¿Está la inferencia de IA cambiando el ciclo NAND? Qué significa Sandisk para las acciones de memoria

• La inferencia de IA no solo necesita capacidad de cálculo, sino también cantidades crecientes de almacenamiento accesible y eficiente en costes.
• NAND está evolucionando hacia una capa de capacidad para IA junto con HBM y DRAM, en lugar de ser únicamente almacenamiento commodity.
• Sandisk espera que enterprise data center flash alcance 1,2 ZB en 2030 y está desarrollando High Bandwidth Flash para AI inference.
• Los acuerdos plurianuales con clientes podrían mejorar la visibilidad de demanda y reducir el riesgo de una expansión excesiva de capacidad.
• La IA no elimina el ciclo NAND. La cuestión es si una demanda de bits más fuerte y una mejor disciplina de oferta pueden reducir su volatilidad.

Durante gran parte del auge de la IA, la lógica de inversión en semiconductores siguió una cadena bastante clara: más modelos de IA necesitaban más GPU, las GPU requerían más HBM y los clusters de compute más densos necesitaban redes más rápidas y más energía. El almacenamiento siempre fue importante, pero rara vez recibió la misma atención.

La inferencia de IA está empezando a cambiar esa jerarquía.

A medida que la IA pasa de entrenar grandes modelos a atender miles de millones de consultas, agentes empresariales, aplicaciones multimodales y workloads en tiempo real, la infraestructura no solo debe calcular, sino también almacenar y recuperar continuamente enormes cantidades de datos.

Esto plantea una nueva pregunta para el sector: ¿podría NAND convertirse en uno de los próximos grandes cuellos de botella de capacidad de la infraestructura de IA?

Los movimientos recientes de Sandisk, Samsung, Kioxia y otros fabricantes sugieren que esa posibilidad está ganando relevancia.

¿Por qué la inferencia de IA necesita más almacenamiento?

AI training y AI inference imponen exigencias diferentes.

Entrenar frontier models requiere enormes compute clusters y una memory bandwidth extrema. Por eso GPU y HBM fueron los primeros bottlenecks importantes de la cadena de suministro de IA.

Inference comienza después de desplegar el modelo. Cada vez que un sistema responde a una pregunta, busca en una base de conocimiento, analiza una imagen o ejecuta una tarea de agent, puede necesitar acceder a model parameters, embedding, cached data, user context y datasets multimodales cada vez mayores.

A medida que aumenta el volumen de consultas, también crece la cantidad de información que debe seguir siendo económicamente accesible.

Mantener todo en HBM no resulta práctico. HBM ofrece un bandwidth extraordinario, pero su capacity es limitada y el coste por bit es mucho mayor que en NAND. NAND ofrece mucha más capacity a menor coste, pero con menor bandwidth y mayor latency.

Entre ambos niveles existe un amplio espacio arquitectónico.

El futuro AI memory stack probablemente no será una elección entre HBM y NAND, sino una jerarquía en la que HBM atienda los workloads más sensibles al bandwidth, DRAM actúe como working memory y NAND de alto rendimiento gestione data pools mucho mayores cerca del compute.

Sandisk apuesta por NAND como capa de capacidad para IA

Sandisk es una de las compañías que más claramente ha defendido esta tesis. En su Investor Day 2026, indicó que el mercado de enterprise data center flash podría alcanzar 1,2 ZB en 2030, mientras espera un crecimiento de ingresos de dos dígitos medios a altos en FY2028–FY2030. Puede consultar el contexto en Reuters.

Esta previsión se apoya en el rápido crecimiento de su negocio de centros de datos. Sandisk está vinculando cada vez más su estrategia a largo plazo con la infraestructura de IA, en lugar de depender principalmente de electrónica de consumo o almacenamiento empresarial tradicional.

El cambio importa porque los sistemas de IA no solo necesitan “almacenamiento más rápido”, sino más almacenamiento por sistema. Modelos mayores, RAG, contenido multimodal y agentes persistentes aumentan el volumen de datos que debe mantenerse disponible.

Si inference se convierte en uno de los workloads dominantes de los centros de datos, el motor de demanda de NAND podría desplazarse desde PC, smartphones y ciclos tradicionales de cloud storage hacia los propios datos que genera y utiliza la IA.

HBF podría llenar el espacio entre NAND y HBM

High Bandwidth Flash, o HBF, es uno de los intentos más interesantes por cubrir este memory gap.

