开源与开放权重模型不是存储需求威胁，而是在放大存储 TAM
AI 摘要卡
开源与开放权重模型不是存储需求威胁，而是在放大存储 TAM
美银认为，中国开放模型的低 API 定价主要来自商业模式、架构效率、基础设施成本和补贴，而不是存储硬件需求下降；模型权重扩大和自托管端点增加反而利好 MU 与存储产业链。
- 中国开放模型 API 价格可比西方模型低 5-350 倍，但美银认为这不等同于硬件成本同比例下降。
- Kimi K3 虽采用 MXFP4 和 MoE 等效率技术，仍需约 1.4TB HBM、64+ 加速器才能服务推理。
- 开放模型每一次下载和自托管都会新增客户侧内存端点，而封闭模型通常集中在少数云数据中心共享权重。
- MoE、量化和 KV cache 压缩降低计算强度，但总参数和上下文窗口增长更快，继续推升 HBM、DRAM、NAND 需求。
- 美银重申 MU Buy，目标价 US$1,550，并认为 CHIPS Act 回购限制到期后可能释放大规模回购能力。
研报解读
概览
本报告围绕“开放权重和中国 LLM 是否会削弱存储需求”展开。美银的结论是相反的：低价 API 并不代表硬件需求下降，开放模型通过模型权重本地部署、自托管和更多推理端点，扩大了 HBM、DRAM 与 NAND 的市场总规模。报告以 Kimi K3、DeepSeek、Qwen、GLM、gpt-oss 等模型为案例，并将该主题映射到 Micron Technology, Inc 的投资观点。
核心观点
核心观点包括：第一，开放模型仍必须将模型权重常驻快速内存，活跃参数下降主要减少计算量而非总权重内存；第二，中国模型的价格优势更多来自 MoE 稀疏化、MLA/KDA 注意力压缩、低比特量化、电力/人工/土地成本优势及可能的补贴；第三，开放权重模型将封闭 API 的集中式内存需求拆分为大量企业、政府和云端自托管端点，从而复制更多 HBM 池和 KV cache 容量；第四，模型规模、上下文窗口和多智能体工作负载增长速度快于效率提升，Jevons Paradox 使总需求继续扩大；第五，CXMT 对 AI HBM3E/HBM4 的竞争威胁有限，MU 仍是主要受益标的。
分析框架
报告采用主题驱动的行业研究方法，将开放/封闭模型部署模式、模型参数规模、权重内存、API 定价、架构效率和基础设施成本进行对比，再把结论落到存储器需求和 MU 估值上。分析同时使用模型列表、价格与权重内存表、AI 排名、token 使用增长、Kimi K3 与 DeepSeek 等案例，以及 Micron 的分部估值和回购情景。
方法论与常识提炼
开放模型会把权重部署从集中式云端扩散到多个客户自托管端点。
封闭模型由少数云数据中心共享同一套 HBM 权重池；开放权重模型被企业、政府和云服务商下载后，每个部署都需要独立的 HBM、DRAM、NAND 和 KV cache 容量，因此端点数扩张会放大存储需求。
活跃参数减少计算量，但总参数决定权重常驻内存。
Kimi K3 每个 token 只激活 50B 参数，但 MoE 路由会动态选择专家，因此完整专家池仍需驻留在邻近快速内存中，HBM 容量更接近总参数而非活跃参数。
效率提升会降低单位成本，但可能诱发更大的总使用量。
报告认为低价 API、模型推理成本下降和多智能体工作负载会带来更多 token 和更多部署，整体需求增长大于 MoE、量化和 KV cache 压缩带来的效率收益。
分部估值将传统周期存储与 AI HBM 业务分开估算。
美银的 US$1,550 目标价基于 SOTP：传统周期存储业务按 CY28E 3x P/B 估值，AI HBM 业务按 CY28E 31x PE 估值。
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
- 受益于 HBM、DRAM、NAND 需求上升；AI HBM 业务被纳入高倍数估值；CHIPS Act 回购限制到期后可能恢复大规模回购。
- 劣势
- 仍暴露于存储 ASP 周期、终端需求波动和竞争加剧。
- 对比
- 报告认为 CXMT 主要面向消费和大宗 DRAM，尚未在 HBM3E/HBM4 形成直接威胁。
- 风险
- 存储 ASP 下跌超预期、中国新进入者竞争、对大型竞争对手失去份额、数据中心/智能手机/PC 需求走弱。
- HBM / HBM3E / HBM4开放模型部署和 AI 推理扩张的直接受益环节
- 优势
- 大型开放权重模型需要将权重和 KV cache 驻留在高速内存中，端点复制会增加 HBM 池数量。
