开源模型扩大存储需求，MU维持买入

概览

本报告讨论美国半导体行业中的存储芯片投资机会，重点解释为什么中国开放权重大模型和低价API并不会削弱存储需求，反而可能通过更大的模型权重、更长上下文窗口和更多自托管部署端点扩大HBM、DRAM与NAND的总需求。报告同时将该逻辑映射到Micron Technology, Inc（MU），并维持买入评级。

核心观点

核心观点是：开放模型降低了使用门槛并扩大推理工作负载，但硬件层面的存储需求仍由总参数量、权重常驻、KV cache和部署端点数量决定。中国模型的价格优势更多来自MoE稀疏化、MLA/KDA等注意力优化、低比特量化、较低电力与人工成本、补贴或抢份额定价，而不是同等比例的HBM/DRAM/NAND成本下降。随着Kimi K3、DeepSeek等开放权重模型规模继续上升，开源生态会把原本集中在闭源API中的存储需求复制到客户侧硬件，形成对存储行业的增量利好。

分析框架

报告从模型经济性、模型架构、硬件存储映射和部署模式四个层面进行分析：先比较中国模型与西方模型的API定价，再拆分成本优势来源；随后用总参数量、活跃参数、量化精度和HBM容量说明计算效率与存储容量并非同一变量；最后比较闭源API集中部署与开放权重多端点自托管部署对存储需求的差异，并将结论连接到MU、CXMT和AI存储竞争格局。

方法论与常识提炼

• AI infrastructure demand analysisOpen-weight endpoint multiplication

  开放权重端点复制

  闭源模型通常由少数云数据中心集中承载权重，而开放权重模型会被企业、政府和云客户下载并部署到各自硬件中，导致同一模型权重在多个HBM池中重复常驻，从而放大存储需求。

• Model architecture analysisMoE total parameters versus active parameters

  MoE总参数与活跃参数分离

  MoE可以降低每个token激活的专家数量和计算量，但路由会动态选择专家，因此完整专家池仍需靠近计算端常驻，HBM容量更接近总参数量而不是活跃参数量。

• Demand elasticityJevons Paradox

  杰文斯悖论

  效率提升和低价API会降低单位使用成本，进而刺激更多推理、智能体和长上下文工作负载，需求增长可能超过效率提升带来的节省。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• Micron Technology, Inc (MU)

  核心受益标的

  优势

  具备HBM、DRAM和NAND敞口，受益于开放权重模型带来的多端点存储复制；CHIPS Act回购限制到期后可能开启大规模回购。

  劣势

  传统存储业务仍具有周期性，受ASP波动和终端需求影响。

  对比

  报告认为CXMT短期主要集中在消费/商品DRAM，尚非HBM3E/HBM4直接竞争者。

  风险

  存储ASP跌幅超预期、中国新进入者竞争加剧、份额流失、数据中心/智能手机/PC需求走弱。

• CXMT

  潜在竞争者

  优势

  中国本土存储产能积极扩张，已达到全球晶圆产能低双位数占比。

  劣势

  主要面向消费和商品DRAM，AI HBM能力和美国OEM采购批准仍存在不确定性。

  对比

  相比MU，报告认为CXMT对AI存储的直接威胁有限。

  风险

  若技术升级或政策批准加速，可能加剧存储行业竞争。

• HBM / DRAM / NAND

  产业链直接受益资产类别

  优势

  模型权重常驻、KV cache、长上下文和多端点自托管均增加存储内容量。

  劣势

  需求节奏依赖AI部署强度、模型规模延续性和资本开支。

  对比

  相较单纯GPU计算需求，存储需求更直接受总参数量和部署复制影响。

  风险

  模型压缩、量化和架构优化若超预期，可能降低单位模型的存储增量。

关键数据

• Kimi K3权重规模2.8T parameters报告称Kimi K3于2026年7月16日发布，是当时最大的开放权重模型。
• Kimi K3单实例HBM需求约1.4 TB HBM，64+ accelerators即使API价格较低，部署该模型仍需要大规模高带宽存储。
• OpenAI oss-120b权重内存约63 GB报告用其与Kimi K3的MXFP4精度进行近似对比，说明权重内存与总参数量大体同步。
• 全球token使用增长2025年以来平均每周+6%，2026年以来平均每周+9%报告引用OpenRouter API口径，并称2026年7月中国模型约占70% token使用量。
• 中国模型成本优势来源架构效率约2-3x；基础设施成本约1.5-2x包括MoE稀疏化、MLA/KDA、FP8/MXFP4量化，以及电力、人工、土地成本优势。
• MU目标价$1,550基于分部估值：传统周期存储业务按CY28E P/B约3x，AI HBM业务按CY28E PE约31x。
• 潜在回购能力约$50-60bn/年报告假设MU未来几年FCF为$120-130bn/年以上，40%派息政策对应约5-6%市值的年回购。
• CXMT产能位置全球晶圆产能低双位数占比报告认为其主要面向消费/商品DRAM，短期不是HBM3E/HBM4的直接威胁。

影响与含义

若报告判断成立，开放权重大模型的普及将把AI基础设施投资从少数闭源API服务商扩散到更多企业、政府与云端自托管场景，提升HBM、DRAM、LPDDR5X/DDR5和企业级NAND的内容量。对资产映射而言，存储供应商尤其是MU受益于AI HBM和多层存储需求增长；同时，GPU、服务器和云服务生态也会因推理工作负载扩大而受益，但API低价竞争可能压缩模型服务商短期盈利。

风险

• 存储ASP下降幅度大于预期。
• 中国存储新进入者竞争强于预期。
• MU向大型竞争对手丢失份额。
• 数据中心、智能手机或PC等主要终端市场需求走弱。
• 中国AI模型低价可能来自补贴或亏损抢份额，若不可持续，需求扩张节奏可能波动。
• 模型压缩、量化、KV cache优化等效率技术若继续快速突破，可能部分抵消单位部署的存储需求。

后续跟踪

• Kimi K3、DeepSeek、GLM、Qwen、Hunyuan、MiMo等开放权重模型的参数规模、下载量和自托管部署量。
• HBM3E/HBM4供应、价格、客户认证和MU份额变化。
• 中国模型API价格是否可持续，以及是否继续出现订阅暂停、补贴或大幅降价案例。
• CXMT在HBM或高端DRAM方向的技术进展及美国OEM采购审批。
• MU在2026年12月前后CHIPS Act回购限制解除后的资本回报政策。
• 长上下文、智能体和多代理工作负载的token消耗增长速度。