2017年存储行业市场分析报告目录第一节智能时代，数据特征将发生改变 (5)一、智能时代拐点，万物互联和万物智能将加速来临 (5)二、海量：数据产生无处不在，其将以超越流量的指数级速率增长 (5)三、高速：人工智能等场景对处理时效性要求驱动数据的高速吞吐 (8)四、多样：数据种类特别是非结构化数据爆炸式增长 (8)五、分层：海量数据中价值度和调用度不同，数据分层成为趋势 (9)第二节有“数据”即有“存储”，存储产业链梳理 (11)一、上游：存储器 (11)二、中游：存储整机产品 (13)三、下游：存储服务 (18)第三节市场格局悄然变化，智能时代倒逼产业变革四大趋势 (20)一、趋势1：为平衡存储器性能及容量，相变存储应运而生 (20)二、趋势2：为应对日益增多的高速访问场景，全闪存阵列增速迅猛 (22)三、趋势3：为实现高效灵活的存储管理，软件定义存储和超融合成为热点.. 23四、趋势4：为实现数据分层管理，蓝光存储突显更为出色的性价比优势 (25)第四节我国存储产业现状：发力存储器，整机受益国产化和技术崛起 (29)一、存储器是我国集成电路之重器，上下联动战略投入，攻坚千亿市场 (29)二、国内存储整机厂商受益去IOE红利和新技术变革，有望弯道超车 (30)第五节部分相关企业分析 (35)一、同有科技：深耕军工行业存储，受益国防信息化广阔空间 (35)二、易华录：PPP稳固主业发展，关注蓝光存储潜在爆发 (36)三、浪潮信息：国产化核心受益标的，存储业务先发优势明确 (38)四、中科曙光：云计算优势明确，存储与自主化软件研发提升发展空间 (40)五、紫光国芯：集成电路主业发展稳健，国产化存储业务发展提速 (42)图表目录图表1：机器智能与人类智能发展速度 (5)图表2：预计数据增长速度超过摩尔定律（%） (5)图表3：2012-2020年数据量增长（BillionGB） (6)图表4：无人驾驶功能模块 (7)图表5：“转弯”中的无人驾驶汽车视野 (7)图表6：国际象棋与围棋复杂度对比 (8)图表7：智能交通各类型数据的采集 (9)图表8：存储技术助力智能安防发展 (9)图表9：存储产业链 (11)图表10：存储器图例 (11)图表11：存储器全览 (12)图表12：我国半导体存储结构和应用 (12)图表13：企业级存储整机 (13)图表14：消费级智能手机终端 (14)图表15：蓝光存储整机（光盘库）结构 (15)图表16：磁带存储整机（磁带库）结构 (16)图表17：入门级存储设备 (16)图表18：家居智能终端 (17)图表19：阿里云云存储产品 (18)图表20：阿里云云存储产品架构图 (18)图表21：2015年全球企业级存储市场份额 (20)图表22：DRAM与FLASH特征对比 (21)图表23：相变存储应用领域 (22)图表24：2015年全闪存阵列存储增速 (23)图表25：2014～2020年IT从业量与数据量增长 (23)图表26：传统SAN存储架构和超融合架构对比 (24)图表27：光存储整机结构 (26)图表28：蓝光存储应用领域 (27)图表29：不同存储介质的适用场景 (27)图表30：全球主流DRAM和NANDFlash的市场规模及预测 (30)图表31：全球新型存储器市场规模及预测 (30)图表32：2015Q1我国国产存储市场份额达到49.9% (31)图表33：中国存储市场各区域国产化率 (31)图表34：中国存储市场各行业国产化率 (32)图表35：军用通信指挥控制专网（C4ISR） (32)图表36：2015年中国企业级存储市场格局 (33)图表37：中国超融合市场规模预测 (34)表格目录表格1：软件定义存储VS传统存储 (25)表格2：存储器行业投资重大事件 (29)表格3：同有科技财务预测表 (35)表格4：易华录盈利预测表 (37)表格5：浪潮信息盈利预测表 (39)表格6：中科曙光盈利预测表 (41)表格7：紫光国芯盈利预测表 (42)第一节智能时代，数据特征将发生改变一、智能时代拐点，万物互联和万物智能将加速来临智能时代的拐点已经来临。
机器智能的概念已经被提出60多年，随着近年来神经网络、深度学习的突破，解决了算法上的问题，同时半导体行业、云计算行业的发展，计算能力及成本问题也得到了改善解决，我们认为，机器智能即将出现井喷式的爆发，机器智能的发展速度目前正处在拐点时代，将要超过人类智能的发展速度。
在物联网实现万物互联和智能化的背景下，智能的程度与终端的形态数量都将迎来爆发，所产生的数据也将呈现海量、高速、多样、分层四个特征。
图表1：机器智能与人类智能发展速度资料来源：《智能时代》（吴军），北京欧立信信息咨询中心二、海量：数据产生无处不在，其将以超越流量的指数级速率增长智能时代，数据增长的速度将超过摩尔定律。
原本很多不打算存储的数据被记录了下来，我们生产和生活中的各种设备都有可能成为智能的终端：台灯、窗帘、微波炉、发电机、涡轮机、传送带、医疗成像仪等，嵌入式传感器在这些机器和设备中利用物联网来传输温度、湿度、风速、位置、燃料消耗等数据。
IDC预计，到2020年数字规模将超出其在2011年的预期达到40ZB，是2015年数据量的近5倍。
