AI 算力需求引爆存储竞赛：长江存储扩产与国产供应链跃迁，重塑 NAND/DRAM 产业格局

在大模型与生成式 AI 持续推高算力需求的背景下，存储正从“配套组件”转变为“关键基础设施”。最新财务与产能动向显示，长江存储 正加速扩张步伐：一季度收入突破 200 亿元、同比实现翻倍增长，全球 NAND 闪存市场份额已超过 10%。与此同时，国内 DRAM 厂商 长鑫科技 也在同步推进扩产与融资计划，试图在 AI 周期中争夺更多话语权。

这一轮扩张的核心驱动力，不再是传统消费电子，而是 AI 基础设施的结构性需求——从训练集群到推理服务，存储正成为制约系统性能与成本的关键变量。

AI 时代的存储瓶颈：从“容量”到“带宽与延迟”

在传统计算架构中，存储更多承担“数据持久化”的角色。但在 AI 场景下，其定位发生明显变化：

• 训练阶段：海量数据集需要高吞吐读写能力，NAND SSD 成为数据管道核心
• 推理阶段：模型权重加载与缓存命中率直接影响响应延迟
• 分布式系统：存储与网络共同决定数据调度效率

换句话说，AI 系统正在从“计算受限”逐步转向“内存与存储受限”（Memory/Storage Bound）。这也是为何从 GPU 到 HBM，再到 NAND/DRAM，整个硬件栈都进入扩张周期。

长江存储的扩产逻辑：规模化与供应链自主并行

面对需求侧的爆发，长江存储选择以“产能翻倍”为核心策略：

• 武汉三期晶圆厂预计年内投产
• 同步规划新建两座晶圆厂
• 单厂目标月产能达 10 万片

更值得关注的是供应链结构的变化。三期产线国产设备占比首次超过 50%，意味着在关键制造环节上，国产替代已从“可选项”转向“主路径”。

这一变化对 AI 产业具有直接意义：

• 降低算力基础设施成本的不确定性
• 提升本地数据中心与云服务的供应稳定性
• 为国产 AI 芯片与服务器生态提供配套支撑

在全球供应链波动加剧的背景下，存储的“可获得性”本身已成为算力竞争的一部分。

NAND 与 DRAM 的协同：AI 工作负载下的双轮驱动

如果说 NAND 解决的是“数据存储与吞吐”，那么 DRAM 则直接决定“实时计算能力”。

长鑫科技 的扩产计划，正是瞄准这一环节。其拟募资近 300 亿元，用于提升 DRAM 产能与技术水平，在 AI 推理与高性能计算场景中争夺市场。

在典型 AI 系统中：

• DRAM 用于存放活跃数据与中间计算结果
• NAND 用于存储模型权重与历史数据
• 二者通过缓存与调度策略协同工作

随着大模型参数规模持续增长（从百亿到万亿级），这种“存储分层架构”的重要性愈发凸显。

价格周期与 AI 需求共振：存储行业进入新上行阶段

从产业周期看，存储行业长期处于“价格波动—产能调整—供需再平衡”的循环中。但当前周期出现了新的变量：AI 需求的持续性。

过去，需求主要来自手机与 PC，波动明显；而 AI 基础设施建设则呈现出更强的长期性与刚性：

• 云厂商持续扩建数据中心
• 企业级 AI 应用带来稳定推理需求
• 边缘设备逐步引入本地模型能力

这使得 NAND 与 DRAM 的价格上行，不再只是短期反弹，而可能进入更长周期的结构性增长阶段。

技术与生态挑战：扩产之外的“隐形门槛”

尽管产能扩张带来规模优势，但在 AI 时代，存储厂商还面临更复杂的技术挑战：

• 与 AI 芯片的协同优化：例如 SSD 与 GPU 之间的数据通道优化
• 软件栈适配：包括文件系统、缓存策略与分布式存储协议
• 高密度封装与能效控制：应对数据中心功耗压力

这意味着，未来的竞争不仅是晶圆厂规模，更是“软硬协同能力”。

结语：存储成为 AI 基础设施的“第二战场”

从 GPU 到存储，AI 正在重塑整个半导体产业链的价值分布。长江存储与长鑫科技的扩产动作，本质上是在争夺 AI 时代的底层资源控制权。

如果说过去的竞争焦点是“谁拥有更强的算力芯片”，那么现在的问题正在变成：
谁能以更低成本、更高稳定性提供完整的算力与存储组合。

在这一过程中，存储不再是配角，而是决定 AI 系统性能与成本上限的关键变量。