存储测试机专题：AI算力催生HBM带动测试机新需求，国产设备商加速突破

首席证券分析师：周尔双执业证书编号：S0600515110002zhouersh@dwzq.com.cn 证券分析师：李文意执业证书编号：S0600524080005liwenyi@dwzq.com.cn ⚫存储持续涨价&两存上市在即，看好存储未来扩产持续性。自2024年底以来，在AI算力需求拉动下，DRAM与NAND Flash现货价格均进入快速上行通道，DDR4（8Gb）2024年底到2026年6月涨幅超17倍，DDR5（16Gb）2025年11月至2026年6月底涨幅约4.9倍。长鑫存储2025年营收618亿元，2026Q1营收同比+719%，产能利用率长期维持90%以上，资本开支持续高位。中国头部存储厂商与国际龙头产能差距显著，后续扩产空间广阔。 ⚫AI算力催生HBM需求，HBM成为AI芯片主流方案。AI服务器出货量2023-2025年接近翻倍，Trendforce预计2026年达275万台。HBM凭借高带宽、低延迟、低功耗优势成为应对内存墙的核心技术，在AI服务器BOM中价值量占比快速提升。2025年HBM市场基本由SK海力士（占据市场份额58.3%）、三星和美光占据，海外龙头已陆续实现HBM4量产，国内长鑫存储预计2027年实现HBM3e量产。 ⚫HBM堆叠对测试机提出KGSD等新需求，存储测试机需求量价齐升。HBM采用3D堆叠架构，测试重心前移至KGSD测试环节，测试道数由传统DRAM的3–4道提升至15道以上，存储测试机需求约为传统DRAM的5–6倍。HBM对测试设备在供电能力、时序精度、高并行测试能力及测试算法等方面均提出更高要求。 ⚫存储测试机国产化率极低，国产替代空间广阔。存储测试机市场2025年由爱德万（占据市场份额61%）和泰瑞达（占据市场份额24%）主导，国内国产化率仅8-10%，显著低于其他测试设备细分赛道，是半导体设备自主可控的重要短板。地缘政治环境复杂化背景下，国产替代逻辑强化，国内厂商正加速布局。 ⚫投资建议：重点推荐国内存储测试机领先布局厂商，重点推荐【长川科技】、建议关注【精智达】、 【联讯仪器】、【悦芯科技（未上市）】。 ⚫风险提示：封测设备需求不及预期、技术研发不及预期、行业竞争加剧。 一、存储持续涨价&两存上市在即，看好存储未来扩产持续性 二、AI算力催生HBM芯片需求，多采用堆叠技术提升容量和带宽 三、HBM堆叠对测试机提出KGSD等新需求，国产测试机厂商迎来黄金机遇期 四、投资建议 五、风险提示 1.1存储持续涨价&两存上市在即，看好存储未来扩产持续性 ⚫自2024年底以来，在AI大模型训练与推理算力需求爆发、全球数据中心服务器大规模扩容的强劲拉动下，存储芯片供需格局持续趋紧，DRAM与NAND Flash现货价格均进入快速上行通道。其中，DRAM涨幅尤为显著，DDR4（8Gb 2666Mbps）现货平均价由2024年底的约8.1美元飙升至2026年6月底约140美元，涨幅超过17倍；DDR5（16Gb）自2025年11月产生现货报价以来，价格由20美元快速上涨至2026年6月底的117.5美元，涨幅约4.9倍，新一代高速内存正加速渗透AI服务器市场，成为算力扩容的核心瓶颈。NAND Flash同样呈现强势反弹，64Gb MLC现货价由2024年底的约4.3美元回升至2026年6月的约28.2美元，涨幅约6.5倍；32Gb MLC同期由约2.3美元上涨至14美元，涨幅约6.2倍。整体来看，随着AI算力基础设施建设方兴未艾，服务器对高带宽、大容量存储的依赖度显著提升，存储芯片作为算力核心组件，涨价逻辑有望延续。 1.1存储持续涨价&两存上市在即，看好存储未来扩产持续性 ⚫长鑫存储营收持续扩大，根据公司招股说明书，2025年实现营收618亿元。随着产品品类增多&先进产品放量，长鑫存储2022-2025营收CAGR超100%，2026Q1营收508.1亿元，同比增长719%，环比增长23%。