华为在7月14日发布深度学习湖存储OceanStor A310以及训/推超融合一体机FusionCube A3000：面对作为复杂系统工程的AI大模型，华为的AI存储芯片主要致力于解决其中数据准备时间长、训练集加载效率低、训练过程容易中断、企业实施门槛高等四个痛点。华为旨在提供高性能AI大模型硬件基础设施，并且商业模式可灵活选择。
　　根据华为发布会，OceanStor A310（图表1）主要面向基础大模型湖场景，在带宽、IOPS（Input/Output Operations Per Second，每秒的读写次数）、容量密度，都较友商产品提升1.5x-1.6x。OceanStor A310，借助数据编织和近存计算，可以有效缩短AI大模型数据准备时间。
　　FusionCube A3000（图表2）主要面向行业训练和推理的场景，针对百亿级或更高参数规模的模型应用。根据发布会资料，该产品的存储单节点IOPS、带宽的性能较友商产品提升3.3x-3.6x，GPU资源利用率则提升1.7x。FusionCube A3000拥有存算独立扩展、开箱即用、极致可靠等特性，大幅降低AI大模型部署与使用门槛。
　　大模型快速发展带来AI存储新要求。我们的互联网组在近期的AIGC行业趋势报告中提到AIGC行业趋势包括：1）大模型趋于分化，行业模型或成为普及关键；2）具身智能和多模态智能逐渐普及，3）ToB等应用场景落地成为关键。
　　我们观察到目前紫东太初大模型、讯飞星火大模型、ChatGLM认知大模型等，也都提到未来多模态等升级方向。而作为这些AI大模型趋势的硬件基础，我们会看到AI相关的运力、算力、存力三者的硬件需求高速成长。华为的AI存储新品正是致力于解决其中算力、存力等性能问题。
　　另外，针对数据流转的安全性和大模型训练的高效性两个问题，华为正在分别通过研究数据方舱和向量存储两个方式来解决。华为的部分研究结果已经在中信银行、贵州大数据局进行试点。
　　我们认为与半导体基本面周期一致，全球半导体存储器下行周期有望在今年触底。半导体存储，即大模型中存力的硬件体现，一直都是半导体市场重要的组成部分。因此，虽然半导体存储规模在过去20年保持整体增长趋势（图表4），但是也与半导体行业一致，呈现出明显周期性。这种周期性是行业供需变化导致，有多个维度可以体现。
　　一是存储行业收入增速呈现周期性变化。本轮存储行业下行周期开始于2021年，并预计在2023年触底，而后行业有望从2024年开始周期上行。根据WSTS的数据，全球半导体存储行业规模在2021年、2022年、2023年、2024年的增速分别为31%、-16%、-35%、+43%。因此，经历了约两年下行周期后，存储行业有望迎来高景气的上行周期阶段。
　　二是存储产品的价格由于供需关系会呈现周期性变化。以DRAMDDR34Gb 512Mx81600MHz的现货平均价为例，其价格波动的周期与全球半导体月度收入增速的周期保持大体一致的趋势（图表3）。
　　所以，我们判断半导体存储行业已经在下行周期底部附近。这不仅仅是因为DRAM等产品价格处于近10年来的历史低位，下行空间非常有限，还因为我们在此前半导体报告中提到的，随着半导体行业供需关系改善，行业基本面有望今年二三季度触底。
　　长期看，AI大模型等应用带来存储器行业需求长期增量。与此前发展较长时间的人工智能的机器学习、深度学习相比，人工智能大模型对于数据的量级、质量等有更高的要求。这就对存力，即半导体存储，提出了数量和性能上的要求。这会推动半导体存储行业长期增长。
　　AI大模型正在向多模态等方向不断演进，也正在赋能千行百业。随着数字化提升生产力，世界将加速迈入智能化。根据此前华为分析师大会的分享，预计到2025年，数字经济将贡献全球25%的经济体量，到2026年全球数字化的支出将达到3.41万亿美元。其中，部分支出将会进入AI大模型硬件基础设施的存储领域。因此，我们对于周期性变化的存储行业长期增长持乐观态度。
　　可关注产业链：在存储产业链，主要有芯片设计、晶圆制造、模组等环节。存储芯片设计主要厂商有三星、铠侠、SK海力士、兆易创新、北京君正、东芯股份、普冉股份等。存储晶圆制造主要厂商有三星、SK海力士、美光、长江存储、长鑫存储等。存储模组主要厂商包括Kingston、江波龙、佰维存储、德明利、朗科科技等。
　　投资风险：AI大模型发展进展低于预期；存储行业周期波动加剧，上行空间较小，上行时间较短；行业竞争加剧，拖累玩家利润；中美摩擦加剧，影响行业发展。