闪迪披露AI推理重塑NAND供需格局，长期订单已排至2030年

闪迪近期在2027财年第一财季财报电话会议中释放出关键信号：人工智能推理正在系统性重构NAND闪存市场的供需关系。这一变化并非短期波动，而是由底层架构演进驱动的结构性转移——客户普遍低估了支撑大规模AI推理所需的闪存容量，正紧急追加长期采购协议，推动行业从“按需采购”转向“产能前置锁定”。

据管理层披露，闪迪当前新型商业模式（NBM，New Business Model）的订单管道已延伸至2030年甚至更远。2027财年约50%的位元出货量已被NBM协议锁定，2028财年该比例预计升至约三分之二。董事长兼首席执行官David Goeckeler强调，不仅既有客户持续加单，新客户也在快速涌入。核心动因在于：实际部署中，AI基础设施对NAND的需求远超早期模型预测。

这一趋势背后是数据中心角色的根本性转变。十年前，数据中心仅占NAND总需求的约20%；如今已接近50%。闪迪预计，到2027年，该细分市场占比将突破55%，年同比增长约40%。更值得注意的是，键值缓存（KV Cache）——即大语言模型推理过程中用于暂存注意力机制中间结果的关键内存层——正成为新的增长极。Goeckeler预判，到本十年末，KV Cache可能占据AI数据中心闪存市场的约三分之一份额；而整个AI数据中心的NAND需求规模，或将逼近当前全球NAND闪存市场的总量。

传统上，NAND主要用于冷热数据分层中的持久化存储层，而KV缓存因对低延迟、高带宽要求极高，长期依赖DRAM。但随着模型参数量激增、上下文窗口持续拉长（如GPT-4 Turbo支持128K tokens），KV缓存占用内存急剧膨胀——一个70B参数模型在32K上下文下，仅KV缓存就需消耗超过100GB显存。这使得单纯依赖DRAM成本过高，系统设计开始寻求替代方案。

在此背景下，闪迪提出“NAND作为容量层”的新定位：利用其高密度、低成本优势，在保证可接受延迟的前提下，承担部分KV缓存功能。技术路径之一是采用SLC NAND（单层单元）替代部分DRAM。SLC虽成本高于MLC/TLC，但写入寿命与速度更优，更适合高频读写场景。不过，该方案仍面临延迟与能效挑战，需通过控制器优化、主机内存语义扩展（如CXL兼容接口）及软件栈协同来弥合性能鸿沟。

为应对这一需求，闪迪已启动高带宽闪存（HBF，High Bandwidth Flash）的研发。首款HBF存储晶粒已完成流片并进入制造阶段，首批样品计划于下一个日历年交付。HBF的设计目标明确：在保持NAND级容量（TB级）的同时，提供接近高带宽内存（HBM）的读取带宽（理论可达数百GB/s），专为AI推理中的大模型加载、长上下文维持及KV缓存卸载场景优化。

从产业逻辑看，HBF并非简单复刻HBM，而是试图在“容量-带宽-成本”三角中寻找新平衡点。HBM虽带宽极高，但受限于堆叠工艺与硅中介层成本，单颗价格昂贵且容量有限（目前主流为16GB~24GB）；而传统U.2/U.3 SSD虽容量大，但带宽瓶颈明显（PCIe 4.0 x4上限约8GB/s）。HBF若能实现30~50GB/s持续读带宽，配合低延迟访问协议，有望在特定推理负载中形成性价比优势。

值得注意的是，尽管闪迪本季度财务表现强劲——净利润达81亿美元，且第二财季指引超预期——其股价在财报发布后却出现回调：10月29日收盘报1330.05美元，盘后一度跌至1282.50美元附近，跌幅约3.6%。市场反应折射出投资者对长期供需匹配的审慎态度：一方面认可AI存储需求的真实性；另一方面担忧产能扩张节奏、技术落地周期及客户实际采纳率是否足以支撑当前订单承诺。

闪迪同步宣布进行1拆8股票拆分，将于11月19日生效。此举意在提升流动性与散户参与度，但并未扭转短期交易情绪。

行业层面，这一变化也倒逼NAND厂商重新规划产能与技术路线。过去五年，行业聚焦于3D NAND层数提升（从128层向232层演进）与QLC普及以降本；如今，面向AI推理的专用存储产品线正成为新竞争高地。美光、SK海力士等竞争对手亦在布局类似方案，例如美光的“Compute Express Link (CXL) NVMe”和SK海力士的“PIM（Processing-in-Memory）+ NAND”融合架构。

然而，技术替代并非一蹴而就。DRAM与NAND在物理特性上存在本质差异：前者为易失性、纳秒级访问；后者为非易失性、微秒级访问。即便HBF通过3D堆叠与先进接口压缩延迟，其随机读性能仍难匹敌DRAM。因此，短期内更现实的路径是“混合分层”：关键KV缓存保留在DRAM，次要或历史状态缓存下沉至HBF/NAND，由智能内存管理器动态调度。

此外，软件栈适配同样关键。现有深度学习框架（如PyTorch、TensorFlow）默认将KV缓存置于GPU显存，需操作系统与运行时层新增对“异构内存池”的抽象支持，例如Linux内核的Zswap扩展或Windows的Memory Pool API。这部分生态建设进度，将直接影响硬件方案的商业化速度。

综合来看，闪迪此次披露标志着NAND产业正式迈入“AI原生”阶段。需求侧的长期订单锁定，供给侧的HBF技术突破，共同指向一个结论：AI推理不再只是CPU/GPU的战场，存储介质本身正成为算力系统的结构性变量。未来三至五年，谁能率先在容量、带宽与成本之间取得最优解，谁就将在AI基础设施的底层竞争中占据先机。