图表2：预计数据增长速度超过摩尔定律（%）资料来源：新浪科技，北京欧立信信息咨询中心图表3：2012-2020年数据量增长（BillionGB）资料来源：IDC，北京欧立信信息咨询中心以智能汽车场景为例，无人驾驶每小时将产生2600GB数据量。
无人驾驶主要依靠摄像头、雷达、传感器、网络交互等感知环境，通过机器图像学习、定位与路径识别等动作，将所有信息传输到决策模块，从而实现无人驾驶。
图5展示了无人驾驶汽车在准备左转时‘看’到的世界。
谷歌数据显示，一辆无人驾驶汽车每秒收集750MB数据，持续行驶一小时产生的数据量为2630GB，按照每年驾驶600个小时计算，数据量会达到1.5PB，相当于30000部高清蓝光电影。
按照目前市场主流3TB机械硬盘来存储，需要500多块硬盘（不考虑数据保护）。
目前全球汽车年销售量在超过8000万，中国占30%，可以想象未来数据量。
图表4：无人驾驶功能模块资料来源：wind，北京欧立信信息咨询中心图表5：“转弯”中的无人驾驶汽车视野资料来源：google，北京欧立信信息咨询中心三、高速：人工智能等场景对处理时效性要求驱动数据的高速吞吐“1秒定律”对于数据处理时限提出极高要求。
在大数据时效性方面，著名的“1秒定律”即要在秒级时间范围内给出分析结果。
例如，美国国家海洋和大气管理局的超级计算机能够在日本地震后9分钟计算出海啸的可能性，但9分钟的延迟对于瞬间被海浪吞噬的生命来说还是太长了，数据的高速处理即意味着“金钱”甚至是“生命”。
人工智能需要在算法和存储介质上演进突破。
谷歌AlphaGo系统主要包含走棋网络、快速走子、估值网络和蒙特卡洛树搜索，其中，走棋网络的运行速度在3毫秒，而快速走子能做到2微秒级别，差了1500倍，同时快速走子需要评估天文数字般的可能局面数，所以，单纯对于算法的创新可能不足以完全实现人工智能，传统计算模型中，内存和逻辑单元是相互独立的。
一个计算需要执行时，必须首先访问存储获取数据，将数据传输到逻辑单元中，并由逻辑单元返回计算结果。
IBM研发相变存储材料，使得人工神经网络中计算和存储是共处一处的，无需构建逻辑与内存间的通信，这种快速、节能的计算方式将在未来基于事件反应的实时大数据处理场景比如金融、气象物联网等得到普及。
图表6：国际象棋与围棋复杂度对比资料来源：Google，北京欧立信信息咨询中心四、多样：数据种类特别是非结构化数据爆炸式增长智能时代，数据来源、类型、格式呈现多样性。
随着传感器、智能设备以及人-物协作IoT技术的飞速发展，数据来源也越来越多样，数据结构将更加复杂，包含网页、日志、搜索索引、社交媒体、电子邮件、文档、主动和被动的传感器数据等各类结构化和非结构化数据，数据格式变得越来越多样，涵盖了文本、音频、图片、视频、模拟信号等不同格式。
以智能交通为例，数据采集种类众多。
以北京市交通智能化分析平台为例，该平台的数据来自路网监控摄像头、传感器、公交车、轨道交通、出租车以及省际客运、旅游、危险物运输、停车、租车等子运输行业以及问卷调查和地理信息系统数据，各类非结构化数据的增长将远远超过传统数据库的结构化数据，对于高并发调用存储的要求会更高。
图表7：智能交通各类型数据的采集资料来源：新浪科技，北京欧立信信息咨询中心五、分层：海量数据中价值度和调用度不同，数据分层成为趋势热/温/冷数据各有区别，数据从存储成本和读写效率上需要分层。
交易型热数据指用于高速和大量商务交易的数据，近线温数据就是指从即时读取降级为快速读取的数据，类似从桌面常用到了桌边档案柜，而归档冷数据则是那些无时无刻都在产生但时效性急速下降而被大量存储的数据。
以智能安防为例，视频监控系统每天产生的海量图像和视频信息，虽然被用于公共安全需要的信息的价值密度低，但其必要性显而易见，因而需要冷存储。
图表8：存储技术助力智能安防发展资料来源：北京欧立信信息咨询中心第二节有“数据”即有“存储”，存储产业链梳理存储即是数据的容器，数据以某种格式记录在计算机内部或外部存储介质上。
在不同的产业层次谈到“存储”，所指的对象略有不同。
我们按照产业上下游关系将存储行业分为三层。
图表9：存储产业链资料来源：北京欧立信信息咨询中心整理一、上游：存储器处于产业链上游存储器提供商主要分布于半导体行业，一般指的是存储的控制芯片及各类存储器件，这些是数据存放最基本的单元，就好像是“钢筋”“水泥”一样的基础的组件。
图表10：存储器图例资料来源：OFweek电子工程网等，北京欧立信信息咨询中心具体的，存储器可以按照介质分为半导体、磁性和光学存储器；按照数据存取方式可以分为RAM（随机存储器）、ROM（只读存储器）等；按照存储器在计算系统中的作用可分为主存、辅存和缓存等，按照数据易失性可分为易失性存储和非易失性存储。
图表11：存储器全览资料来源：产业信息网，北京欧立信信息咨询中心半导体存储器：由半导体材料组成，主要是配合处理器进行工作，实现对程序和数据的处理，为了配合1）日益提高的计算主频速率、2）信息存储容量爆炸式增长，目前主流的典型半导体存储器分别是DRAM、Flash等两类，未来新型存储器如PCM等也发展迅速。
图表12：我国半导体存储结构和应用资料来源：WSTS2015Q1，北京欧立信信息咨询中心磁性存储器：由磁性介质组成，典型磁性存储器包括机械硬盘、磁带等，机械硬盘是目前主流数据存储设备，广泛的应用于企业级及消费级的数据存储场景当中，但近年来受到固态硬盘的冲击和PC市场萎缩，市场整体情况疲软。