长鑫3万亿，大厂AI争抢为存储买单

2026年7月27日，长鑫科技在科创板挂牌上市，开盘暴涨471%，市值一举突破3.31万亿元，超越工商银行登顶A股。

AI时代，这是一家公司的胜利，也是一个产业的转折点。

长久以来，在AI大模型的成本叙事里，GPU是绝对的主角，英伟达的H100、B200占据了聚光灯，存储芯片不过是供应链上的配角，常被归入那“10%-15%”的边角料。

但2026年的现实正在撕碎这张旧地图。存储不再是算力的附属品，它正在成为决定大模型成本结构的关键变量。

也正因为如此，那些一年投入数百亿元建设AI基础设施的互联网大厂，开始把目光投向国产存储。

据路透社2026年6月报道，腾讯与长鑫存储签署了一份价值约30亿美元（约210亿元人民币）的长期DRAM采购协议，合同期限3—5年，主要用于云计算、数据库和AI服务器。

7月，长鑫存储与字节跳动签署了一份为期五年、价值超70亿美元（约合474亿元人民币） 的内存供货协议。这笔采购是字节跳动AI基础设施布局提速的直接体现，而存储芯片正在成为其中至关重要的一环。

阿里则通过其云业务主体投资长鑫约76亿元，持有近5%的股份，这种“股权+采购”的模式，早已从战略上深度绑定了双方的合作关系。昨日长鑫上市，一个微博前三的热搜词条十分显眼，“阿里押注长鑫76亿搏出近1700亿”。

不止阿里集团，马云个人参与创立的云锋基金也收获颇丰。一位接近云锋基金的人士向《白鲸实验室》透露，云锋基金在长鑫科技早期便已入股，以每股几元的价格投入数十亿元。随着长鑫科技上市，其账面浮盈已至少达到上百亿元。

大厂都在争抢为存储买单。

01

算力的成本黑洞，正在被存储吞噬

先看一组数据。

2026年5月，全球存储芯片月销售额达到创纪录的746亿美元，环比增长31.7%。据美银的预测，全球DRAM和NAND市场规模将在2026年达到8768亿美元，2027年突破1.2万亿美元。

这不是普通的周期性上涨。消费电子需求往往具有明显的周期性，而AI基础设施建设是一场持续数年的资本开支。摩根大通将2026至2028年全球存储市场总规模预测上调37%至53%，预计2028年TAM将达1.7万亿美元。

背后是AI对存储芯片的巨大需求。美银明确指出，本轮景气的核心是“AI服务器对HBM、先进DRAM和企业级SSD的需求激增”，与以往由PC、手机补库存主导的短周期截然不同。

值得一提的是，存储的暴涨正在从根本上改写AI基础设施的成本结构。过去业界普遍认为，AI算力成本的核心在于GPU芯片本身，存储只是“配套”的辅助角色。

可随着大模型参数规模从千亿迈向万亿、上下文窗口从几千扩展到数百万，存储子系统已从配角变成决定总成本的关键变量之一。

SemiAnalysis在2026年7月发布的报告中，给出了一个令行业震动的判断，他们将DRAM、NAND和HBM合并计算后，英伟达系统中的内存支出占比到2026年底将超过30%，2027年将超过40%。

事实上，该机构早在2026年初便提出这一判断，当时不少业内人士认为内存成本占比仍将维持在十几个百分点。但随着二季度HBM等存储产品价格持续上涨，以及AI服务器内存配置不断提升，越来越多机构开始认可这一趋势。

内存正从配套部件逐渐成为AI基础设施中最重要的成本项之一。

一个更值得注意的细节是，因为英伟达采购规模全球最大，与SK海力士、美光、三星均签有长期供应协议，所以它能从供应商处获得了极度优先级的DRAM定价。甚至，远低于超大规模数据中心及整体市场所支付的价格。

这意味着，英伟达系统内部30%-40%的内存支出占比，是在享受优惠定价后的结果。如果按市场公允价格计算，这个数字只会更高。

从更宏观的视角看，群智咨询预计，2026年AI服务器将占全球DRAM总出货容量超过40%，2027年进一步提升至49%。

多家国际投行也认为，服务器将成为全球DRAM需求增长的绝对主力，未来两年服务器相关需求占比仍将持续提升。

很显然，这说明存储已经从AI成本结构中的零头，变成了与算力分庭抗礼的大头。

02

国产存储成主力

存储市场的超级周期，恰好撞上了国产存储的技术突破期。

长江存储的故事最富戏剧性。2026年第一季度，这家曾被美国制裁的中国NAND厂商营收达到26亿美元，同比增长近445%，增速远超全球行业平均水平。

市场研究机构Counterpoint的数据显示，其全球NAND市场份额从2025年同期的8%提升至13%，已与美光、SanDisk等国际厂商进入同一梯队，并成为全球NAND市场增长最快的厂商之一。

更具象征意义的是技术层面的追赶。长江存储自主研发的Xtacking架构，已成为其区别于国际竞争对手的重要技术路线。这个技术是一种创新的三维NAND闪存架构，旨在提高存储密度、I/O接口速度和生产效率。

具体来说，是通过在两片独立的晶圆上分别加工外围电路和存储单元，然后通过金属互联通道（VIA）将两片晶圆键合在一起，从而实现更高的存储密度和更快的I/O速度。

据产业链及市场研究机构消息，其294层3D NAND已进入量产阶段。从技术节点来看，已接近三星286层、SK海力士321层等国际领先产品，中国NAND产业与全球第一梯队的代际差距正明显缩小。

