野村标题非常直接：

Real AI boom is here, embrace the new regime真正的 AI 繁荣已经到来，拥抱新周期。

野村从底层需求函数出发拆解了这轮存储超级周期的本质。

过去 AI 主要是训练需求，所以市场盯 GPU、HBM。但现在 AI 从训练转向推理，尤其 RAG、Agentic AI、Reasoning token 爆发后，内存需求开始指数级增长，AI 内存需求由多个变量相乘驱动：

用户数 × 使用时长 × AI 任务复杂度 × reasoning token 消耗 × agentic AI token 使用量……

野村甚至写得很夸张：

10 × 200 × 30 × 10 × …

它认为未来 5 年内，AI 驱动的存储需求可能增长数千倍。

但供给端呢？

野村认为行业供给未来 5 年最多增长 5-6 倍，对应 CAGR 约 30%。

这就是全文最核心的矛盾：

需求是指数函数，供给是线性扩产。

这不是普通周期错配，而是结构性短缺。

二、三重超级周期

传统存储周期的剧本是：

价格上涨 → 厂商疯狂扩产 → 供给过剩 → 价格崩盘 → 股价杀估值。

所以过去三星、海力士、美光长期低估值，有原因。

但野村认为这轮不同，核心变化是两个：

1、AI 需求不是单一 HBM，而是“三重超级周期”

研报明确说，从 2025 年三季度开始，存储进入：

Commodity DRAM + HBM + SSD 三重超级周期。

也就是说，AI 不只是买 HBM。

推理和 Agentic AI 的真实需求是：

GPU/HBM 负责高带宽计算，CPU/DRAM 负责调度、RAG、KV-cache、系统内存，SSD/NAND 负责海量缓存和低成本容量扩展。

这点非常关键。

市场之前的理解是：

AI = GPU + HBM。

野村这份报告的理解是：

AI = GPU + HBM + DRAM + NAND + SSD + CPU。

存储从“服务器配角”，变成 AI 系统的核心瓶颈。

2、LTA 长协改变行业利润波动性

过去存储厂商赚到高利润，市场会问：

“这利润能持续吗？”

