1、存储器定义及分类
存储器是计算机数据存储与交互的核心载体。存储器是指利用磁性材料或半导体等。材料作为介质进行信息存储的器件。从功能定义来看，存储器通过接收CPU传输的各类数据与程序指令，以特定形式进行存储，并在系统需要时，根据控制信号快速提取所需信息。作为负责接收、暂存和提取数据的硬件装置，存储器能够根据CPU发出的控制指令，快速完成数据的写入与读取操作，其存储容量、读写速度和稳定性，直接决定了系统的数据处理效率与信息留存能力。
半导体存储器根据断电后数据保存情况，可分为易失性存储（RAM）和非易失性存储（ROM）两大类。
RAM即随机存储器，需要维持通电以临时保存数据供主系统CPU读写和处理，由于其可以实现对数据的高速读写，通常用作操作系统或者其他运行中程序的临时数据存储介质。根据是否需要周期性刷新以维持数据存储，RAM可进一步分为动态随机存取存储器(DRAM)和静态随机存取存储器(SRAM)。DRAM需要维持通电且需要周期性刷新来维持数据，其访问速度较SRAM慢，功耗更高，但结构简单，单位面积存储密度显著高于SRAM，因而成本相对较低。主要用作CPU处理数据的临时存储装置，目前广泛应用于智能手机、个人电脑、服务器等主流应用市场。
ROM主要指只读存储器，无需持续通电亦能长久保存数据。根据内容写入方式可分为Mask ROM、PROM、EPROM、EEPROM和Flash等。Flash 又称闪存，具备可擦除可编程的特点，且在断电环境下能保证数据的保存完整性，其成本低、密度大，目前被广泛应用于各种嵌入式系统中。Flash可进一步划分为NANDFlash和NORFlash，NANDFlash存储密度远高于其他ROM，且具备存储容量大，能够实现快速读写和擦除等优点，是目前全球市场大容量非易失存储的主流技术方案。相较于NANDFlash，NORFlash可以直接在Flash闪存内运行应用程序，而不必再读到系统RAM中;但NORFlash写入和擦除速度慢，因此不适宜作为大容量存储器，仅在小容量场景具有成本效益。
2、存储行业产业链特征:IDMI模式为主，周期性特征明显
存储行业主要以IDM经营模式为主。存储行业作为高度技术密集与资本密集的产业，其产业链涵盖存储芯片设计、晶圆生产、封装测试等关键环节，各环节技术关联度极高。与逻辑芯片产业链纵向分工的模式不同，存储芯片的布图设计与晶圆制造技术结合更为紧密，关键性能优化需设计与制造团队深度协同、同步推进，IDM模式下企业可实现全产业链自主掌控，规避分工模式下的适配风险与沟通成本，同时可自主调配产能、管控全流程质量，以摊薄重资产投入并保障产品可靠性，因而存储行业主要以IDM模式为主。
应用场景的多样化及客户定制化需求，催生了独立存储器制造商经营模式。晶圆制造完成后，不同应用所需功能需通过主控芯片设计、固件开发及SiP封装等后端环节实现，因此存储原厂仍需开发大量应用技术，以将标准化晶圆转化为具体存储产品。部分原厂依托晶圆优势向下游延伸，同时独立的存储器供应商(含品牌商)随之出现。存储原厂竞争重心在于晶圆IC设计与制程提升，在产品应用领域则受成本等因素限制，多聚焦于智能手机、个人电脑及服务器等大宗需求行业的大型客户。而在原厂目标市场之外，仍存在广泛的细分需求，包括工业控制、汽车电子、物联网硬件等领域及主流应用的中小客户市场。独立存储器制造商通过专注于解决方案设计、封装测试与大规模交付，能够高效满足市场对存储产品的多样化需求。
3、存储技术演进:大容量需求凸显，新型存储加速迭代
3.1AI引发大容量、高性能存储需求
AI模型从单模态转向多模态，推动数据存储需求向大容量、高性能方向演变。随着大模型从单一文本模态向文本、图片、音频、视频等多模态演进，其训练与处理的数据集规模呈指数级增长，根据Seagate数据，预计数据中心对存储的需求将从2020年约600EB跃升至2028年的2.4ZB，2024至2028年CAGR预计将达到mid20%。AI模型训练推理不仅需要通过高速存储层快速馈送海量数据集到计算单元，而且模型参数的庞大规模，也对内存提出了极高的需求，要求存储具备低延迟和高吞吐量以支持实时响应。这些因素共同加快了对存储产品在容量和性能方面的需求。
电子产品形态与应用升级，推动对高性能低功耗存储的需求。随着消费电子产品的形态日益丰富以及应用场景的持续拓展，市场对嵌入式存储产品的需求呈现出显著增长态势。这些设备不仅需要具备足够的存储容量以容纳操作系统、应用程序及海量用户数据，如高清影像、音频文件和各类传感器采集信息，还需在读写速度、功耗控制等方面
满足特定应用场景的需求。另一方面，“AI+”浪潮正为存储产业注入新的活力。据弗若斯特沙利文/中国半导体行业协会数据，2024年，全球AI手机渗透率达约16.2%，AIPC渗透率达约18.6%，预计到2029年将分别达到54.0%和69.2%，具有巨大的发展空间。相应地，AI手机需要更大容量和更低功耗的存储来运行复杂的AI模型，并存储由此产生的增强内容。AIPC则强调本地AI算力，需要更大容量的LPDDR、UFS、固态硬盘来支持AI加速器和AI应用。
汽车领域智能化发展正成为半导体存储市场的重要增长动力。在汽车领域，全球新能源汽车销量从2020年的310万辆迅速增长至2024年的1820万辆，年复合增长率达55.4%，渗透率由4.0%提升至15.6%。现代汽车日益演变为移动数据中心与高性能计算平台，如智能座舱中的高清地图、娱乐系统及语音交互等功能，对eMMC、UFS等嵌入式存储的容量与读写速度提出了更高要求。未来，随着车路协同(V2X)与智能交通系统的发展，多模态数据将大幅增加，进一步推升对大容量、高可靠性存储的需求。例如，一辆L3/L4级自动驾驶汽车可能需要约500GB的本地存储，以处理传感器数据、AI模型及系统日志，这为半导体存储市场创造了显著增长空间。
3.2HBMI等新型存储技术加速崛起
HBM技术:适配AI算力需求的高带宽存储解决方案。HBM即高带宽存储，是一种基于3D堆叠封装技术的高性能DRAM接口规范，其核心架构系通过硅通孔(TSV)将多个DRAM芯片垂直堆叠，并与GPU通过中介层互联封装在一起。相较于传统DRAM，由于HBM结构在较小的物理空间内实现了高容量、高带宽、低延时与低功耗等性能，成为数据中心新一代内存解决方案。
存算一体技术:为AI与边缘计算等场景而生的新型存储方案。存算一体是一种打破传统“存储与计算分离”架构的新型存储技术，核心是将计算单元与存储单元深度集成在同一芯片或封装内，通过在存储端直接完成数据运算，简化数据流转路径、破解传统架构的“存储墙"“功耗墙”瓶颈，其架构主要分为近存计算、存内处理、存内计算等层级，涵盖SRAM-CIM、DRAM-PIM、忆阻器等多元技术路线。存算一体技术可满足AI训练与推理、边缘计算、物联网、自动驾驶等场景的核心需求，尤其适配海量数据高速处理、低延迟响应、低功耗运行的需求，既能解决数据传输瓶颈导致的算力浪费，也能降低设备能耗，适配小型化终端与高密度算力场景。