Sandisk posiciona HBF como una arquitectura NAND diseñada para complementar, no sustituir, HBM. En determinadas configuraciones de AI inference, la compañía busca ofrecer bandwidth cercano a HBM con una capacity mucho mayor y una economía más atractiva.

Sandisk también trabaja con SK hynix en la estandarización. Puede consultar más información en la documentación HBF de Sandisk.

La lógica es sencilla: inference necesita mantener modelos y datasets muy grandes suficientemente cerca de los accelerators para que el movimiento de datos desde almacenamiento convencional no se convierta en un performance bottleneck.

Expandir HBM indefinidamente resolvería el problema de bandwidth, pero crearía enormes problemas de coste y capacity.

HBF busca un punto intermedio: mucha más capacity que HBM y un rendimiento mucho mayor que la flash convencional.

QLC NAND podría tener impacto antes que HBF

HBF recibe más atención por ser una tecnología nueva, pero la evolución del NAND convencional podría tener un impacto más inmediato.

QLC NAND almacena cuatro bits por cell, lo que permite proporcionar más capacity en la misma área física que TLC NAND. Es especialmente atractiva para hyperscale data centers que necesitan enormes cantidades de almacenamiento con un coste por bit bajo.

El compromiso es que almacenar más bits por cell puede afectar endurance y performance, por lo que QLC no es adecuada para todos los workloads. Sin embargo, las mejoras en controllers, error correction y NAND architecture siguen ampliando sus usos.

La IA podría acelerar esa transición porque inference valora especialmente capacity, eficiencia energética y coste total.

Sandisk desarrolla QLC de mayor densidad, mientras Samsung y Kioxia también utilizan wafer bonding y nuevas arquitecturas NAND para mejorar density y performance.

¿Por qué el ciclo NAND ha sido históricamente tan volátil?

La gran pregunta de inversión es si la IA puede cambiar realmente el famoso ciclo NAND.

Históricamente, el problema no ha sido solo una demanda débil, sino la interacción entre oferta y demanda.

Cuando NAND escasea, los precios suben rápidamente y los fabricantes generan márgenes altos. Eso incentiva nuevas inversiones en capacidad. Sin embargo, las fabs requieren largos periodos de planificación y la nueva capacidad suele llegar cuando la escasez inicial ya se ha reducido.

Entonces bajan los precios, se comprimen los márgenes y se recorta la inversión.

Después empieza otro ciclo.

La IA no elimina automáticamente este mecanismo. Incluso una demanda final muy fuerte puede verse superada si los fabricantes añaden demasiada capacidad.

Lo que sí puede cambiar es la visibilidad de demanda antes de invertir.

Los contratos a largo plazo podrían cambiar la disciplina de oferta

Sandisk está trasladando cada vez más clientes hacia acuerdos plurianuales en lugar de depender principalmente de operaciones a corto plazo.

Según Reuters, la compañía ha firmado ocho acuerdos a largo plazo con seis clientes por un valor combinado de aproximadamente 93.900 millones de dólares, con una duración media cercana a cuatro años. Aproximadamente la mitad de la producción FY2027 estaría cubierta por estos acuerdos, aumentando a cerca de dos tercios en FY2028.

Este modelo mejora la visibilidad tanto para el proveedor como para el cliente.

Un hyperscaler puede asegurar capacidad futura, mientras Sandisk obtiene más información sobre demanda comprometida antes de ampliar producción.

Sandisk no está sola. Samsung también ha indicado que los long-term customer agreements podrían representar eventualmente entre el 60% y el 70% de sus ventas de memoria.

Si los proveedores amplían capacidad cada vez más en función de demanda comprometida en lugar de reaccionar únicamente a precios spot, el sector podría ser menos propenso a episodios extremos de oversupply.

Qué significa esto para Sandisk, Micron y otras acciones de memoria

El crecimiento del almacenamiento para IA no beneficia de la misma forma a todas las compañías.

Sandisk tiene una de las exposiciones más directas a NAND y enterprise flash. Su tesis combina demanda de bits impulsada por IA, acuerdos plurianuales, QLC y HBF, por lo que SNDK es especialmente sensible a si el mercado cree que la elevada rentabilidad actual de NAND puede sostenerse.

Micron tiene exposición más amplia a DRAM, HBM y NAND. Participa tanto en premium high-bandwidth memory cerca de los accelerators como en mayores pools de flash.

