技术范式背景 - AI推理已成为衡量大模型商业化价值的关键标尺 但面临"推不动、推得慢、推得贵"的挑战 [1] - 为突破算力瓶颈与"存储墙"制约 "以存代算"作为颠覆性技术范式应运而生 [1] - 该技术通过将AI推理过程中的矢量数据从昂贵DRAM和HBM显存迁移至大容量高性价比SSD介质 [1] 核心技术价值 - CachedAttention技术将首Token时延显著缩短87% [2] - Prefill阶段吞吐量提升7.8倍 [2] - 端到端推理成本降低70% [2] - 实现存储层从内存向SSD的战略扩展而非简单替代 [1] 硬件架构突破 - SSD深度参与AI推理 需承接从HBM、DRAM卸载的KVCache [4] - AISSD技术向QLC颗粒演进 实现高性能与大容量兼顾 [4] - 接口协议以PCIe5.0/6.0搭配NVMe为基础 未来融入CXL技术 [4] - 功能向智能化升级 包括自主处理AI检索任务和液冷散热方案 [4] 企业实践案例 - 华为UCM构建智能分级缓存 数据在HBM、DRAM、SSD中按需流动 [5] - 浪潮存储AS3000G7优化存储架构与缓存管理机制 具备高扩展性 [6] - 焱融YRCloudFileKVCache实现分布式环境下高效存取与智能负载均衡 [8] - 铠侠、美光、Solidigm等国际巨头积极推动AISSD技术迭代与产品创新 [10] 产业发展方向 - QLC+PCIe/NVMe+CXL有望构筑下一代AISSD基座 [10] - SSD从单纯存储介质升级为AI推理"长期记忆"载体 [10] - "以存代算"催生核心机遇 带动SSD需求增速高于传统曲线 [10]

公司业务发展 - 公司于2019年正式发布企业级分布式存储产品EDS [2] - EDS产品累计客户已超4000家 [2] - 2025年上半年EDS产品收入实现较快增长 [2] 市场竞争地位 - 2025年第一季度公司EDS产品在"中国软件定义存储-文件存储"市场占有率排名第五 [2] 产品战略方向 - EDS产品聚焦高价值场景并持续推进产品品质提升和方案优化 [2] - 未来重点聚焦高性能统一存储方向 [2] - 持续推动EDS产品应用于大数据、AI推理等高价值业务场景 [2]

SK海力士HBM4量产与市场影响 - 公司成功开发面向AI的超高性能存储器HBM4并构建全球首个量产体系 带宽为上一代两倍且能效提升超40% 采用2048个输入输出端口[1] - HBM4预计使AI服务性能提升69%并降低数据中心电力成本 公司计划今年下半年完成12层HBM4量产准备 芯片样品已于3月交付客户[1] - 作为英伟达关键供应商 公司今年上半年DRAM市场份额达36%超过三星的33% 若通过英伟达最终测试 HBM4将被AI芯片Rubin采用[1] - 高端HBM市场由三星 美光 海力士三大巨头主导 竞争激烈 三星计划2025年第四季度开始HBM4初期生产 美光的HBM4样品已进入客户验证阶段[1] - Meritz Security预测公司HBM市场份额到2026年将保持在60%左右[1] 特斯拉股价表现与业务进展 - 公司股价两日累计上涨超13.8% 创近三个月最大日涨幅 核心利好包括内华达州批准Robotaxi测试 需完成运营自我认证方可正式运营[2] - 其他推动因素包括上周推出的储能新品Megapack 3和Megablock Model Y L在中国热销且10月已售罄 以及马斯克潜在价值万亿的薪酬包确保其留任十年[2] 高盛黄金价格预测与行业观点 - 高盛将长期黄金价格预测从每盎司2850美元上调至3300美元 并表示到2026年中有望升至4000美元/盎司 极端情况下可能逼近5000美元[4] - 中型和大型黄金矿业公司如Capricorn Metals Ltd Westgold Resources Ltd Blue Gold Pentair PLC等股价有望跑赢黄金商品价格[4] - 黄金矿产企业的利润率扩张是关键驱动因素 预计这一趋势将持续 使黄金股在2025年底前继续跑赢大宗商品市场[4] 行业分析与投资机会 - HBM4精准匹配算力升级需求 带宽优势与生态适配性有助突破竞争格局 但需关注量产滞后 良率与成本压力[2] - 无人驾驶与机器人是特斯拉两大重点方向 需重视相关产业链机会[3] - 黄金定价进入多维驱动新阶段 美联储激进降息预期与美元信用弱化构成货币层面支撑 地缘风险常态化形成机制化溢价[4] - 存储芯片板块短期关注价格上升趋势 中期受益于AI需求驱动 长期看好自主可控与份额提升[2]