长鑫预计2026H1营收1100至1200亿元，预计同比增长约613%至677%，预计归母净利润500至570亿元，预计同比增长2244%至2544%。 ⚫先进产品突破&工艺提升&存储涨价带动长鑫业绩反转。随着公司工艺稳定、高毛利先进产品批量出货公司2025年实现扭亏为盈，2026Q1归母净利润大幅提升至近250亿元。 1.1存储持续涨价&两存上市在即，看好存储未来扩产持续性 ⚫长鑫产能利用率长期维持高位，2025产能利用率达95.7%。2024年以来长鑫产能利用率维持超90%，2025产能利用率达95.7%，反映出下游需求持续旺盛，后续新建产能的落地节奏将成为关键。 ⚫长鑫资本开支持续维持高位。长鑫持续扩产&加大先进产能建设，长鑫构建资产现金支出2024年/2025年分别达712.3/497.4亿元。2024年资本开支处于较高水平，主要对应新增产线设备投入；2025年资本开支有所回落，但仍处于行业较高水平，反映出公司产能扩张与技术升级仍在持续推进。 1.1存储持续涨价&两存上市在即，看好存储未来扩产持续性 ⚫中国头部存储厂商与国际龙头在产能上仍存在显著差距，后续扩产空间广阔。（1）NAND端：三星与Kioxia-SanDisk联合制造体系仍为全球前两大NAND产能平台。2026Q1两者12英寸月产能分别约37.5万片和40万片，而长江存储月产能仅约16万片，后续扩产空间广阔。（2）DRAM端：2026Q1，三星、SK海力士、美光三家12英寸月产能分别为64万片、56.5万片和34.5万片；长鑫存储现有月产能约29万片，仍具备显著扩产余地。长江存储&长鑫存储2026Q1全球NAND/DRAM存储器市占率分别仅为13%/8%，后续仍待突破。 1.2存储制程节点演进，带动设备投资额持续增长 龙头陆续实现先进制程的量产，后续进程有望加速。1）DRAM：SK海力士于2024年成功实现12层HBM3E的量产，并且其预计于2026年实现16层HBM4量产；2）NAND：我国长江存储2021年已实现128层量产，目前已完成232层3D NAND的量产，正在向3XX-4XX层突破；3）逻辑：台积电早在2020年就实现5nm的量产，目前可以量产2nm级别量产。 ◆存储持续迭代，有望带动高价值先进设备加速放量。2031年逻辑制程将迈入7A时代，并采用CFET技术，极大提升芯片性能与集成度；存储的NAND到2035年可实现2000层+，DRAM则由HBM4逐步升级，SK海力士预计2034年推出HBM6。 1.2存储制程节点演进，带动设备投资额持续增长 在相同产能下，集成电路设备投资量随制程节点先进程度提升而大幅增长。当技术节点向5nm甚至更小的方向升级时，集成电路的制造需要采用昂贵的极紫外光刻机（EUV），或多重模版工艺（重复多次刻蚀及薄膜沉积工序以实现更小的线宽），需要投入更多且先进的光刻机、刻蚀设备和薄膜沉积设备，带动投资规模提升。 （1）逻辑：以3nm技术节点为例，每单位产能的建设需要约50万美元的资本开支投入，是14nm的两倍以上，28nm的3.5倍左右。（2）存储：DRAM方面,当DRAM制程达到10nm时，每千片晶圆月产能的设备投资额上升至9000万美元。NAND方面,以2015年2D NAND设备投资额为基准，2015年3D NAND设备投资额为其1.5倍，2021年3D NAND设备投资额为其2.2倍。 一、存储持续涨价&两存上市在即，看好存储未来扩产持续性 二、AI算力催生HBM芯片需求，多采用堆叠技术提升容量和带宽 三、HBM堆叠对测试机提出KGSD等新需求，国产测试机厂商迎来黄金机遇期 四、投资建议 五、风险提示 2.1 AI应用及内存墙问题大幅提振对高带宽存储HBM的需求 ⚫内存墙问题包括内存容量有限、内存传输带宽不足及传输延迟问题。计算逻辑与片上内存之间、计算逻辑与DRAM内存之间、不同sockets上不同处理器之间都存在同样的问题。