
《研究员请回答》
市场热点纷繁,如何穿透表象,洞见本质?本栏目邀请资深研究员,聚焦市场关切,深入剖析热点背后的产业逻辑与周期脉络。立足长期基本面,以专业视角回应短期波动,在价值投资的框架内,为您提供理性、前瞻的思考视角。
当AI大模型以周为单位狂奔迭代,一个曾经不起眼的“配角”,正在悄悄升级为数字时代的关键筹码——存储芯片。当前存储芯片涨价潮的核心驱动力究竟是什么?目前正处在这个“超级周期”的什么阶段?对应的投资机会与风险该如何看待?本期《研究员请回答》,我们邀请到兴证全球基金研究员张荣朗沐,深入拆解存储产业链的现状与长期逻辑。(本期采访时间为2026年4月22日)

提问:我不知道大家对于存储的感受怎么样,但我们在日常生活中最直接的感受就是手机在涨价。张老师,您有观察到还有其他什么产品因为存储在涨价吗?
张荣朗沐:好的。因为手机是一个2C的生意,所以我们感受会比较明显。但如果从B端企业家的角度来看,他们还会感受到有更多东西出现了明显的涨价。比如我们平时讨论比较多的智能手表、智能耳机,它们有一些芯片里面其实需要合封存储芯片,这些产品用到的主芯片,这一年以来涨价幅度还是比较大的。其次,像我们最近逐渐流行起来的一个产品,叫家用NAS,也就是家庭的数据存储设备,也因为整个存储价格的上涨,整块的价格出现了明显的涨幅。另外,像以往很多企业都会部署的本地通用服务器,也因为存储涨价带来了非常明显的涨幅。
提问:您提到的相关产品涨幅大概是在什么样的范围内波动呢?
张荣朗沐:我们可以做一个粗略的测算。比如说,有一些产品,存储原本占它整个成本的比重可能在10%-20%。但是,我们看到从去年以来,主流存储产品的涨价幅度大概已经到了4到5倍,这个幅度相当惊人了。这样一来,存储占这些产品整个BOM成本的比例,可能就会从10%左右提升到40%-50%。对这些产品来说,它本身的单价可能就需要上涨30%到40%。
提问:近期存储价格是否又稍有回落?背后的原因,会不会是前期大家出现了一些恐慌性囤货,从而推动了涨价,而现在又逐渐回归到一个理性状态呢?
张荣朗沐:是的,这主要是因为市场本身也处在一个不断博弈的过程当中。这个市场里除了主流的这些商家之外,还存在大量的渠道商或模组厂这类角色。他们在整个市场当中,其实起到的是放大情绪,或者说起到缓冲的作用。但是,当进入3月份,我们看到,春节的动销已经过去一段时间了,各家厂商经过去年第四季度的备货,手上也有了一定的安全库存。所以在这个节点,各家可能会希望去跟模组厂,或者说跟上游的原厂再博弈一下。因为这个时候我的状态相对比较安全,可能会采用一种用时间来换价格和空间的策略,来做一些商业策略上的调整。这也就是我们看到短期回落的原因。但是,一旦进入4月份,越往后走,在整体需求没有发生变化的情况下,再加上供给端还没有足够多的产能释放出来,我们就会看到整个价格可能会出现一个重新上调的趋势。
提问:整体来讲,本轮存储芯片涨价潮主要的驱动力是什么?