文章核心观点 - 存储芯片市场在2024年达到1670亿美元历史新高 其中DRAM市场规模973亿美元 NAND Flash市场规模696亿美元 [4] - AI端侧设备如AI手机和AI电脑推动存储需求向高容量 高带宽 低功耗方向发展 LPDDR5或LPDDR5X成为主流选择 [9] - 存储芯片价格自2023年底触底回升 2025年上半年预计整体涨幅至少3%-5% 2025年下半年DRAM和NAND Flash因供应短缺持续涨价 [12][14] - HBM作为AI关键存储需求强劲 营收预计从2024年170亿美元翻倍至2025年340亿美元 HBM3E占2025年总需求64% [14][15] - 3D堆叠技术通过立体层叠实现更大容量和更快传输 成为满足AI存储需求的关键技术 国内企业如紫光国微 长鑫存储 长江存储已布局研发 [19] - 存储芯片产业链利润水平差异大 设计环节利润最高 封测和模组环节利润最低 下游需求中服务器和汽车领域加单较多 手机和PC需求疲软 [23] - 美光冻结报价并计划涨价20%-30% 海力士和三星分别涨价12%和22% 主要因AI需求导致产能紧张 [25] 存储芯片概述 - 存储芯片分为易失性存储和非易失性存储两大类 易失性存储断电后数据消失 如内存条 非易失性存储能保留数据 如U盘或固态硬盘 [5] - 易失性存储包括SRAM DRAM和HBM SRAM速度快但成本高 用于CPU缓存 DRAM速度较快容量大 用于智能手机 PC 服务器和AI计算 HBM通过3D堆叠实现高速度和带宽 用于AI加速器如GPU [6][7] - 非易失性存储以NAND Flash和NOR Flash为主 NAND Flash容量大成本低但写入速度较慢 用于SD卡 固态硬盘等 NOR Flash随机读取速度快 用于物联网设备 汽车CPU等 [8] AI端侧设备存储需求 - AI设备需要支持复杂数据模型运行 存储要求高容量 高带宽 低功耗 运行参数超过60-70亿的模型需DRAM内存容量至少14-15GB [9] - 存储带宽和速度不足会导致模型加载时间延长 影响用户体验 功耗控制关键因CPU在AI计算中耗电多 存储功耗高会提升整体能耗 [9][11] - AI设备中存储成本占比可能达硬件成本10%-20% 高于传统设备 [9] 存储芯片性能参数 - 带宽决定数据传输速度 高性能存储可达1TB/秒 低带宽成为AI训练和推理瓶颈 [10] - 延时指数据处理响应时间 低延时对实时场景如汽车自动驾驶重要 [11] - 容量不足会导致大模型无法运行 低端服务器至少需要128GB单条存储 [11] - 功耗需适应5V-6V低压 尤其对车载或移动设备关键 [11] - 寿命即擦写次数 超过后设备失效 对长期运行AI设备重要 [11] 存储芯片市场动态 - 2021年需求旺盛价格大涨 2023-2024年进入库存消化期价格低迷 2023年底价格触底回升 [12] - 2025年上半年整体涨幅至少3%-5% 2025年下半年DRAM交易放缓但DDR4价格反弹 NAND Flash价格Q3上涨 供应短缺可能持续到2026 [12][14] - 国内厂商长鑫存储和长江存储份额较小 全球市场由三星 海力士和美光主导 [10] 3D堆叠技术 - 3D堆叠通过立体层叠在有限空间实现更大容量 更快传输和更低功耗 分封装级和晶圆级 封装级已规模应用如HBM 晶圆级还在研发 [19] - 技术突破需改进材料 包括硅晶圆 靶材 光刻胶和电子特气 要求更高平整度 纯度 均匀成分和分辨率 [19] 存储芯片产业链 - 上游包括材料与设备 如ASML的光刻机 日本信越化学和SUMCO的硅片 国内沪硅产业 江化微 安集科技 [20] - 中游设计负责电路和性能定义 如兆易创新和北京君正 [20] - 中游封测与模组包括通富微电 长电科技 江波龙 朗科科技 [21] - 设计环节利润最高 技术门槛高溢价空间大 流片环节次之 封测和模组利润最低 [23] - 下游需求中服务器因AI数据中心扩张加单较多 汽车因智能驾驶需更多存储 手机和PC需求疲软增量有限 [23] 最新涨价情况 - 美光冻结报价并计划涨价20%-30% 汽车类涨价70% 闪迪涨10% 海力士5月涨12% 三星4月DDR4涨22% [25] - 涨价主要因AI需求导致产能紧张 包括代工厂挤占 [25]

公司战略调整 - 公司拟对前次定增募投项目进行结构性优化调整 重点加大PCIe SSD存储控制芯片及模组项目的资金投入力度 投资总额由原4.99亿元上调至7.43亿元 同时新增深圳光明作为项目实施地点 [1] - 此举旨在精准对接AI服务器存储领域的爆发式需求 通过集中核心资源强化项目推进 确保公司在本轮人工智能产业机遇中构建充分的市场竞争优势 [1] - 公司已成功进入国内头部云厂商的核心供应商体系 其企业级存储模组产品已实现稳定批量出货 [1] 行业需求背景 - 人工智能算力需求持续呈激增态势 国内头部云服务厂商持续提升资本开支 例如2025年字节跳动预计将在此领域投入1500亿元至1600亿元 [1] - 预计至2035年人工智能产业将为我国GDP贡献超11万亿元 或将带动算力需求实现十倍乃至百倍级增长 [2] - AI存储技术的迭代升级直接推动市场容量加速扩张 多级缓存架构创新和任务专用分离式设计通过DRAM和SSD承担更多数据存储需求 实现AI训练和推理的更优体验和更低成本 [2] 技术产能布局 - 公司依托全栈自研技术能力 通过主控芯片+固件算法+场景适配的全链路定制能力提升存储性能与稳定性 [3] - 以深圳智能制造基地为基础 新增深圳光明区基地作为拓展升级载体 搭建自动化生产+数字化管控智能产线 实现柔性化生产 [3] - 结合强大测试能力与实验室支持 快速响应AI存储交付的高质量 定制化需求 [3] 市场发展前景 - 高性能DRAM和SSD正加速向定制化 专业化方向快速发展 [2] - 存储作为算力基础设施核心环节存在迫切产能升级需求 [2] - 公司有望进一步扩大技术领先性与市场覆盖 推动国产存储在高性能AI场景渗透率提升 助力算力基础建设与AI产业高质量发展 [3]

行业背景与挑战 - AI模型参数达千亿级且多模态数据量突破ZB级 传统存储体系面临性能与容量瓶颈 [1] - 训练671B参数大模型需3.5PB原始语料 相当于350万个1TB硬盘容量 [3] - 国内大模型首Token生成时间平均1000ms 为美国同类产品2倍 每秒Token生成数仅25 token/s 不足美国产品十分之一 [3] 华为AI SSD产品创新 性能突破 - OceanDisk EX系列实现IOPS翻3倍 时延降至微秒级 缓解HBM与DDR内存负荷压力 [5] - 搭配DiskBooster驱动软件 通过内存扩展技术将内存扩大20倍 单台一体机可处理模型参数从32B提升至235B [5] 容量升级 - OceanDisk LC系列提供61TB/122TB/245TB容量 245TB版本容量密度比HDD高10倍以上 [6] - 存储250PB自动驾驶数据时 空间占用从1160U降至172U（省85.2%） 功耗从83.3kW降至51.2kW（省38.6%） 数据预处理速度从2.1TB/s提升至13.8TB/s（效率提6.6倍） [6] 行业影响与机遇 - 推动存储行业从通用产品向"场景驱动"转型 解决"速度跟不上、容量不够用"窘境 [8] - 降低AI产业门槛 使中小企业能够承担AI基础设施成本 激活医疗AI影像诊断与制造AI质检等领域创新 [8] - 存储核心竞争力转向软件算法与协同能力 DiskBooster等技术可横向拓展至云计算与大数据领域形成技术复用 [9] - 推动AI产业从"算力单点突围"转向"存力+算力"协同 加速"算法-算力-存储"生态协同发展 [8][9]