对于单个芯片，芯片内寄存器、二级缓存、全局存储器等之间的内存传输成为瓶颈。当模型超过了单芯片可用的内存容量和带宽，需要利用分布式内存并行技术将训练/服务扩展到多个加速器。由于片间带宽小于片内带宽，此时会面临更严重的内存墙问题。 2.1 AI应用及内存墙问题大幅提振对高带宽存储HBM的需求 ⚫AI训练与推理急需高带宽存储芯片。高带宽是复杂AI/ML算法的基本需求，同时端侧AI推理更重视计算效率、时延、性价比等。以ADAS为例，L2+/L3级别的复杂数据处理需要超过200GB/s的内存带宽；L5级的高阶自动驾驶要能够独立地对周围动态环境做出反应，需要超过500GB/s的内存带宽。单纯依靠堆砌额外数量的GPU和AI加速器，很难在成本、功耗、系统架构等方面获得竞争优势，AI应用端更需要高带宽内存来解决内存墙。⚫HBM具备高带宽、低延迟、低功耗等优势。高带宽存储器（HBM）是一种采用三维堆叠和硅通孔（TSV）等技术的高性能DRAM，其核心优势在于采用微凸块技术缩短了DRAM和逻辑芯片之间的信号传输距离，同时通过增加存储多层堆栈的数量和位宽实现了更大的存储容量和更多的I/O引脚数量、降低了I/O工作电压并减少了信号线的数量和长度，因此具备高带宽、低延迟和低功耗等优势，是应对内存墙问题的核心技术。 2.1 AI应用及内存墙问题大幅提振对高带宽存储HBM的需求 AI服务器出货量爆发式增长，驱动存储需求扩张。据Trendforce数据，2023年至2025年，AI服务器出货量由118.3万台增长至214万台，出货量接近翻倍；2026年Trendforce预计全球AI服务器出货量维持高增，预计达275万台，同比+28%。AI服务器是存储需求的核心载体，其出货量大幅增长意味着对存储需求的同步激增。 VR200成本约780万美元，GB300成本近400万美元，前者成本较后者近乎翻倍，核心变化在于内存价值量大幅提升。从两款AI服务器的BOM对比来看，存储不仅是AI系统的核心组件，更是随着服务器迭代升级过程中成本增幅最大的环节。在GB300中内存仅占成本9.36%，而在VR200中已经占据成本的25%。内存的成本从约37.4万美元飙升至200万美元以上，涨幅高达惊人的435%，这一增速远超GPU（+57%）、CPU（0%）以及交换芯片（+122%）等关键算力部件。这种极端的成本膨胀直接反映了AI对海量数据吞吐和存储容量的需求，证明了在算力体系中，存储已不再仅仅是配套资源，而是制约性能突破并占据价值高地的绝对核心。 2.2 HBM产业地位不断上升，成为AI芯片主流方案 ⚫主流AI训练芯片多采用HBM。以英伟达H100为例，1颗H100由1颗GPU+6颗HBM通过CoWoS技术封装集成，其中5颗是active HBM2E，每颗HBM2E由8层2GB DRAM Die堆叠组成。HBM也是AI芯片中占比最高的部分。英伟达H100成本接近3000美元，其中占比最高的即SK海力士的HBM，约2000美元。 ⚫HBM工艺进步极大提升AI算力芯片性能。H200作为H100的升级款，依然采用Hopper架构（1GPU+6HBM）和台积电4纳米工艺，GPU芯片、核心数、频率都没有变化，性能进步完全来自于首次搭载的HBM3E显存，使H200拥有141GB内存和4.8TB/s带宽，大大超过了H100的80GB和3.35TB/s。在HBM3E加持下，H200让Llama-70B推理性能几乎翻倍，运行GPT3-175B也能提高60%，HBM工艺进步极大提升了芯片性能。 2.2 HBM产业地位不断上升，成为AI芯片主流方案 ⚫自2018年HBM2量产以来，HBM已完成从HBM2、HBM2e到HBM3、HBM3e的快速迭代，并逐步向HBM4演进。HBM技术升级主要围绕传输速率提升、堆叠容量扩展和通道架构升级三条主线展开。（1）传输速率持续提升：HBM单Pin传输速率由HBM2的2.0~2.4Gbps提升至HBM3e