摩根大通看好NAND超级循环：AI推理驱动需求爆发、eSSD成最大成长引擎
摩根大通 (JPM-US) 亚太区科技研究团队近日发布最新报告《半导体：NAND—更长、更强的上升週期》，指出 NAND 快闪记忆体产业已正式进入一个由 AI 推理全面驱动的全新超级循环，其结构性影响力可能超过过去任何一轮由智慧型手机或个人电脑带动的景气循环。
回顾过去 20 多年，NAND 市场长期受到供需循环剧烈波动影响。儘管製程进步持续压低单位成本，但原厂一旦扩产过快，往往导致价格迅速崩跌。
不过，摩根大通分析认为，这一结构正在被打破。过去 NAND 市场年均潜在成长率多落在 7% 至 12% 区间，但在 AI 推理需求带动下，2025 至 2027 年的年均成长率可望跃升至 34%，呈现前所未见的断层式成长。
更关键的是，这一轮成长并非单靠出货量扩张，而是呈现量价齐升的格局。
摩根大通预估，2025 年 NAND 混合平均售价将年增约 40%，即便到 2027 年，价格也仅小幅回落约 2%。
AI 推理改写储存逻辑，eSSD 成为关键角色分析指出，AI 推理之所以成为 NAND 市场的关键转捩点核心原因在于，推理阶段的特殊需求。
在模型训练阶段，系统首重的是极高的运算能力与记忆体频宽，因此高频宽记忆体（HBM）几乎没有替代方案。
然而，进入实际应用的推理阶段后，AI 系统必须即时回应使用者请求，频繁且快速地存取模型参数，此时反应速度、存取延迟以及上下文资料的处理能力，反而成为影响效能的关键指标。
随着模型上下文长度持续扩张，GPU 内建 HBM 容量逐渐捉襟见肘，产业开始导入KV Cache Offloading技术，将部分中间资料卸载至外部储存装置。
这一变化，让企业级 SSD（eSSD）从过去的资料仓库，升级为 AI 架构中的二级储存，需求快速放大。2024 年 eSSD 出货量年增率高达 86%，创下自 2012 年以来新高。
摩根大通指出，未来 AI 伺服器单机储存容量预估将超过 70TB，是传统伺服器的两倍；到 2027 年，eSSD 可望占全球 NAND 需求的 48%，一举超越智慧型手机的 30% 与 PC 的 22%，成为 NAND 最大应用场景。
HDD 供应吃紧，QLC SSD 性价比浮现除了 AI 推理本身的需求推力，传统硬碟（HDD）供应紧张也间接助攻 NAND。希捷科技 (STX-US) 与威腾电子 (WDC-US) 因前几年市场低迷，大幅削减资本支出，导致高容量 HDD 交货週期拉长至两年以上。
在 AI 资料中心有货优先于低价的採购逻辑下，客户加速转向 NAND 解决方案，特别是成本结构改善明显的四层单元 SSD（QLC）。
虽然 SSD 单位成本仍为 HDD 的 6 至 8 倍，但在能效、机柜密度与空间利用率方面具备明显优势，更符合高密度 AI 资料中心需求。
目前 SSD 在业务关键型储存领域的渗透率仅约 19%。摩根大通估算，SSD 渗透率每提升 1 个百分点，约可为 NAND 市场带来 20 亿美元的新增收入。
原厂转趋理性，供给成为价格支撑值得注意的是，面对需求爆发与价格上行，NAND 原厂并未重蹈过往激进扩产的覆辙。
摩根大通预期，未来三年产业资本支出占营收比重将降至 15% 至 16%，远低于过去十年平均的 30% 至 50%，2018 年甚至曾高达 68%。
背后原因在于製程难度急遽升高。随着 NAND 堆叠层数突破 300 至 400 层，刻蚀製程与晶圆应力控制的技术门槛大幅提高。即便混合键合技术可部分缓解瓶颈，但相关设备昂贵、良率受限，难以快速放量。
市场预估，今年全球 NAND 晶圆产量仅成长约 3%，但比特需求年增率却高达 21%，供需缺口将贯穿全年，成为价格持续上行的核心支撑。
主要原厂布局浮现胜负差异在原厂动向方面，多家业者具备结构性优势。
日本铠侠（Kioxia）受惠于 CBA 架构与 BiCS 8 技术量产，伺服器业务营收占比可望从 2023 年的 20%，大幅提升至 2027 年的 61%。
SK 海力士（SK Hynix）则凭藉 Solidigm 在超大容量 QLC 与 eSSD 市场的领导地位，加上 HBM 与 QLC 的双线布局，长期竞争力稳健。
三星电子虽在 QLC 布局上起步较慢，但庞大产能与 V9 QLC 加速量产，有机会逐步收复市占，股价短期也具备补涨空间。
美光科技 (MU-US) 则推出 232 层 TLC 的 6500 ION 系列产品，以性能接近 TLC、成本接近 QLC的策略，受惠于美国本土 AI 资料中心建设需求。
摩根大通也提醒，NAND 价格若上涨过快，可能推高笔电等终端产品的 BOM 成本，压缩品牌商利润，并延后消费者换机节奏。
不过，该行认为，这一轮由 AI 推理驱动的需求革命，与供给端高度刚性深度交织，已构成真正意义上的超级循环。NAND 不再只是 DRAM 的配角，而正逐步成为 AI 架构中高速热资料管理的核心基石。