广发证券：推理驱动AI存储快速增长 建议关注产业链核心受益标的

智通财经APP获悉，广发证券发布研报称，随着AI推理应用快速增长，对高性能内存和分层存储的依赖愈发显著，HBM、DRAM、SSD及HDD在超长上下文和多模态推理场景中发挥关键作用，高带宽内存保障模型权重和激活值的高速访问，SSD满足高频读写与短期存储需求，HDD提供海量长期存储支持。随着AI推理需求快速增长，轻量化模型部署推动存储容量需求快速攀升，预计未来整体需求将激增至数百EB级别。建议关注产业链核心受益标的。

广发证券主要观点如下：

AI服务器中的存储主要包括HBM、DRAM、SSD等

AI服务器中的存储主要包括HBM、DRAM、SSD等，呈现性能逐级下降、容量逐级增加、成本逐级降低特征。访问频繁或者随时变更的数据会保留在较高的存储层，例如性能高的层次如CPU/GPU缓存、高带宽内存(HBM)和动态RAMS；而鲜少访问或需要长期保存的数据将移动到较低的存储层，例如SSD和硬盘驱动器。

AI推理中的分级存储协同支撑高效计算

HBM集成于GPU内部，为权重和激活值提供高带宽临时缓冲，支撑并行计算和低延迟推理。DRAM作为系统内存，存储中间数据、批处理队列及模型输入输出，实现CPU与GPU间高效数据传递。本地SSD用于实时加载模型参数和数据，满足高频读写需求，并存储短期检查点与临时生成内容，支撑快速迭代。HDD提供经济大容量，用于保存原始数据、历史检查点及生成内容，保障系统长期运行与数据安全。整体来看，HBM与DRAM提供即时高性能支撑，SSD保证快速可用数据，HDD则保障容量与可靠性，构建从高速临时访问到长期存储的完整AI 推理生态。

推理驱动AI存储快速增长

内存受益于超长上下文和多模态推理需求，处理大量序列数据或多模态信息时，高带宽与大容量内存可降低访问延迟、提升并行效率。例如月之暗面Mooncake 通过存储资源重构实现计算效率跃迁，Vera Rubin CPX NVL144机柜新增GDDR7，AMD MI400升级为MRDIMM 模组，华为UCM 推理记忆数据管理器实现智能调度，共同支撑复杂模型在长序列和多模态场景下的高性能推理。

SSD和HDD是Tokens的积分。对推理所需SSD、HDD需求进行测算，基于以下关键假设：假设一、参考谷歌2025.06单月处理超980万亿tokens，假设中短期内全球谷歌级推理应用数量达到10个；假设二、假设推理端数据均存储为FP16格式；假设三、除模型输入输出文本数据以外，在长上下文场景下，存储数据也包含额外调试/分析信息，比如top-k log logprobs、时间戳、JSON 元数据等。由此测算，2026年10个谷歌级推理应用所需存储容量为49EB。

风险提示

AI产业发展以及需求不及预期；AI服务器出货量不及预期，国产厂商技术和产品进展不及预期。