- 劣势
- 效率技术和低比特量化会降低单位模型的内存位数需求。
- 对比
- 封闭模型集中部署并共享 HBM；开放模型在多个客户集群复制权重。
- 风险
- 若开放模型商业化不及预期或客户转回封闭 API，端点扩张速度可能低于预期。
- Chinese open-weight LLMs：Kimi、DeepSeek、Qwen、GLM、MiMo需求扩张催化剂，同时也是价格扰动来源
- 优势
- 低 API 价格、开放权重和接近前沿模型的能力提升推动 token 使用和自托管部署。
- 劣势
- 低价可能依赖补贴、亏损获客或容量约束，未必反映可持续成本结构。
- 对比
- 相较 Anthropic、OpenAI、Google 等封闭模型，中国开放模型以更低价格和开放部署扩大采用面。
- 风险
- 订阅暂停、GPU 容量不足、补贴不可持续、政策与供应链限制。
- CXMT潜在竞争变量
- 优势
- 中国本土存储产能扩张，全球晶圆产能占比已达低双位数。
- 劣势
- 报告认为其重点仍在消费和大宗 DRAM，而非 AI HBM3E/HBM4。
- 对比
- 相较 MU，CXMT 在高端 AI 内存领域的直接竞争力被报告判断为有限。
- 风险
- 若技术突破或获准进入美国 OEM 供应链，竞争压力可能上升。
关键数据
- Kimi K3 权重内存约1.4TB HBM / 64+ accelerators per serving instance报告认为该需求与 Moonshot 的低 API 定价无关，是运行模型所需的硬件内容。
- Kimi K3 模型规模2.8T total parameters；每 token 激活约50B 参数MoE 降低推理计算强度，但总权重仍需驻留内存。
- 开放模型规模增长DeepSeek-V3 671B；Kimi K2 1T；DeepSeek-V4-Pro 1.6T；Kimi K3 2.8T报告强调前沿开放权重模型参数规模持续上升，直接推升权重内存需求。
- 中国模型 API 价格可低于西方模型约5-350倍；Kimi K3 为 US$3/M input、US$15/M output美银认为低价更多反映商业模式和补贴，并非硬件成本等比例下降。
- 架构效率优势约2-3x per token来源包括 MoE 稀疏化、MLA/KDA attention、FP8/MXFP4 等低比特量化。
- 基础设施成本优势约1.5-2x per token中国电力、人工、土地和数据中心相关成本低于美国 hyperscaler 区域。
- 全球 token 使用2025 年以来平均每周 +6%；2026 年以来平均每周 +9%报告称 2026 年 7 月中国模型贡献约70%的 tokens。
- MU 目标价与当前价目标价 US$1,550；当前价 US$865.46隐含上行约79%，评级为 Buy / C-1-7。
- MU 潜在回购约US$50-60bn/年；约占 US$1Tn 市值的5-6%/年基于 US$120-130bn/年+ FCF 展望和 40% payout policy 情景。
影响与含义
投资含义是，开放权重和中国低价模型对存储器并非负面冲击，而是可能扩大 AI 存储需求曲线。受益方向包括 HBM3E/HBM4、服务器 DRAM、LPDDR5X/DDR5、企业 NAND 与 AI 推理端存储层级。对 MU 来说，报告将开放模型端点扩张、AI HBM 需求、CXMT 在高端 AI 内存竞争力有限以及未来回购恢复作为重申 Buy 的核心依据。
风险
- 存储器 ASP 下跌幅度大于预期。
- 中国新进入者带来更强竞争。
- MU 向大型竞争对手丢失市场份额。
- 数据中心、智能手机或 PC 等主要终端需求走弱。
- 开放模型低价可能来自补贴或亏损获客，若补贴退坡，需求扩张节奏可能变化。
- 模型效率提升、量化和 KV cache 压缩若超过端点增长和工作负载增长，可能削弱单位存储需求。
后续跟踪
- Kimi K3、DeepSeek、Qwen、GLM 等开放权重模型的下载量、自托管部署量和实际推理容量。
- 中国模型 API 价格是否持续，以及低价是否伴随容量限制或订阅暂停。
- HBM3E/HBM4 供需、价格、客户认证和 MU 份额变化。
- CXMT 是否从消费/大宗 DRAM 向 AI HBM 领域推进。
- MU 的 CHIPS Act 回购限制到期节奏、FCF 表现和回购政策。
- 多智能体、长上下文和推理型工作负载对 tokens per query 与 KV cache 容量的拉动。