张荣朗沐:我觉得可能要从两个方面来看。一方面是需求端,我们现在已经发现,大模型的整个核心能力取决于两件事情。一是互联带宽,这块可能跟通信的关系更紧密。二是长上下文的能力。说得直白一点,就是大模型需要有足够大的数据库,或者说有足够庞大的配套资料来支撑。这些作为支撑的数据是需要放在存储芯片里面的。只有我的上下文足够长,大模型才能从足够浩瀚、足够丰富的数据库里面,去提取你希望它获得的知识或者认知。这也是为什么,在整个大模型基本的能力提升范式还没有发生颠覆性变化的基础之上,我们会看到整个存储芯片的需求都处在一个持续往上走的过程。
另一方面是供给端。我们可以看到,从上一轮疫情以来,整个存储原厂从2022年开始,其实已经出现亏损,到了2023年、2024年,逐季都处于一个大规模亏损的状态。所以对这些存储原厂来说,它们可能到了去年的三、四季度,才刚开始实现盈利。所以市场对存储原厂的现金流预期很高,但它实际上真正开始形成正现金流,可能也只是一个非常短的时间。
这种供需格局,跟存储这个行业的底层特征也有关。过去来看,存储是一个周期性波动非常高的细分赛道。只要需求稍小于供给,它的价格就会出现暴跌。我们可以这样理解过去几年发生了什么:需求端,智能手机渗透率已经到了一个极致状态,通用服务器在之前的视频流商业模式下,也没有出现太多增量需求。而供给端,整个存储芯片在2021年、2022年经历了一次大扩产。这就导致了供需错配。
现在的情况是,各家厂商亏了相当长一段时间,现金流才刚刚转正,所以对扩产、资本开支,态度都相对谨慎。而且这个行业从资本投下去,到真正有产能释放出来,大概需要一年时间。这个供需之间的错配,就可能导致存储从去年9月份开始,在接近一年的维度里,都处在一个持续涨价的过程当中。
提问:近期一些报道提到市场中存在存储囤货现象,针对这一问题,工业和信息化部提出多措并举保障产业链供应链稳定,制止囤积居奇的行为。您觉得囤货是否导致了存储价格的扰动?
张荣朗沐:有的。从存储的角度来讲,存储颗粒有点类似于股票。比如二级市场的从业者,交易的是股票;对于这些实体企业或者说实物商来讲,他们交易的就是存储颗粒本身。所以很自然,这里面会出现一些行为,比如某个实物商看涨市场价格,可能就会多囤一些存储颗粒,进而导致整个市场出现扰动。但如果短期发现需求不太行,他又有可能把这个产品放出来。这也就对应到前面聊的,3月份看到的价格的回落。但我觉得,这些都只是处在一个长期上行趋势当中的小扰动。
提问:针对存储领域的技术进步,比如3月下旬谷歌推出了TurboQuant,这一内存压缩技术据说可以在精度几乎无损的前提下,实现大比例的模型体积压缩,像这类内存压缩技术是否会较大程度的扰动涨价潮?存储芯片在上行过程中可能还会有哪些制约因素?
张荣朗沐:确实,这个事情之前也比较让我们头疼。3月下旬,谷歌推出TurboQuant之后,我们看到存储的现货价格出现了一些扰动,股票市场的反应也是比较大的。
这个事情可能得分两方面来看。一方面,我们必须客观承认,从商业经营的角度出发,这些大模型厂商有很强的诉求去寻找各种各样的内存压缩技术,来减少存储在整个token生意模式下面的成本占比。所以这类技术后面可能还会持续出现,这是一个大的背景。但另一方面,我认为这种内存压缩技术,应该是阻止不了这轮涨价潮的。最本质的原因在于,AI大模型的能力是来自于长上下文的。所以对这些大模型公司来讲,他们更希望的是内存压缩了,但模型本身对于长上下文的追求,是没有发生本质变化的。在这种情况下,同样大的内存容量,他们反而可能更有动力把长上下文的能力做得更长,去满足自己的需求。
这个事情就引入了一个很有意思的经济学术语——杰文斯悖论。意思是,成本的下滑,可能会带来后面真实需求的大爆发,最终引发总体市场空间的扩大。所以从这个角度看,我觉得最本质的问题还是在于需求和供给的错配。这类技术革新,更多属于短期的扰动。
提问:请问现在存储在单个token里的成本占比大概是多少?
张荣朗沐:我们做过一个简单的测算:存储成本占单个token产出的比例,大概在10%-20%。 这个数字其实已经相当可观了,也就是说,在大模型的运营成本中,存储占据了不小的比重。
我们处于“超级周期”的哪个阶段?
提问:存储芯片是一个周期性的行业,请问现在正处在存储芯片周期的哪个阶段?存储芯片成为强周期行业的根源是什么?
张荣朗沐:这个根源,还是得回到制造环节去理解。供给端,存储的上游是高精度的半导体制造,资本开支的规模需求非常大。而且为了经济性,它一次性建厂投下去的产能,可能就是10万片甚至更高规模的晶圆产出。这就决定了,它一次的供给释放是一个非线性的跳升。第二点,存储芯片本质上是标准品,是一个大宗行业。各家厂商的产品只要符合标准,性能基本一致,不存在差异化定价的能力。这就导致了一个结果:一旦上游供给扩张,产能释放的速度会非常快,价格承压也会非常直接。
需求端,我们可以看到,每一种消费电子或者新兴产品,都有它自己的产品周期。所以,一边是上游跳跃式的产能扩张,另一边是下游周期性的需求波动。这两者叠加,就形成了存储行业强周期的基本特征。
提问:现在AI的需求会不会从根本上去改变这一行业的周期性呢?
