来源声明：本文由 @LMDFinance 首发于 X，本站转载仅供学习交流，不构成投资建议。

自 2025 年 2 月从西部数据独立拆分以来，闪迪在 AI 企业级 SSD 爆发和“去周期化”长约的利好下，年内股价暴涨超 400%，一年多来累计涨幅甚至飙升了 12 倍至 40 倍不等（受拆分低基数催化）。

相比之下，DRAM 巨头虽然也享受 AI 红利，但美光（Micron）近一年涨幅约为 1.7 倍至 7 倍，SK 海力士和三星因高基数及产能内卷，涨幅远逊于闪迪的爆发力，闪迪（SanDisk）的涨幅彻底碾压了 DRAM 三巨头。

以下，我们来从技术/产品/市场三个维度拆解具体原因。

一.DRAM和闪存的全面对比

DRAM（动态随机存取内存）和闪存（Flash Memory）是现代电子设备中最核心的两类存储技术，它们在工作原理、性能和用途上有着本质的区别。

🛠️ 核心技术差异

数据易失性：DRAM 属于易失性存储。断电后数据立即消失。闪存属于非易失性存储。断电后数据依然长期保存。

基本存储单元：DRAM 使用电容和晶体管组合。利用电容是否有电荷代表0和1。闪存使用浮栅晶体管。利用捕获的电子长期锁定状态。

刷新需求：DRAM 必须不断刷新充电。电容漏电极快，每秒需刷新数百次。闪存无需刷新。电子被物理隔离，可保存数年。

⚡ 性能与寿命对比

读写速度：DRAM 极快。延迟在纳秒（ns）级别。闪存较慢。延迟在微秒（μs）或毫秒（ms）级别。

读写寿命：DRAM 近乎无限次。几乎没有物理磨损。闪存寿命有限。擦写次数有上限（约1,000到100,000次），容易老化。

擦除粒度：DRAM 支持字节级随机读写。闪存必须以块（Block）为单位擦除，以页（Page）为单位写入。

💰 成本与存储密度

制造成本：DRAM 成本极高。单位容量的价格远贵于闪存。闪存成本极低。可以通过3D堆叠技术大幅降低每GB成本。

存储容量：DRAM 容量较小。单条内存通常为8GB到64GB。闪存容量极大。单个固态硬盘或U盘可达数百GB甚至数TB。

📱 应用场景分类

DRAM 的角色：充当运行内存（RAM）。用于连接CPU，临时存放正在运行的系统和软件数据。

闪存 的角色：充当长期存储介质（ROM/Storage）。用于固态硬盘（SSD）、U盘、SD卡以及手机内置存储（闪存芯片），存放照片、文件和安装包。

二.做闪存的闪迪为什么涨得比DDRM三巨头更厉害？

这次 AI 驱动的高带宽内存（HBM）大涨，主要做闪存（NAND Flash）的闪迪（SanDisk）股价反而涨得更厉害（年内涨幅超 400%-500%），表面上看违背了“AI 只需要高速内存”的常识，但背后其实隐藏着华尔街对 AI 基础设施底层架构变化的重估逻辑。

闪迪暴涨并跑赢美光等 HBM 巨头，核心原因在于以下四个关键催化剂的共振：

1. 独立拆分“消除折价”，成为最纯粹的 AI NAND 标的

闪迪于 2025 年 2 月正式从西部数据（Western Digital）独立拆分上市。

此前：闪迪的闪存业务与毛利较低、增长缓慢的 HDD（机械硬盘）业务捆绑在一起，估值遭到严重压制（综合企业折价）。

拆分后：闪迪变成了一家没有任何债务负担、业务极度纯粹的闪存巨头。华尔街大笔资金为了追逐 AI 存储红利，将其作为最纯粹的标的疯狂买入，推动了极具爆发力的“补涨”与重估。

2. AI 架构巨变：NAND 闪存被作为“慢速内存”使用

AI 的演进让闪存跨界抢了内存的饭碗。

DeepSeek 等模型的架构创新：验证了在模型推理和训练中，利用先进的算法可以将超大容量的企业级 SSD（NAND 闪存）当作“慢速内存”来协同计算。

英伟达新架构的推动：AI 巨头在硬件层面为 NAND 创造了全新的应用场景，闪存不再只是单纯的“数据仓库”，而是直接参与到 AI 的吞吐效率和推理工作负载中。

3. 数据中心狂飙：锁定 420 亿美元长期合同“去周期化”