令人意外的是，早在2025年三星电子就主动找上门来，签署了专利许可协议。从第10代V-NAND开始，三星将采用长江存储的Xtacking混合键合技术。

当年做出制裁决定的人大概不会想到，四年后这家公司反过来向三星收取专利费。

长鑫存储的崛起同样凶猛。按2026年第一季度收入计，其全球DRAM市场份额已增长至8%，成为全球第四大DRAM厂商。

毫无疑问，正是在这一轮AI基础设施建设浪潮中，DRAM成为整个半导体产业链中最受益的环节之一。行业分析机构SemiAnalysis预计，长鑫存储2026年全年收入可能超过500亿美元，市场份额将从2025年的9%提升到2027年的12%。

另一方面，AI还带来需求结构的重构。过去，DRAM主要依赖PC和智能手机市场，如今，AI服务器正在成为新的需求中心，全球存储产业的增长逻辑也因此从消费电子转向AI基础设施。

对于长鑫存储这样的国产DRAM厂商而言，这意味着不仅市场空间被重新打开，也迎来了缩小与国际巨头差距的重要窗口期。

在DRAM这个长期被三星、SK海力士、美光三大巨头垄断，合计占据全球90%以上市场份额的寡头市场里，长鑫存储正在撕开一道裂缝。

如果说长江存储和长鑫存储受益于AI带来的存储芯片需求，大普微则卡位于AI数据中心最核心的企业级SSD赛道。公司主营业务高度聚焦企业级SSD，占主营收入98.98%，几乎所有产品都面向云计算和AI基础设施。

作为全球较早实现PCIe 5.0企业级SSD量产的厂商之一，大普微已实现122TB QLC企业级SSD商业化，并推出245TB产品进入客户送测。

随着AI训练和推理对海量数据存储需求持续增长，高容量、高性能企业级SSD正成为AI数据中心的重要基础设施，公司预计2026年上半年实现归母净利润12亿元至13.5亿元，实现同比扭亏为盈。

长鑫科技上市，也在资本市场向韩国存储巨头释放了一记强烈信号。7月28日，韩国股市半导体板块集体承压，KOSPI指数开盘一度跌超5%，随后跌幅进一步扩大。SK海力士、三星电子盘中分别一度跌逾10%和9%，引发韩国交易所启动临时交易限制措施。

除了全球AI芯片板块回调外，长鑫科技创纪录上市以及中国存储产业加速崛起，也进一步加剧了投资者对未来全球存储竞争格局变化的担忧。

03

大厂开始省成本

大模型发展到今天，系统瓶颈开始变得复杂。GPU只是计算单元，真正决定计算效率的，还有数据能否及时送到GPU，模型参数能否被快速读取，以及系统能否同时保存足够多的上下文和中间状态。

黄仁勋就曾多次强调，AI计算不是简单堆GPU，真正高效的AI系统需要计算、存储、网络协同。系统中任何一个环节的低效率，都会被放大成更高的推理成本。

这也是国内大模型公司正在发生变化的地方。当前不难发现，腾讯、字节、DeepSeek等也正在从单纯追求模型能力，转向控制训练和推理成本。

字节跳动是成本压力最直观的案例，烧钱换增长模式在2026年遭遇严峻挑战。截至2026年6月，豆包日均Token调用量突破180万亿。按火山引擎API定价推算，豆包年推理成本达百亿级，每天收入不足百万元，而推理算力成本可能达数千万元。

今年以来，关于字节自研芯片的消息不断，自研芯片的核心目的，也正是为了节省算力成本。

DeepSeek从一开始就将成本控制刻入基因，2026年的动作进一步印证了这一战略。2026年5月，DeepSeek宣布其旗舰模型V4-Pro价格永久降价75%，输入（缓存命中）价格低至每百万Tokens 0.025元。

据一些媒体报道，为摆脱对昂贵GPU的依赖，目前DeepSeek也已经启动自研推理芯片项目，并与芯片设计公司、晶圆代工厂及存储厂商展开多轮接洽。

而在AI基础设施成本中，存储正在成为越来越重要的一环。随着模型参数规模扩大，无论是训练阶段的模型权重、数据集，还是推理阶段不断增长的KV Cache，都对高容量、高带宽存储提出更高要求。

字节、腾讯、阿里纷纷用脚投票，选择与长鑫科技合作，这意味着大厂开始把存储芯片纳入长期基础设施规划。过去，大模型公司的硬件采购更多围绕GPU展开，现在服务器DRAM，高带宽存储和高速数据通路，也开始进入核心采购清单。

除此之外，大厂以及模型厂商与长鑫科技这样的国产存储厂商合作，还可以规避海外厂商随意调价、削减供货的风险，将未来的采购成本变得可控。

可预见的是，AI基础设施是一场持续数年的资本竞赛。无论是腾讯、字节，还是DeepSeek这样的模型公司，未来都需要持续扩建训练集群，推理集群和数据中心。

对于这些一年投入数百亿元建设AI基础设施的企业而言，即便服务器DRAM采购成本下降几个百分点，长期累计下来也意味着数十亿元甚至上百亿元的成本差异。

因而，存储采购能力，也正在成为影响大模型商业化效率的一项重要变量。

在这一背景下，长鑫存储等国产存储厂商的价值已经不只是“替代进口”。它们更重要的意义在于，为AI产业提供了新的供应链选择，帮助企业降低对单一海外供应商的依赖。

文｜孙方

文｜柳嘉