大摩最近發了一篇針對群聯，討論度很高的報告，內容主要在講：
「群聯現在的高毛利，主要靠的『賣出前幾年買的低價庫存』，等到2026下半年，低價庫存會逐漸用盡，到時候毛利率就會回歸正常水準。」
針對大摩的報告，我認為部分正確，但也有明顯的盲點。正確的部分：群聯當前獲利亮眼，的確很大程度仰賴「低價庫存紅利」。在 2024-2025 年 NAND 景氣低谷時，群聯大量囤貨，成本遠低於現在市價。當 2026 年 AI 需求推升價格時，賣出這些庫存自然創造高毛利。
不同意的部分：大摩預測 2026 下半年低價庫存就會「逐漸用盡」，導致毛利率快速回落。這點過於保守，甚至可能低估了 NAND 市場的結構性變化。
先不談群聯的 eSSD 在 AI 的技術佈局，這部分有時間另外再講。
我們單純先討論「低價庫存」的邏輯。
假設 NAND 的報價在 3-5 年的時間內，呈現穩定上漲的趨勢，那群聯今年購入的庫存，不就會變成明年的低價庫存？也就是說，大摩的邏輯，本質上建立於一個前提：NAND 價格不會繼續大幅上漲，甚至可能見頂回落。
為什麼 NAND 的報價上漲的機率大？
關鍵在於 AI 帶來的供需結構性失衡：
- 2026 年 NAND 位元需求成長率（Bit Demand Growth）：預估 20-22% YoY（年比年）。
- 供給位元成長率（Bit Supply Growth）：僅 15-17% YoY（部分報告甚至更保守，如 mid-teens）。
可以看出 AI 帶來供需缺口約有 3-7%，而且有持續短缺的趨勢。
供給端為何跟不上？原廠（如三星、SK 海力士、美光、鎧俠）資本支出謹慎，優先投入高附加價值技術（更高層數 3D NAND、QLC 優化），而非大規模擴產位元數。消費級產能（如 MLC）已大幅縮減逾 40%，產能幾乎全數轉向 AI 企業級產品。
需求端則完全被 AI 重新定義。AI 應用不像傳統伺服器只需少量儲存，而是產生海量資料，需要高速、大容量、低成本的儲存層級。主要分為兩階段：
AI 訓練（Training）階段：
需要儲存巨量訓練資料集、模型參數快照、中間結果與日誌。 每個訓練叢集可能產生數 TB 到 PB 級資料，需頻繁 checkpointing。 傳統 HDD 容量大但速度慢，AI 訓練偏好高容量 QLC/TLC NAND SSD 作為近線儲存，部分取代 HDD 以提升效率。
AI 推論（Inference）階段：
推論是 AI 實際應用（如 ChatGPT、Gemini、Copilot 生成回應），每天產生海量查詢。 關鍵瓶頸在 KV Cache（Key-Value 快取，用於注意力機制）：長上下文模型可能累積數十 GB 甚至 TB 級快取。 若全靠 HBM/DRAM 儲存，成本高、容量有限，技術趨勢轉向 以 NAND SSD 作為「第三層級記憶體」，卸載 KV Cache 並快速讀取，可加速 Time to First Token（TTFT）4-10 倍。
再舉個生活化的例子：現在 AI 產文、產圖、產影片的功能越強大，Hyperscalers（如 Google、Microsoft、Meta）不僅讓使用者每天產生更多數據，還必須幫你儲存這些「海量數據」。現在的趨勢是 AI 越好用，帶動的儲存需求就越高。
再加上 NAND 擴產速度慢（原廠已售罄 2026-2027 年產能，甚至要求 3 年預付款），這波供需失衡很可能維持數年。
總結來說，大摩報告點出了群聯短期紅利的來源，但低估了 AI 帶來的長期結構性需求。群聯若持續鎖定供應，現在購入的 NAND 在未來很可能成為「新低價庫存」，讓毛利率紅利延續更久。當然，若是 AI 投資降溫，或是原廠產能大爆發，還是會對群聯產生不小的負面影響。