产品发布 - 华为于8月27日推出AI SSD产品系列 包括OceanDisk EX/SP/LC 最高单盘容量达122/245TB 为业内最大容量 [1] - AI SSD是专为AI工作负载优化的高性能大容量固态硬盘 结合公司自研多项核心技术 有望成为国产SSD突破的关键一步 [1] 行业挑战 - AI应用普及导致数据语料库从纯文本走向多模态 数据规模指数级增长 推理文本从短序列走向多模态融合长序列 [1] - 内存墙和容量墙问题成为AI训推效率和体验的关键瓶颈 对IT基础设施性能和成本造成巨大挑战 [1] - 训练671B大模型需采集3.5PB数据 全球互联网语料总量从350PB（文本）暴涨至154ZB（多模态） 传统存储介质难以承载 [1] - 671B模型训练微调需要13.4TB内存 需168卡承载 无法在一体机运行 限制模型训练效率与灵活性 [1] - 模型推理阶段TTFT平均1000ms 是美国大模型的2倍 TPS平均25 token/s 仅为美国大模型的1/10 影响用户体验与业务效率 [2] 市场竞争格局 - 2025年第一季度全球前五大企业级SSD品牌厂商依次为三星 SK海力士 美光 铠侠和闪迪 [2] - 中国存储容量增长快 但此前主要采用机械硬盘HDD 先进存储技术相对滞后 [2] - 华为 曙光 浪潮及长江存储等厂商逐步走出国产厂商自己的发展路径 [2] 技术发展趋势 - AI场景下SSD具有省电 高效 低运营成本优势 推动渗透率快速提升 [2] - 2024年服务器存储方案中固态硬盘占比预计达9%-10% 2028年AI服务器的SSD需求占比将攀升至20% [2] - 未来国内市场将逐步用大容量QLC SSD替代HDD 推动存储产业从容量导向向性能与容量双优转型 [3] - 华为等技术突破与生态构建将加速AI存储产业成熟 [3] 基础设施现状 - 截至今年6月底 我国存力规模达1680EB 呈现区域梯次布局 单机架密度提升 闪存渗透率提高三大特征 [3] - 全国外置闪存占比超过28% 金融 制造 互联网三个行业渗透率超45% 存力建设迈向升级阶段 [3]

AI存储行业发展趋势 - AI存储正迎来爆发式增长窗口期，新一代分布式存储能够实现百微秒级延迟与TB级吞吐，支撑训练、推理与Multi-Agent协同等核心场景，逐步成为AI时代存储层的主流选择 [1] - 全球数据量以36%的年增长率持续扩张，预计到2030年将达到YB级规模，高效、安全地存储海量数据成为算力发挥效力的前提 [2] - 大模型发展重心从训练主导转向推理优化和Agent生态，对存储需求产生五大核心变化 [3][4] 存储需求演变 - 吞吐需求从传统互联网应用的MB/s级提升至训练阶段数十GB/s、推理阶段百GB/s级，Multi-Agent协作需要500GB/s~1TB/s级聚合带宽 [5] - 延迟要求从传统应用的10ms级提升至训练中亚毫秒级、推理<1ms级，Multi-Agent协作需保持<1ms存储响应 [5] - 并发复杂性达到极致，需要支持GB/s级强一致同步、高QPS+低延迟推理，以及TB/s级实时协作 [5] - 多模态数据统一管理需求增强，需同时支持对象存储、文件系统、块存储和KV数据库，并支持数据快照和版本链 [6] - 支持Agent记忆持久化，解决碎片化记忆存储带来的高延迟和复杂度问题 [8][9] 技术突破与创新 - 以存代算成为全球共识，通过存储KV Cache等中间结果替代重复计算，将显存压力从平方级降至线性级，大幅提升推理效率 [7] - 硬件进入"超摩尔时代"，NVMe