY2028 至 FY2030 營收將保持中高雙位數年增長。相關預期可參考 Reuters。

這一展望建立在 Sandisk 資料中心業務已經快速增長的基礎上。公司正在逐步將長期戰略與 AI 基礎設施綁定，而不再主要依賴消費電子產品或傳統企業儲存市場。

這一變化很重要，因為 AI 系統需要的不只是「更快的儲存」，而是 每套系統配置更多儲存容量。更大的模型、RAG、多模態內容以及持續運行的 AI agent，都會增加需要長期保持可存取狀態的資料量。

如果 AI 推理成為未來資料中心最主要的工作負載之一，NAND 的需求驅動因素就可能從 PC、智慧型手機和傳統雲端儲存週期，逐步轉向 AI 產生和使用的資料本身。

這與十年前市場理解的 NAND 需求結構已經非常不同。

HBF 可能填補 NAND 與 HBM 之間的空缺

High Bandwidth Flash（HBF）是目前最有意思的記憶體層級解決方案之一。

Sandisk 將 HBF 定位為一種 NAND 架構，目標是 補充而不是取代 HBM。公司表示，在部分 AI 推理配置中，HBF 希望提供接近 HBM 的頻寬，同時在類似成本下提供最高約八倍容量。Sandisk 也正在與 SK hynix 推動標準化，希望未來 AI 推理設備能夠採用這項技術。更多資訊可參考 Sandisk 的 HBF 技術說明。

這項技術的吸引力很直接。AI 推理通常需要讓非常大的模型和資料集保持在距離加速器足夠近的位置，否則從傳統儲存層搬移資料就可能成為效能瓶頸。無限擴展 HBM 可以改善頻寬，但成本和容量都會成為巨大問題。

HBF 嘗試尋找一個中間位置：容量顯著高於 HBM，同時效能又遠高於傳統快閃記憶體。

目前 HBF 仍屬於新興架構，不應該被視為已經成熟的大規模營收市場。但它說明了一個更重要的產業方向：儲存廠商正在嘗試讓 NAND 不再只停留在後端儲存，而是逐步靠近 AI 計算本身。

QLC NAND 可能比 HBF 更早產生實際影響

HBF 因為屬於新技術，容易吸引更多關注，但傳統 NAND 的持續創新，短期內可能帶來更大影響。

QLC NAND 每個 cell 可以儲存四個 bits，因此可以在相同物理面積下提供比 TLC NAND 更高的容量。對於需要大量儲存，並且高度關注每 bit 成本的 hyperscale 資料中心而言，QLC 特別有吸引力。

代價是，每個 cell 儲存更多 bits 後，耐久性和效能可能受到影響，因此 QLC 並不適用於所有工作負載。不過，隨著控制器、錯誤校正和 NAND 架構持續進步，可使用 QLC 的場景也在不斷增加。

AI 可能進一步加速這一轉換，因為推理工作負載恰好特別重視 容量、能源效率和整體成本。

Sandisk 正持續開發更高密度的 QLC 產品，而 Samsung 和 Kioxia 也透過 wafer bonding 和新一代 NAND 設計，提高密度和效能。例如 Samsung 最新 BV-NAND 架構，相比上一代可以提高約 58% 的儲存密度，以應對不斷增長的 AI 儲存需求。

因此，AI 儲存市場的增長並不需要完全依賴 HBF 成功。高容量企業級 SSD 和更高效率的 QLC NAND，同樣可以直接受益於資料密度持續提升。

為什麼 NAND 週期過去一直如此劇烈？

更大的投資問題，是 AI 需求是否真的能夠改變 NAND 長期以來高度劇烈的週期。

歷史上，問題並不只是需求不足，而是需求和供應之間的互動。

當 NAND 供應不足時，價格迅速上漲，製造商獲得高毛利。更高的回報吸引更多產能投資，但半導體廠的規劃和建設需要時間，等到新產能真正上線時，最初的供應缺口往往已經縮小。

價格隨後下跌，毛利率迅速壓縮，廠商再減少投資。

接著進入下一個週期。

AI 並不會自動消除這套機制。即使終端需求非常強勁，如果製造商最終擴產過度，供應仍然可能壓過需求。

真正可能發生變化的，是供應商在投資之前能夠掌握多少需求可見度。

長期協議可能改變供應紀律

Sandisk 正逐步將客戶轉向多年期協議，而不是主要依賴短期交易。

Reuters 在 Sandisk 最新財報後報導稱，公司已與六家客戶簽署八份長期協議，合同總價值約 939 億美元，平均合同期限約四年。約一半 FY2027 產出預計由這些協議覆蓋，到 FY2028 則提高至約三分之二。相關數據可參考 Reuters。

這種模式的重要性在於，它同時提高供應商和客戶的可見度。

Hyperscaler 可以提前鎖定未來儲存產能，而 Sandisk 在決定擴產幅度之前，也能掌握更多已經承諾的需求。

Sandisk 並不是唯一採用這種模式的公司。Samsung 也曾表示，長期客戶協議未來可能占儲存銷售的 60% 至 70%，說明整個儲存行業可能正在出現更廣泛的商業模式變化。

如果供應商未來更傾向根據多年期已經承諾的需求擴產，而不是看到現貨價格上漲就立即積極增加產能，儲存行業或許可以降低過去那種極端供應過剩的風險。

這不會消除週期，但可能改變週期的劇烈程度。

這對 Sandisk、Micron 和其他儲存晶片股意味著什麼？

AI 儲存需求增長，不會讓所有儲存公司以完全相同的方式受益。

Sandisk 是 NAND 和企業級快閃記憶體最直接的代表之一。公司的投資邏輯正在結合 AI 推動的 bit 需求、多年期客戶承諾、QLC 和 HBF，因此 SNDK 特別容易受到市場是否相信當前 NAND 高盈利能夠延續的影響。

Micron 的產品組合覆蓋 DRAM、HBM 和 NAND，因此同時暴露在 AI 記憶體層級的兩端：靠近加速器的高價高頻寬記憶體，以及容量更大的快閃記憶體。強勁的 AI 需求也提高了 Micron 多項產品的供應可見度。

SK hynix 在 AI 投資主題中的主要角色是 HBM，但它與 Sandisk 在 HBF 上的合作值得關注，因為這表明領先的 HBM 廠商同樣認為，未來 AI 推理架構中可能存在 NAND 型高容量記憶體層。

Kioxia 則提供另一個直接觀察 NAND 的窗口。隨著 AI 工作負載提升高容量儲存需求，公司正在加速下一代快閃記憶體量產，而 AI 熱潮也大幅改善了其營運和估值。

Western Digital 在 Sandisk 分拆後的核心業務已經轉向硬碟，而不是 NAND。但如果 AI 產生的資料量繼續快速增長，就可能同時支撐多個儲存層級。Flash 更適合高效能、低延遲工作負載，HDD 則在大規模冷資料儲存中仍然具有成本優勢。

更大的結論是：AI 儲存不是單一產品交易。

AI 資料持續增長，可能同時推高 HBM、DRAM、NAND、企業級 SSD 和高容量 HDD 的需求，而不同技術將分別負責儲存層級中的不同位置。

AI 可能改變 NAND 週期，但不會讓