存储产业分析方法

先定边界

存储不是一个同质行业，先切层：

建议默认主线：以 DRAM + NAND（含 SSD） 为核心；HDD、企业存储、云存储作上下游延伸。写报告开头用一句话界定范围。

1. PESTEL：外部环境怎么约束存储

按题找证据，不要空写：

1. Political / Legal：出口管制、对华设备/先进制程限制、数据本地化、反垄断（产能与并购）
2. Economic：服务器/手机/PC 资本开支、美元利率（影响资本开支与库存）、汇率（韩元/日元成本）
3. Social：手机换机周期、内容与 AI 数据量增长（对容量需求）
4. Technological：HBM、QLC/PLC、CXL、NVMe、存算一体；制程节点与良率
5. Environmental：晶圆厂能耗、水耗、ESG 对扩产审批的影响

产出：3–5 条「未来 3 年最可能改写供需的外因」。

2. 波特五力：解释「为什么暴利/为什么亏」

存储（尤其 DRAM/NAND）五力特征很鲜明：

1. 现有竞争 高度寡头（三星、SK 海力士、美光；NAND 还有铠侠、西部数据等）。比拼的是扩产节奏、技术节点、产品组合（HBM vs 常规 DRAM），不是单纯低价促销。
2. 新进入者 极高：资本开支、工艺、人才、客户认证。关注「国家队/新玩家」是否改变长期供给，而非短期份额。
3. 替代品 介质之间有替代（HDD↔SSD、DRAM↔新兴内存），但系统级往往是分层共存。替代更多体现在「单位容量成本曲线」和「性能层级迁移」。
4. 买方议价 云巨头、手机/服务器 OEM 集中采购，量大、规格严；消费零售端议价弱。分客户类型写。
5. 供方议价 设备（ASML 等）、硅片、化学品、主控/固件生态。先进节点设备供给常是瓶颈。

产出：一张「利润池在谁手里」的判断——晶圆厂、模组厂、云厂商、设备商，各自吃哪一段。

3. 生命周期 + 「存储超级周期」

存储有双重时钟：

1. 长期：数字化/AI → 位元需求（bit demand）趋势向上
2. 短期：经典库存周期——扩产 → 过剩 → 跌价 → 减产 → 短缺 → 涨价

分析时固定问四件事：

1. 下游库存（OEM/渠道）几个月？
2. 晶圆厂稼动率 / 减产幅度？
3. ASP（平均售价）环比方向？
4. 资本开支指引是扩还是砍？

产出：当前处于周期的哪一段（底部修复 / 景气上行 / 见顶 / 下行），以及领先指标清单。

4. 价值链：拆「钱在哪一层赚」

建议画一条链：

设备与材料 → 晶圆制造（DRAM/NAND）→ 封装测试 → 模组/SSD → 品牌/渠道 或 直供云/OEM → 云存储服务

每层看：

1. 毛利率与 ROIC
2. 客户认证周期（企业级很长）
3. 差异化来源：HBM、企业级固件、可靠性、软件栈

AI 时代特别加一条支线：HBM + 先进封装 是否把利润从「大宗 DRAM」挪到了「高端少量」。

5. SCP / 竞争格局

1. Structure：各品类 CR3、份额、产能分布（地域与公司）
2. Conduct：联合减产、产品组合上移（HBM）、长约 vs 现货、 bundling
3. Performance：营业利益率、库存天数、自由现金流

对比 现货价 vs 合约价、消费级 vs 企业级，避免用一个均价概括全行业。

6. 财务与量价模型

最小可用模型：

再拆：

1. 需求：服务器（含 AI）、手机、PC、汽车、工控；AI 单独拆 HBM/高容量 SSD
2. 供给：名义产能 × 稼动率 × 制程带来的 bit growth
3. 价格：合约价走势 + 现货溢价/折价
4. 盈利：固定成本高 → 稼动率对利润极敏感（经营杠杆）

关键跟踪指标（建议做成仪表盘）：

1. DRAM/NAND 合约价、现货价
2. 原厂与渠道库存周数
3. 资本开支与 Evaporation / Wafer starts
4. 服务器/手机出货与云 Capex
5. HBM 供给与绑定客户进展

7. 推荐分析流程

1. 定范围：只做 DRAM？还是 NAND+SSD？是否含 HDD/云？
2. 画地图：玩家、份额、产能、客户结构
3. PESTEL：筛出 3 个真正重要的外因
4. 五力 + 利润池：判断议价权上移还是下移
5. 定周期位置：用库存、ASP、稼动率交叉验证
6. 价值链定位：你关心的公司卡在哪一层、护城河是什么
7. 情景：乐观/基准/悲观（需求增速 × 扩产节奏），看价格与利润弹性
8. 结论三问：
9. 行业中长期是否仍有位元需求？
10. 未来 4–6 个季度供需与价格方向？
11. 价值最可能沉淀在原厂、模组、设备还是云？

8. 存储产业分析时最容易踩的坑

1. 把 DRAM 和 NAND 当成同一个周期（经常错位）
2. 忽略 AI/HBM 导致的「总量一般、结构极好」
3. 只用终端出货、不看渠道库存
4. 模组厂与原厂混谈（商业模式差很多）
5. 用消费 SSD 价格推断企业级/云需求