张荣朗沐:它不改变行业的周期性,但对于本轮周期的时间维度,我们可能要放得更长一点,或者说更乐观一点。也就是说,AI可能会把周期拉长。
提问:随着现在AI逐渐向推理发展,这会对存储芯片带来怎样的影响呢?
张荣朗沐:我觉得可以总结为两点。
第一点,是怎么让存储的单位成本更低。我们前面提到,AI大模型的性能提升,跟存储容量是正向相关的。所以这些公司天然有动力去推动制造端的降本,比如推进摩尔定律向下演进,或者尽可能用SSD、HDD去替代一部分HBM和DRAM。当然,后者更多是一种想法,因为真实场景中对性能的要求,可能还是需要HBM来承载。
第二点,是怎么让存储的读写带宽更强。我们对存储的理解,很多时候集中在容量上,但它还有一个同样关键的性能指标,就是带宽。业界有一个概念叫“内存墙”,说的是数据搬移的速度和算力强度之间存在一定的不匹配。我们追求的是算力能力与存储带宽之间的匹配关系。现在我们可以看到,无论是英伟达的Blackwell,还是更早的架构,芯片算力已经跑得非常靠前了,摩尔定律在向更先进的制程演进。但带宽这边,HBM的带宽还处在一个相对有瓶颈的状态。市场也经常讨论一个概念叫“MFU”,也就是算力利用率。后续针对存储产品,会有一个明确的带宽升级过程,来提升整体的MFU使用效率。
提问:中信证券判断存储仍处于超级景气周期前中段,供不应求至少持续至2027年。(数据来源:2026年3月23日中信证券研报《半导体|AI时代周期+成长+国产共振,看好存储投资机遇》)您认同“超级周期”这个说法吗?您认为我们现在处于什么阶段?
张荣朗沐:我是比较认同超级周期这个说法的。核心原因在于,从大模型能力提升的角度来看,目前还没有看到撞墙的趋势,包括我们之前聊到的很多多模态应用,现在也处在蓄势待发的阶段。在这个过程中,存储需求的底层逻辑并没有发生改变。
那么,我们现在处于什么阶段?如果把整个周期上行的部分单独提取出来,它大概是一条S型曲线。我们现在可能正处在存储价格上涨斜率非常陡峭的阶段,往后看,价格斜率也许会逐渐趋于缓和,但整体需求量应该还是会持续往上走。
提问:我们近期也看到大型云厂商和芯片设计公司纷纷签订3-5年长期协议(LTA)。这主要锁定了产能、数量还是价格?这是否意味着未来1-2年存储价格“易涨难跌”?
张荣朗沐:这也是我们最近关注比较多的一个话题。各家云厂商和存储原厂落地的这些LTA,本质上是一份框架协议。协议里锁定的产能数量和价格,应该是同步确认的,具体怎么定,取决于各家自己的需求。
我个人认为,这件事确实意味着,未来一到两年,存储价格可能会在一个比较合理的价格中枢附近波动。因为短期我们看到,有些DDR5颗粒的价格和HBM颗粒的价格出现了倒挂,从商业逻辑上讲这并不合理。所以后面肯定会出现产品价格的调整,或者说基于LTA去熨平整个周期的一些变化。但我觉得这不叫易涨难跌,更准确的说法是,价格会回到一个双方都能接受的、偏长期的中枢位置。
提问:我们现在也比较关注存储芯片的国产替代的问题。您觉得在AI驱动和供应链安全的逻辑下,国内的存储产业链目前是实现了哪些比较关键的突破?