闪迪成功斩获了亚马逊、微软、谷歌和 Meta 等四大云巨头（Hyperscalers）的高达 420 亿美元的长期供应合同。

传统存储股极易受到行业周期影响（大涨大跌）。但闪迪通过这些长期合同，确保了未来数年企业级 SSD 的暴利订单，成功实现了“去周期化”。

其最新财报显示，数据中心业务同比激增 645%，非 GAAP 毛利率达到了半导体行业罕见的 78.4%，极强的定价权彻底点燃了资本市场。

4. HBM 产能挤占引发 NAND 闪存全线暴涨

三大内存巨头（三星、SK海力士、美光）为了全力满足英伟达的 HBM（DRAM）需求，将大量的晶圆产能和研发精力从普通闪存转走。

这导致全球 NAND 闪存的供给极度收缩，而 AI 服务器对大容量 NVMe SSD 的需求又呈指数级爆发，造成了极为严重的供需错配。

闪迪顺势多次上调产品价格（单次宣布涨价达 10% 以上），呈现出比 HBM 更陡峭的利润爬升曲线。

三.数据中心为何狂买DDRM的同时也拼命买SSD？

数据中心拼命采购 DDR5/HBM（DRAM 内存） 的同时疯狂囤积 企业级 SSD（闪存），是因为 AI 模型的大小超出了内存的物理极限，数据中心必须用这两种介质构建一套“速度（DRAM）+ 容量（SSD）”的冷热数据分层协同架构。

单独依靠任何一种存储，AI 算力（如英伟达 GPU）都会因为“断供”数据而瘫痪。

1. 核心矛盾：AI 模型的“胃口”远超内存容量

当前最先进的 AI 大模型和训练数据集规模呈现指数级暴涨。

训练数据集（几 TB 到几十 TB）：这些海量的数据不可能全部塞进价格昂贵、容量有限的 DRAM 内存中。

模型参数（数万亿参数）：即便是像英伟达最顶级的 HBM 内存集群，往往也只能放下模型的一部分。

解决办法：数据中心必须用 SSD 充当“主力仓库” 存放整个庞大的数据集与模型检查点（Checkpoints），然后通过高速网络不断将数据 “泵入”DRAM 内存 进行实时计算。

2. DRAM 与 SSD 在 AI 流程中的核心分工

数据中心狂买这两者，是因为它们在 AI 的训练（Training）和推理（Inference）中各自卡死了关键节点：

3. 技术突破：SSD 正在跨界扮演“慢速内存”

正如前文提到，AI 架构的软件创新打破了内存与闪存的物理界限。

近内存计算优化：通过优化算法（例如类似 DeepSeek 的混合专家架构 MoE），系统可以做到“用哪部分参数，就临时从 SSD 读取哪部分”。

PCIe 5.0 吞吐暴涨：最新企业级 SSD 采用了 PCIe 5.0 技术，读取速度高达 14GB/s 以上。配合 NVIDIA GPUDirect Storage (GDS) 技术，数据可以绕过 CPU，直接从 SSD 冲进 GPU 显存。这让 SSD 成功客串了“慢速内存”的角色，极大地缓解了 DRAM 的容量压力。

4. 产能连锁反应：买不到 HBM，只能用超级 SSD 顶替

由于全球 HBM 和高性能 DDR5 DRAM 的产能被严重挤爆，很多数据中心面临“有钱也买不到足够内存”的窘境。

为了不让昂贵的 AI 服务器和 GPU 闲置，数据中心被迫转向“用更大量的超高速 NVMe SSD 来做虚拟内存补偿”的方案。

这种“以闪存代内存”的妥协方案，直接拉动了 30TB、64TB 甚至 128TB 这种超大容量企业级 SSD 的采购订单呈现出数十倍的爆发。

附1：PCIe 5.0 NVMe SSD 与 DDR5 内存 之间的具体速度差异有多大

DDR5 内存的传输速度比 PCIe 5.0 SSD 快 3 到 6 倍，而延迟（响应时间）则快了近 1000 倍。

具体数据对比如下：

吞吐速度：顶尖的 PCIe 5.0 NVMe SSD 的最高读取速度约为 14 GB/s。而标准的单通道 DDR5-6400 内存带宽可达 51.2 GB/s，在服务器多通道配置下更可飙升至数几百 GB/s。

物理延迟：DDR5 内存的延迟极低，仅为 10 到 15 纳秒（ns）。而 PCIe 5.0 SSD 即使通过 NVMe 协议优化，延迟仍在 10 到 50 微秒（μs） 级别。

因此，SSD 负责大容量的数据吞吐，而核心的实时计算必须依赖内存。

附2：GPUDirect Storage (GDS) 技术 是如何让 SSD 绕过 CPU 直接给 GPU 喂数据的？

GPUDirect Storage (GDS) 技术通过在 NVMe SSD 和 GPU 显存（HBM/VRAM）之间建立一条直接的 PCIe 硬件通道，彻底绕过了 CPU 和系统内存（DRAM）。

传统模式：数据必须先从 SSD 读入系统内存，由 CPU 解压处理后，再复制到 GPU 显存。这导致 CPU 负荷过高，系统内存带宽被严重挤占，成为速度瓶颈。

GDS 模式：通过定制的内部驱动，GPU 的直接内存访问（DMA）引擎可以直接向 SSD 发起读取请求。数据通过 PCIe 交换机（Switch）直接从闪存颗粒冲进 GPU 显存。

这消除了多次数据复制的延迟，使吞吐量提升了 2 到 10 倍，同时将 CPU 的负载降低了近 99%。