>> 招商证券-电子行业闪迪投资者日跟踪报告:AI推理驱动存储需求长期增长,NBM与高额回购重塑价值创造-260817
| 上传日期: |
2026/8/18 |
大小: |
1345KB |
| 格式: |
pdf 共7页 |
来源: |
招商证券 |
| 评级: |
推荐 |
作者: |
鄢凡,谌薇 |
| 行业名称: |
电子 |
| 下载权限: |
此报告为加密报告 |
|
|
闪迪在此次投资者日围绕AI推理需求、商业模式重构及股东回报系统阐述中长期成长路径:公司预计2030年数据中心Flash需求达到1.2ZB,其中KV cache占市场总需求35%;公司已与8家客户签署总价值939亿美元的NBM协议,价格下限对应约80%毛利率,支撑2028-2030年营业利润率维持75%;HBF可提供HBM约8-16倍容量及最高8倍资本效率,首颗裸片已完成tape-out并计划2027年送样;同时,公司承诺将业务投资后的超额现金100%返还股东。整体来看,闪迪正从高周期性的NAND供应商转向由AI需求驱动、长期协议保障盈利并兼具高股东回报的价值创造模式。 2030年数据中心Flash需求将达1.2ZB,KVCache占市场总需求的35%。在推理过程中,prefill生成上下文,decode逐token输出时需要反复调用此前状态,并生成大量KV cache。系统架构上,HBM和DRAM承载容量较小、实时调用的ephemeral KV cache,TLC/QLCSSD则分层承载温、冷数据及persistent KV cache;其中QLC适合fast data lake和冷数据,TLC适合靠近GPU的数据暂存、checkpoint及温KV cache。公司预计,2030年AI数据中心Flash TAM对应的位元规模将相当于2026年全行业1.2ZB出货量,persistent KV cache装机基础将达到约1ZB,KV cache将占2030年市场需求的35%,成为增长最快的AI数据中心工作负载。SanDisk实验显示,配备SSD的系统较仅使用HBM和DDR的系统能耗降低75%、token吞吐量提高75%,生成100万个token的耗电量仅约为后者的1/5;公司TLC及QLCESSD均已通过主要hyperscaler和OEM认证并开始出货,温KV cache产品可支持约3 DWPD,全盘写入能力约为传统SSD的10x。 已签署8份长协总价值超939亿美元,营业利润率将长期维持75%。公司目前已与8家客户签署NBM协议,其中包括3家美国hyperscaler,同时覆盖数据中心与边缘客户。①协议期限与定价:协议平均期限超过4年、最长5年,包含按季度乃至按月划分的采购量,定价则采用固定价格或带有价格下限、上限的浮动机制。②协议覆盖产能:最早一批协议今年1月才签署,但已有两家客户要求延长期限或增加采购位元;公司在两个季度内便将需求可见度由3个月延长至超过4年,目前约50%至三分之二的供应量已被纳入协议,FY2028覆盖比例预计达到66%,FY2029暂时维持相近水平,但仍将根据客户需求动态优化。③协议价值:目前NBM协议合同总价值TCV达到939亿美元,剩余履约义务RPO为911亿美元(两者均按价格下限计算),同时公司共获得165亿美元财务担保,其中29亿美元为客户保证金及信用支持、25亿美元已到账,其余主要由第三方金融机构提供。④协议利润率:即使按照最低价格,公司预计NBM协议在整个合同期内每年毛利率均约为80%,非NBM业务也可继续受益于现货市场上涨。在NBM逐渐成为主要业务模式的基础上,公司预计2028-2030年营收和位元出货量均实现mid-to-high teens增长,Non-GAAP毛利率约80%,营业利润率75%,调整后自由现金流利润率50%,资本密集度仅为收入的mid-single digits。为保障履约,公司延长铠侠JV协议并通过南亚科投资和供应协议锁定DRAM。 HBF能提高资本效率约8倍,现已流片计划2027年向客户交付设备。HBF是闪迪针对AI“内存墙”推出的High-Bandwidth Flash,公司目标是实现与HBM相当的读取带宽,同时提供后者8-16倍的容量,主要面向Mixture ofExperts稀疏模型、长上下文及大型KV cache等推理负载。公司提出四类HBF架构,包括全部以HBF替代HBM、HBF与HBM混合配置、以低容量HBM作为HBF缓存,以及将prefill与decode解耦并在decode端配置HBF。以4900亿参数Qwen 3多轮agentic编程工作负载为例,传统方案中单颗GPU配置192GBHBM,至少需要8颗GPU才能装下并运行模型;HBF方案单颗GPU容量约4TB,一颗HBFGPU即可运行,4颗HBFGPU便能达到8颗HBMGPU的token输出性能。公司测算,在最低Capex部署情景下HBF可将资本效率提高8倍,在最大token输出情景下可实现2倍GPU效率并将能耗降低一半,原因在于HBM容量耗尽后数据溢出至系统内存,会造成带宽损失并使GPU利用率下降近50%。除数据中心推理外,第二代HBF for the Edge还面向1000亿参数以上模型、机器人及自动驾驶等场景,希望实现能够长期保留个人上下文的“永不遗忘AI”。技术方面,首代HBF主要基于BiCS8并搭配更高性能CMOS,可复用现有产能及NAND路线图;生态方面,公司已与海力士推进开放标准,在OCP旗下联合Google、Tenstorrent成立联盟并发布首个公开规范,Meta也已加入。首颗HBF存储裸片已经完成tape-out并进入晶圆厂制造,计划2027年向客户交付首批推理设备样品。 公司持续加大股东回报力度,超额现金计划全部返还股东。公司明确了三层资本配置顺序:首先投资业务,包括技术研发、Opex、Capex、Nanya投资及延长Kioxia JV协议;其次维持强劲资产负债表和健康现金余额,公司已经偿还TLB、保持无债务状态,循环信贷额度尚未使用,综
|
|