张荣朗沐:我认为我国的存储产业链,整体已经跻身全球二线玩家的位置,甚至个别厂商已经进入了一线阵营。这一点可以分两个领域来看:
一个是NAND Flash领域。NAND的技术路径以3D堆叠为主,它更依赖的不是电路的线宽,而是在封装、键合以及3D设计工艺上的突破。在这个领域,我们现在主要的NAND Flash供应商,在国内已经是顶尖水平,放在全球来看也是非常领先的,甚至一些海外的存储原厂,也在找我国NAND Flash供应商做IP授权。
另一个是DRAM领域。客观来讲,DRAM确实和线宽工艺有较强的关联,而我们在光刻机的采购上也会受到一些供给限制。所以短期来看,产品力还不能说达到了国际一流水平。但现在的产品在服务器领域,已经有了大量应用,而且在HBM这一块,我们也看到了一些产品进展上的突破。综合来看,DRAM大概处在全球第二梯队。
还有一类大家讨论较少的,就是机械硬盘。这块我们看到,最近国内在一些新的技术方向上也有突破。虽然目前主要的玩家还是海外的西数、希捷这些公司,但我相信在未来一到两年内,我们在国内也会看到比较大的进展。
提问:请问这三类技术分别对应的是什么样的下游需求?
张荣朗沐:我们从两个维度来理解会比较直观。第一个维度是成本。DRAM成本最贵,NAND Flash其次,机械硬盘成本最便宜,比它更便宜的,可能就是我们以前用到的光盘这类产品了。第二个维度是带宽,也就是读写速度。DRAM的带宽最高,NAND Flash其次,机械硬盘最慢。
所以,一个很自然的匹配逻辑就是:越需要容量的场景,我们越可能用机械硬盘;越需要速度的场景,我们越可能用DRAM。举个例子,拿手机来说,当我们在打开应用或者看视频的时候,很多数据会先加载到DRAM里去做缓存,这样当我们用到这些数据时,调度速度才能非常快。而我们拍的照片,在没有被打开浏览的时候,是存放在NAND Flash里面的,也就是我们常说的手机存储。再到企业场景,很多数据需要像档案馆一样,保存很久很久,但调取的频率又比较低,这种场景下,机械硬盘就是更经济的选择。
AI产业链,后续还关注哪些机会?
提问:对于看好本轮存储周期的投资者,在A股、港股市场中,您更看好存储芯片产业链里哪类方向的投资弹性?
张荣朗沐:如果从整个行业周期来看,我个人最看好的还是存储的IDM,也就是存储原厂。它的重资产属性决定了,当价格上涨的时候,利润弹性是巨大的。我们看到,海外一些存储原厂今年以来的股价表现非常强势。但对A股和港股市场来说,客观上讲,现在确实还没有这类上市公司,所以我们的投资难度相对会大一些。
但如果说从时间维度来看,我觉得在行情刚起步的时候,我们会倾向于看好模组厂。从历史经验来看,模组厂是存储原厂的长期合作伙伴。在整个行业周期下行的时候,模组厂会帮存储原厂分担一定的现金流压力,而分担的方式主要是通过囤货。当存储价格进入高速上行阶段,这些囤货就能驱动模组厂的利润出现非线性的抬升。
第二阶段,我们会关注后面受益的设备公司。对存储原厂来说,现金流转正之后,从历史规律看,这些公司都会进入扩张周期。尤其是现在需求非常好,这些现金流最终会转化成投资,形成对设备端的拉动。
最近我们也比较关注一些存储的新方案公司。一类是提出存储新技术的公司,这些技术短期之内可能形成不了很明确的收入预期,但从长期来看,它们代表着技术演进的方向。另一类,可能是一些计算机公司,它们在存储的读写优化,或者数据流传输的优化上,有自己独特的know-how,在数据管理系统里有独特的优势。
提问:除了存储核心环节之外,今年光模块的表现也非常强势。在您看来,跟AI算力相关的硬件板块,还有哪些投资机遇值得关注?
张荣朗沐:我们做过一个token经济学的分析。从整个token账本的角度来看,最核心的可能是摩尔定律的演进,它对单算力token成本的下滑带动非常明显。在这个基础上我们会发现一个现象:一头是算力成本在下降,但另一头的存力和运力,一定程度上没有跟上。所以存力和运力,是相对于算力在非线性膨胀的。
光模块和PCB这条产业链,更多体现在运力上;存储本身,体现的就是存力;而GPU等通用计算芯片,更多体现的是算力。从产业趋势的角度,存力和运力环节在这个阶段可能值得投入更多的关注。
提问:兴全在半导体领域的布局是比较全面的,无论是AI算力相关还是存储细分模块,您觉得我们在研究力量上有哪些核心优势?
