解读HBF潜在市场与厂商评级逻辑
AI推理需求涨得很快,算力竞赛也从单纯拼GPU峰值,转向看整体效率。10月13日,高盛发布研报指出,存储容量不足正成为制约算力效率的重要瓶颈,存储环节的短板开始被摆到台面上。
高盛提到的应对思路,是高带宽闪存(HBF)这类新型NAND技术。这里容易混淆的是,HBF不是当前大热的HBM。HBM走DRAM路线,靠极高带宽吃训练场景;HBF走NAND闪存路线,想解决的是容量与成本约束,缓解AI推理侧的“内存墙”。
研报给出了市场空间测算,也给出了涉及厂商的评级差异。下面围绕“内存墙”是什么、HBF解决什么问题、市场盘子怎么算、哪些公司被点名这几个部分来讲。
什么是AI“内存墙”?
高盛研报里提到的“内存墙”,指的是AI推理需求快速增长后,存储容量不足成为制约算力效率的重要瓶颈。
打个比方,算力单元就像工厂里的高速流水线,存储负责供料。模型每次响应请求,都要把参数、中间结果和相关上下文数据从存储搬到计算单元。如果存储容量不够或者带宽跟不上,再强的流水线也只能停下来等原料,整体效率被拉低。高盛认为,随着推理负载占比持续上升,这个瓶颈已经不能忽视。
HBF和普通闪存有什么区别?
HBF全称高带宽闪存,属于新型NAND技术。NAND介质本身并不陌生,手机和固态硬盘里都在用,但HBF把封装、堆叠和接口设计做了针对性优化,目标是把带宽往上推,从而缓解“内存墙”带来的效率损失。
在存储体系里,DRAM路线的高带宽内存负责极高带宽的缓存场景,NAND路线的HBF更强调在容量与成本之间找平衡。高盛在研报中判断,这类新型NAND技术有望显著降低AI基础设施成本,这对大规模部署AI的厂商来说是个关键变量。
高盛测算的400亿至1500亿美元怎么来的?
研报给出的市场空间测算,捆绑在一个明确的采用率假设上:GPU采用率达到15%至50%。
这个假设的逻辑很直接。新技术导入通常先从高端AI服务器小规模验证开始,渗透率突破15%是一道早期门槛;如果产业链磨合顺利,采用率继续向50%爬坡,市场才会打开到更高区间。400亿至1500亿美元之间隔了好几倍,本质上是在给产业化节奏定价。采用率爬得慢,下限就是现实;爬得快,上限才具备讨论基础。
高盛点名了哪些公司?
在厂商层面,高盛明确看好闪迪和SK海力士的HBF技术领先优势,维持这两家公司“买入”评级。
三星电子同样有望受益。相比之下,美光因业务重心偏向DRAM和HBM,直接受益程度较低,高盛对其维持“中性”评级。同一份研报里给出不同判断,核心差异就在于各家在NAND新赛道的直接弹性不一样。
结语:技术兑现比数字更重要
高盛把HBF从一项存储细分技术,提升到了影响AI基础设施成本结构的维度。400亿至1500亿美元的区间既给了想象空间,也留下了不确定性。接下来值得跟踪的,是GPU端采用率能否从低位向高位爬坡,以及NAND厂商的实际交付节奏。
本文基于公开媒体报道整理,仅作信息参考,不构成任何投资依据,内容以原文为准。