中信证券：AI时代的存力腾飞 HBM与传统存储共振

智通财经APP获悉，中信证券发布研报称，在AI大模型时代云端、终端算力双重爆发的带动下，存储行业将从涨价修复周期转向技术成长共振的新周期。云端角度，HBM高带宽特性能够满足AI算力芯片高速传输需求，与AI算力规模快速扩容相辅相成，带动TSV、2.5D封装(CoWoS)需求；此外企业级内存条和SSD需求亦同步攀升。终端角度，端侧大模型落地带动SoC算力提升，内存作为算力的核心配套，对其规格、容量均提出更高的要求。对于新型存储HBM，建议关注布局先进封装的封测厂商、半导体设备厂商；对于传统存储DRAM/NAND Flash，建议关注受益DDR5渗透的内存配套芯片厂商，以及布局企业级内存模组的头部模组厂商。

中信证券主要观点如下：

AI云端、终端快速成长，带动存储需求升级。

云端角度，作为大模型训练主战场，智能算力规模快速扩容，高带宽存储器（High Bandwidth Memory，HBM）作为新型存储器的子类别，能够解决AI算力芯片性能发挥最大痛点——“存储墙”，实现高速传输，市场需求快速爆发，该行测算到2026年全球HBM容量需求超21亿GB，占DRAM总容量需求将从2023年的不足1%增长至超5%；终端角度，在混合AI趋势下，端侧大模型落地带动SoC算力升级，内存作为算力的核心配套升级重要性凸显，该行测算单纯考虑AI带动下，预计到2026年PC/智能手机市场DRAM容量总需求相对于2023年将增长54%/43%。此外AI数据量大幅增长亦带来企业级超高容量SSD的需求激增。

HBM（新型存储）：HBM需求爆发进行时，技术创新为供应链带来新增量。

技术来看，HBM创新采用3D堆叠和2.5D先进封装技术，通过TSV/Microbump实现芯片间垂直方向的互联，大幅增加了I/O接口数量、提高带宽，再通过2.5D CoWoS封装和AI算力芯片结合，充分释放算力性能。需求来看，TrendForce估算2023年市场上主流AI芯片搭载HBM总容量达2.9亿GB；随AI算力芯片快速迭代，配套HBM容量升级明显，该行测算2024、2025年全球HBM容量需求年化增长超100%，占DRAM总容量需求将从2023年的不足1%增长至超5%。供应链角度，

1）海外方面，目前三大原厂SK海力士、三星电子、美光科技几乎垄断全球HBM供应，根据TrendForce，2022年三家市场份额分别为50%/40%/10%。面对需求爆发式增长，三大原厂与先进封装厂商配合加速扩产和产品迭代，根据各厂商公告进度，目前HBM3E美光科技量产进度和SK海力士基本拉齐；

2）国内方面，该行认为后续在本土高端封测厂商和设备厂商的配合下，国内DRAM存储原厂有望跟进HBM产品，对半导体设备产生增量需求。综合来看，在需求与叠加技术创新周期的双重叠加下，HBM原厂、先进封装、半导体设备、半导体材料等环节公司均有望持续受益。

DRAM/NAND（传统存储）：AI渗透率提升贡献中长期重要增量，打开云端、终端传统存储需求空间。

云端角度，AI服务器海量的训练/推理任务处理和资源调度工作，以及巨量的数据存储需求也带动与CPU配套的内存条（DRAM）和企业级SSD（NAND Flash）规格、容量升级。该行测算在AI服务器拉动下，2026年整体服务器内存（DRAM）/SSD（NAND）需求容量将分别增长至139/1755亿GB，AI服务器需求占比从14%/11%提升至36%/34%。终端角度，该行预计未来2年端侧搭载百亿以上参数大模型的PC、手机将集中问世，端侧AI渗透率提升，综合考虑到推理计算的量化压缩以及其他程序后台调用等需求，终端设备存储容量升级需求明显。该行测算单纯考虑AI带动下，2026年PC/智能手机市场DRAM容量总需求相对于2023年将增长54%/43%。综合来看，该行看好在云端DDR5渗透率提升及对企业级存储模组的需求，国内存储配套芯片厂商和头部存储模组厂商有望持续受益。

投资策略：

AIGC推动AI服务器、端侧AI渗透率快速增长，带动存力升级，提振新型存储HBM、传统主流存储DRAM/NAND Flash需求，该行认为存储行业将迎来新的重要成长机遇。

HBM领域，1）存储原厂：HBM原厂核心受益；2）布局先进封装的厂商；3）材料和设备环节相关厂商：HBM制造核心为TSV和先进封装工艺，该行认为布局相关环节设备的厂商有望核心受益。

DRAM/NAND Flash领域，1）存储配套芯片：AI服务器对内存性能的要求有望加速DDR5渗透，国内DDR5存储配套芯片厂商有望持续受益；2）存储模组：AI服务器需求爆发，带动企业级内存模组、SSD的需求增长，国内存储模组厂商在企业级市场份额相对较低，目前头部厂商正积极进行产品拓展及客户导入，未来国产替代空间广阔。

风险因素：

全球宏观经济复苏不及预期；端侧AI产品出货量不及预期；算力升级进度不及预期；大模型迭代速度不及预期；存储芯片价格波动的风险；国际政治经济环境风险。