张荣朗沐:第一点,我司在半导体领域的布局还是比较丰富的。从2019年贸易冲突和集成电路受限以来,我们就一直在做持续的研究布局。半导体虽技术门槛高、专有名词多,但我司大部分基金经理对这一领域的理解和认知,还是非常深入的。此外,我们在2023年就前瞻性地布局了光模块标的(数据来源:兴全合润混合型证券投资基金2023年第1季度报告),在行业内也是比较早的。
第二点,在研究层面,我们平时有非常丰富的组内周会讨论,大家会就各自对半导体周期的认识、各自跟踪的产业情况做信息交互,进行思维的碰撞。在研究框架上,我们不会拘泥于单纯跟踪产品数据或出货量,而是会尽最大努力去构建底层的逻辑框架,从定量维度,对行情的幅度、板块的强度、未来潜在的空间,做一个能在一定程度上平衡风险收益的判断。在过程中,对于那些我们认为相对能跑赢的资产,比如前面提到的存力和运力,我们会加大关注;而对于一些短期内可能跑不赢、但拉长时间维度来看依然有赔率的资产,比如前面提到的存储设备,也会保留一定的仓位(数据来源:兴全合熙混合型证券投资基金2026年第1季度报告)。
提问:对于AI投资的泡沫,或是硬着陆的风险,现在讨论也比较多,我们在投资中会如何考虑和规避呢?
张荣朗沐:我从两个层面来讲讲我们的认识。
股票层面,这一轮AI周期,可能是一轮大家都非常克制的周期。我们可以做个对比。当前周期行业的龙头公司,即使在目前的股价位置,对应次年的估值大概也就是10到15倍PE。而2022年新能源行业周期高点的时候,龙头公司的市值对应次年利润的预期,大概在50倍PE。所以我的感觉是,当每个人都在躲泡沫、担心泡沫的时候,泡沫的风险可能反而没那么大,因为大家都比较审慎和克制。
产业层面,我觉得应该保持乐观。我们可以看到,最近token的需求量在暴增,市场对海外纯算力公司的估值定价也在修复。随着芯片升级,token成本持续下滑,也会带来这些公司现金流的改善。很多乐观的迹象正在发生,所以对于泡沫是不是在一年之内会到来,我们可能相对没有那么担心。因为谈论泡沫什么时候会破这件事情,肯定是脱离不了时间维度的。但放到两年、三年的维度来看,确实存在很多不确定性。
在这个框架下,我们反而更担心的是供给端的风险。历史上有一个很有意思的现象:大概在2000年科网泡沫的时候,光纤的制造成本大幅降低,下游公司发现用同样的钱能买到更多的基础设施,这导致基础设施的供给在短时间内出现跳升。这跟存储的周期性是有点像的。回到存储本身,NAND Flash从以前的2D微缩走向3D堆叠,本质上也是一次供给的大幅跳升。所以我们可以看到,NAND这个产品在相当长一段时间里,无论是价格还是原厂的利润率,都远远不如DRAM。
我们担心的,正是这种供给跳升的过程,会不会在后面某个时间突然发生。需求端的技术演进,有它客观的时间长度;但供给端的跳跃一旦发生,会带来成本的迅速下杀,进而形成泡沫化的趋势。所以从我们的角度,会把供给端的泡沫破裂风险,放在更高的位置来警惕。
$兴全合宜混合(LOF)C(OTCFUND|005491)$
$兴全商业模式混合(LOF)C(OTCFUND|023881)$
$兴全合宜混合(LOF)A(OTCFUND|163417)$
风险提示:本文为投资者教育资料,仅用于为投资者提供丰富的、多角度的投资者教育素材,非营销材料,亦非对某只证券或证券市场所做的推荐、介绍或预测。本文内容不应被依赖视作预测、研究或投资建议,也不应该被视为购买、出售任何证券或采用任何投资策略的建议。投资须谨慎。本公司承诺以诚实信用、勤勉尽责的原则管理和运用基金财产,但不保证基金一定盈利,也不保证最低收益,投资者投资于本公司基金时应认真阅读相关基金合同、招募说明书等文件,根据自身的风险评级选择相应风险等级的基金产品。我国基金运作时间较短,不能反映股市发展的所有阶段。基金收益具有波动性,过往业绩并不预示其未来表现,基金管理人管理的其他基金的业绩也不构成基金业绩表现的保证,基金投资有风险,请审慎选择。