野村现在的判断是：可以持续更久。

原因是长协 LTA 正在变得越来越硬。

研报提到，现在的存储 LTA 不只针对 CSP 云厂商，也覆盖更广泛的客户，并且越来越常见：

3-5 年最低合同期、预付款、capex support 承诺。

这让取消合同变得困难，实际相当于把存储厂商未来几年的盈利锁住。

野村的结论很激进：

存储厂商稳定盈利前景，不再主要依赖 LTA 本身，而是依赖结构性需求环境。

翻译一下就是：

不是因为客户愿意签长约，所以存储景气。

而是因为客户怕拿不到货，所以被迫接受长约。

这就是产业链权力关系反转。

三、不同 AI 使用场景的 token 消耗

野村研报中给了一张非常有杀伤力的表：不同 prompt case 的 token 消耗。

野村用它解释为什么 Agent AI 会把存储需求彻底拉爆。

原汁原味数据如下：

这张表非常关键。

它告诉你一件事：

AI 使用场景一旦从“问答”进入“Agent 工作流”，token 消耗不是线性增加，而是数量级跃迁。

简单问天气：30 token。RAG 问题：6,040 token。Agent 做模型和公司报告：30,500 token。1 小时视频：1 亿 token。

这就是野村为什么敢说未来存储需求可能是“几千倍”增长。

因为推理时代不是每个人每天问几个问题，而是：

每个人背后跑一堆 agent，每个 agent 背后调用 RAG、工具、模型、记忆、上下文、输出。

真正吃存储的，不是 prompt。

是上下文、缓存、检索、长期记忆、并发 agent。

四、全球数据中心 capex：存储占比快速上升

野村研报中给了全球 DC capex 和 memory demand 的测算。

核心数据如下：

这个数字极其夸张。

2024 到 2030，全球数据中心 capex 从 6680 亿美元 增长到 6.127 万亿美元。

约 9.2 倍。

数据中心带来的存储需求多恐怖？看图：

更离谱的是存储占全球 DC capex 的比例：

也就是说，野村认为：

从 2026 年开始，数据中心 capex 里存储占比直接从个位数跃迁到 20%+。

这就是重估的底层基础。

五、全球存储收入：野村给到 2030 年 2.625 万亿美元

野村拍的全球 memory revenue：

这是非常非常激进的产业空间假设。

2025 年全球存储收入 2640 亿美元。2030 年 2.625 万亿美元。

5 年接近 10 倍。

而其中 DC 占 memory revenue 比例：

这意味着存储行业的需求结构也变了。

过去存储需求由 PC、手机、消费电子驱动。

未来主导需求变成：

数据中心 + AI + 企业推理 + agentic workloads。

这是存储从周期品变成 AI 基建品的核心。

六、OpenAI capex 下的存储 TAM：Memory / Logic 越来越高

野村按照 Nvidia 架构测算 OpenAI capex 对 logic 和 memory 的 TAM：

这个表的含义非常重要：

越到下一代架构，memory 相对 logic 的价值量越高。

Blackwell：Memory / Logic = 225%Rubin Ultra：Memory / Logic = 601%

也就是说，在野村框架里：

AI 服务器不是越来越“GPU 独大”，而是越来越“存储瓶颈化”。

这也解释了为什么它敢把三星、海力士和台积电类比。

过去市场给台积电高估值，因为它是先进制程瓶颈。

现在野村认为：

存储也正在变成 AI 价值链瓶颈。

七、供给端：扩产很快，但还是不够

几个重点数据，全球 DRAM wafer capacity，年底口径：

HBM wafer capacity，年底口径：

Commodity DRAM wafer capacity，年底口径：

这个很关键。

HBM 扩得很快，但 commodity DRAM 扩得很慢。

所以野村的逻辑是：

HBM 紧，commodity DRAM 也紧，NAND 也紧。

不是单点短缺，是全行业 supply discipline + AI 需求外溢。

八、估值核心：三星、海力士现在太便宜

直接上估值表：

三星和海力士的便宜不是一点点。

尤其是对比美光：

三星 2027E PE 4.5x。海力士 2027E PE 4.1x。美光 2027E PE 7.5x。

野村认为这是不合理的。

因为 2027 年是新 LTA 周期第一年，三星和海力士的 OP 可能远超美光，甚至达到台积电利润的数倍，但估值却只有 12MF PE 约 6x。

说结论：

野村给了三星电子的目标价是从 340,000 韩元 上调到 590,000 韩元，隐含上涨空间118.1%，估值方法是用 5.0x 目标 P/B × 12MF BVPS 117,669 韩元。此前目标 P/B 是 3.0x，现在提升到 5.0x，提升幅度 67%。原因是长期 LTA + AI 需求结构性增长，降低存储行业风险溢价。

三星建模：

野村给了SK海力士从2,340,000 韩元上调到 4,000,000 韩元，隐含上涨空间119.9%。估值方法：6.0x 目标 P/B × 12MF BVPS 673,248 韩元。此前目标 P/B 是 3.5x，现在提升到 6.0x，提升幅度 71%。

野村研报列了三个市场最关心的风险。

1、CSP capex 能不能持续？

市场担心：

云厂商烧钱太猛，AI 变现不足，最后 capex 砍单。

野村认为这个担心已经有点过时。

它认为 AI 需求已经越过 singularity point，主要驱动已经变成：

企业 AI + sovereign AI。

云厂商 FCF 可能短期下降，但 OCF 已经比市场预期更快增长。

换句话说：

不是云厂商疯了，而是它们看到了未来利润池。

2、美国数据中心建设是否受电力约束？

这是野村承认的实质风险。

它认为美国数据中心建设可能低于预期，特别是电力短缺。

研报甚至说，存储行业未来可能需要通过卫星图像监控数据中心建设进度。

这个表述很有意思。

说明野村也知道：

存储需求最终要靠真实机房、电力、服务器落地。

如果美国电力基础设施跟不上，存储短缺也可能阶段性缓和。

3、利率上升影响非云运营商项目融资

野村指出，CSP 直接投资大约只占总数据中心投资的一半。

另一半很多来自非云运营商，他们依靠和 CSP 签长期云购买协议来融资。

这类项目对融资成本敏感。

如果通胀导致长债利率上升，项目风险会上升。

同时，野村还说：

仅存储价格上涨，今年可能对美国 CPI 贡献超过 0.8%。

这个判断非常夸张。

意思是：存储涨价本身可能反过来推高通胀，进而推高利率，影响数据中心融资。

这就是这轮周期的宏观反馈环。