SSD容量年增50%+，RDMA网络延迟低至十微秒级，但传统存储软件栈开销仍在百微秒级别，形成明显"剪刀差" [10][11][13][14][16] - Universal Storage架构通过统一存储池、多协议访问、元数据与数据分离等技术，解决传统存储架构的效率瓶颈和扩展性缺陷 [23][26][27][28] 市场动态与投资机会 - 硅谷AI存储公司Vast Data正进行新一轮融资，估值高达300亿美元，较2023年12月的91亿美元估值实现3.3倍增长 [2] - 传统企业级存储市场存在大洗牌的颠覆性机会，推理、Agent、向量化等新兴需求将导致数据量爆发，引发存储层投入大幅增长 [32] - 新一代Universal Storage存储软件技术护城河深，全球范围内缺少开源软件可供借鉴，技术和工程门槛高，客户迁移成本高，营收质量和可持续性好 [33] 理想存储架构特征 - 统一存储池支持文件、对象、块、KV多种协议访问，消除数据孤岛和迁移开销，显著降低TCO [26] - 元数据与数据分离，由专用分布式元数据引擎管理，存储在持久内存或高速SSD中，实现毫秒级响应 [27] - 全用户态存储软件和RDMA技术实现零拷贝数据直接送入GPU显存，延迟降至数十微秒级，CPU开销极低 [28] 对标企业画像 - 需要强技术背景和长期自主研发存储系统软件的团队，具备企业关键业务场景的分布式块存储研发经验 [30] - 需从底层系统开始创新设计，结合新一代系统架构和硬件发展，研发统一分布式存储架构，支持传统接口和AI核心场景新型接口 [31] - 生态开放性和硬件中立性至关重要，需无缝对接国产算力芯片、硬件、训练框架、推理框架、Agent、云计算、数据库等 [31]

公司业务转型与战略布局 - 公司正从生态环境建设业务向"生态环境建设+半导体存储"双主业战略转型 2024年半导体存储业务收入达11,058.91万元 占全年总收入34,789.38万元的31.8% [14] - 通过2024年10月对芯存科技增资控股进入半导体存储领域 芯存科技全年半导体存储业务收入超3亿元 [13][14] - 预计2025年度半导体存储业务收入将显著超过生态环境业务收入 成为核心业务 [14] 融资方案细节 - 采用简易程序向特定对象发行股票 募集资金总额不超过12,938万元 且不超过最近一年末净资产的20% [5][7] - 发行数量不超过发行前总股本的30% 发行价格不低于定价基准日前20个交易日股票交易均价的80% [5][20] - 发行对象为不超过35名特定投资者 包括证券投资基金/证券公司/合格境外机构投资者等 [4][18] 募集资金用途 - 募集资金将全部用于嵌入式存储芯片扩产项目和SSD高端化升级改造项目 项目总投资16,376.68万元 [7][17] - 其中3,600万元用于补充流动资金 以优化资本结构和满足业务扩张需求 [43] - 在募集资金到位前 公司可用自有或自筹资金先行投入 [7][17] 半导体存储行业前景 - 2024年全球半导体行业规模6,276亿美元 同比增长19.1% 存储市场达1,670亿美元 占比26.61% 同比增长81% [15] - 预计2027年存储市场规模将增长至2,630亿美元 嵌入式存储芯片市场规模2024年为105亿美元 预计2033年达253亿美元 年复合增长率10.5% [15][30] - 国产化率较低 DRAM份额不足5% NAND Flash芯片市场份额不足10% 国产替代空间巨大 [16] 技术升级与产品规划 - 重点扩大LPDDR/EMMC/SD NAND嵌入式存储器产能 应用于智能穿戴/平板电脑/智能手机等终端领域 [29] - 引进进口固晶机/高精度模压机/AOI检测机等智能化生产设备 提升制造精度和产品一致性 [17][33] - 从传统消费级SSD向高容量高性能SSD和企业级SSD升级 企业级SSD市场规模2024年约290亿美元 预计2027年增长至514亿美元 [36] 市场机遇与竞争优势 - AI技术推动端侧设备渗透率提升 预计GenAI智能手机从2024年2.3亿部增长至2028年9.12亿部 复合增长率78.4% [31] - 公司已通过SD NAND及LPDDR部分产品生产验证并获得客户订单 具备成熟封装测试全流程能力 [34] - 借助现有行业头部客户群体资源 可快速实现产能消化和订单迁移 [34] 政策支持环境 - 半导体产业被列为《中国制造2025》首要发展领域 存储芯片纳入多项国家级战略文件 [15] - 国家推动数据安全产业发展 鼓励政务云/金融数据中心采购国产企业级SSD [40] - 设立专项基金支持国产SSD技术研发 单项目最高补贴5000万元 [40] 财务影响预期 - 发行完成后总资产和净资产规模将增加 资本实力增强 但短期内可能摊薄每股收益和净资产收益率 [47] - 募投项目建设需要一定时间 预计逐步释放效益后将提升经营规模和盈利能力 [45] - 有助于优化财务结构 降低当前较高资产负债率 改善现金流状况 [44][48]

AI存储行业变革 - 大模型演进速度放缓推动新技术栈进入产品化阶段 存储需求未被充分重视 传统存储阵列已成为GPU集群的性能和扩展性瓶颈 行业面临架构级彻底重构而非渐进式升级[2] - AI放大传统存储短板 包括训练阶段对带宽与并发的极限压榨 推理阶段多模态数据孤岛困局 企业核心数据安全焦虑 以及旧架构在GPU+全闪存时代的硬件不适配症[2] - 海外AI存储赛道出现独角兽估值狂飙 统一存储层+AI原生接口模式获市场认可 中国厂商ExponTech发布自研WADP平台实现一套架构统管生产与AI数据流[2] 存储需求四大核心变化 - 大模型训练驱动超高性能需求 需要存储系统提供超高带宽与高并发能力支撑多卡并行训练 确保GPU卡利用率最大化[3] - 推理时代效率优化核心在于计算与存储资源协同 需解决多模态数据统一管理问题 构建统一存储底座实现全量数据融合管理与高效调用 避免跨孤岛数据迁移[3][4] - 通过存储系统缓存中间结果实现记忆持久化与以存代算 减少重复运算 增强AI模型长期记忆功能并结合企业数据解决业务问题[4][5] - 数据可控与安全需求推动构建数据中心级统一数据层 实施细粒度权限管控 因企业不愿将核心数据喂给公共大模型且受限于数据隐私要求[5] - 传统架构存在根本缺陷 包括孤岛式设计 存储软件架构老化对新硬件适配不足 以及渐进式优化局限无法提供系统性解决方案[5] 理想AI存储系统特征 - 采用扁平化架构与单一统一存储层 通过多接口适配不同业务需求 避免分层存储和多套存储的复杂管理[6] - 提供一站式解决方案无需跨系统迁移数据 支持文件/对象/块存储外的KV 向量等AI场景专用接口 实现从训练到推理的全流程数据闭环[6] - 基于通用硬件实现超高性能与无限扩展性 承载全量企业数据 采用双轨制接口体系兼容传统接口与创新AI原生接口[7][8] - 支持AI Agent执行过程中的中间数据存储与分析 优化决策路径[8] ExponTech WADP平台创新 - 基于全自研分布式存储引擎与分布式KV元数据引擎构建 运行于标准服务器硬件 广泛适配各类通用硬件[7] - 首次将企业核心生产系统与AI数据管道统一承载于同一平台 实现对传统存储阵列 文件系统及大数据存储的现代化融合替代[7] - 突破万亿级文件管理 千万级IOPS与微秒级延迟等技术高峰 在SPC-1评测中打破世界纪录 分布式存储软件打破高端存储阵列垄断地位[8] - 在MLPerf Storage v2.0评测中取得优异成果 验证使用同一套分布式存储软件构建Universal Storage的技术可行性[8] 市场验证与商业前景 - 美国AI Infra企业成立9年估值超300亿美元 ARR收入约10亿美元 Fortune 100客户覆盖25% 验证统一存储设计的商业化前景[6] - 基于统一存储架构的AI数据基础设施在美国市场得到广泛验证 中国厂商技术路径与国际市场AI基础设施趋势不谋而合[7]