AI存储重构:HBM锁算力上限,NAND定数据边界

AI视频生成模型的资源需求，已经把内存结构清晰分化。

单次推理中，HBM（GPU显存）占据约280GB，DRAM仅为20-90GB，主要负责系统缓存与辅助任务。HBM已是AI推理的主战场，通用DRAM退居配角。

在数据中心推理侧，每个节点需配备约140GB的NAND，用于加载模型与系统运行。内容侧更为惊人——单个30秒4K视频体积达150-268MB，而AI视频生成的特点是多版本、长尾化、海量生产。仅以全球短视频日播放量1万亿次推算，即使1%转为AI生成，其存储需求也是天量。

NVIDIA推出单DPU支持150TB大容量NAND平台，并非偶然，而是产业向存储重构方向推进的明确信号。

Sora、DiT等AI视频生成模型的token规模冲至400万级，模型参数超过500亿。当规模如此膨胀，计算本身不再是瓶颈，数据搬运与存储反而成为核心矛盾。

AI正从Compute-bound转向Memory-bound，这一底层转变从根本上改变了内存需求结构。

市场过去认为数据中心需求提升必然利好DRAM，但忽略两个关键事实：

其一，AI推理真正消耗的是高带宽内存HBM，而非通用DRM；其二，AI系统的完整运行依赖大量存储支撑——模型缓存、数据交换、内容存储，这些全部指向NAND。

HBM定义算力上限，没有足够的高带宽内存，大模型无法高效运行；NAND定义数据边界，没有足够的存储容量，AI生成的规模便无法扩展。两者是互补关系，而非替代。

AI视频生成从离线走向实时，是引爆内存超级周期的最大变量。实时生成意味着内容无限供给、交互大幅增强、广告嵌入动态生成，对数据量的拉动将是数量级跃升。

核心观测点有三个：

HBM产能扩张进度。 这直接决定了单节点的算力天花板。目前HBM产能仍高度集中于少数几家IDM厂商，扩产节奏是产业链最关键的瓶颈。

NAND企业级平台落地速度。 特别是企业级SSD与大容量DPU存储平台的渗透率。NVIDIA已经用实际行动表态，这个方向没有悬念，节奏取决于产能分配。

AI视频模型的推理效率与参数规模变化。 这直接影响单位内存与存储需求——参数继续膨胀，则HBM和NAND同步受益；效率大幅优化，则需求增量需要重新评估。

如果以上三点形成共振，AI内存体系将进入新一轮硬件升级周期，而非简单的周期波动。

AI时代的内存竞争，不是DRAM与NAND的零和博弈，而是HBM与NAND的协同分工。HBM锁住算力上限，NAND定住数据边界。

市场当前的共识在DRAM端过度拥挤，而对NAND在AI存储体系中的核心地位严重低估。存储体系重构是AI基础设施建设的下半场，这条线索值得持续跟踪。

本文仅基于公开信息与产业逻辑进行客观分析，不构成任何投资建议，不预判股价走势，不推荐任何标的。市场有风险，投资需谨慎，所有投资决策请独立判断、自行承担风险。