SK hynix es conocida principalmente por HBM, pero su colaboración con Sandisk en HBF sugiere que un proveedor líder de HBM también ve espacio para una capa NAND orientada a inference.

Kioxia ofrece otra exposición directa a NAND y está acelerando su next-generation flash production ante la mayor demanda de high-capacity storage.

Western Digital se concentra principalmente en HDD tras la separación de Sandisk. Sin embargo, el crecimiento de AI-generated data puede sostener varias capas de almacenamiento simultáneamente.

La conclusión más amplia es que AI storage no es una operación basada en un solo producto.

El crecimiento de datos de IA puede apoyar simultáneamente HBM, DRAM, NAND, enterprise SSD y HDD de alta capacidad.

La IA puede cambiar el ciclo NAND sin eliminarlo

Sería demasiado optimista afirmar que el actual memory boom significa que el sector ha dejado atrás la ciclicidad.

NAND sigue siendo intensivo en capital. Los technology transitions pueden aumentar los bits por wafer incluso sin construir nuevas fabs, los competidores pueden responder a márgenes elevados añadiendo oferta y el crecimiento del AI capex tampoco mantendrá para siempre el mismo ritmo.

Por eso, la tesis estructural más razonable es:

La IA puede hacer que la demanda de bits NAND sea más fuerte y predecible a largo plazo, mientras los acuerdos plurianuales y una mejor disciplina de oferta podrían hacer que los futuros ciclos sean menos extremos.

La diferencia es importante.

Un ciclo NAND menos volátil no exige que los precios de memoria suban indefinidamente. Exige que los proveedores puedan mantener una rentabilidad razonable cuando el pricing se normalice, evitando pasar repetidamente de escasez a exceso grave de oferta.

Explore mercados relacionados con SNDK en MEXC

Si usted sigue la temática de AI storage y NAND a través de Sandisk, MEXC ofrece varias formas de exposición.

El contrato perpetuo SNDKSTOCK_USDT permite exposición larga o corta con apalancamiento a movimientos relacionados con SNDK. Si desea explorar el acceso a acciones estadounidenses reales, puede consultar MEXC RealStocks.

MEXC también ofrece SNDKON/USDT, un activo tokenizado de Ondo Finance que proporciona exposición económica a Sandisk, pero no representa propiedad directa de acciones ordinarias de Sandisk.

Para investigación adicional, puede consultar la guía de acciones Sandisk de MEXC.

Los contratos perpetuos implican apalancamiento, funding y riesgo de liquidación, mientras que los activos tokenizados añaden riesgos de emisor, liquidez, blockchain y regulación.

FAQ

¿Utiliza NAND flash la inferencia de IA?

Sí. Los enterprise SSD basados en NAND pueden almacenar model data, embedding, cached information y grandes datasets que no necesitan permanecer continuamente en HBM o DRAM costosas.

¿Puede NAND sustituir a HBM para IA?

No directamente. HBM ofrece un bandwidth extremadamente alto y baja latency cerca de los AI accelerators, mientras NAND ofrece mucha más capacity a un coste por bit mucho menor. HBF está diseñada principalmente para complementar HBM.

¿Qué es High Bandwidth Flash?

High Bandwidth Flash, o HBF, es una arquitectura de memoria basada en NAND diseñada para AI inference. Busca ofrecer un bandwidth muy superior al NAND convencional, manteniendo una capacity mucho mayor que HBM.

¿Ha terminado el ciclo NAND por la IA?

No. NAND sigue siendo una industria cíclica e intensiva en capital. La IA puede respaldar la demanda de bits a largo plazo y los acuerdos plurianuales pueden mejorar la disciplina de oferta, pero pricing, capacity expansion y technology transitions todavía pueden generar oversupply y presión sobre márgenes.

El cambio más amplio: la IA necesita capacidad, no solo compute

La primera fase del auge de infraestructura de IA estuvo definida por escasez de compute. GPU, HBM y networking ganaron valor porque el sector no tenía suficiente performance.

Inference introduce otro límite: capacity.

Para operar IA a escala global, enormes cantidades de datos deben permanecer accesibles sin almacenarse todas en los tipos de memoria más costosos.

Esto abre espacio para que NAND ascienda en la jerarquía de memoria de IA mediante enterprise SSD, QLC y potencialmente HBF.

Si AI inference continúa elevando la intensidad de almacenamiento mientras los fabricantes mantienen disciplina de capacidad, el próximo ciclo NAND seguirá siendo un ciclo, pero podría ser muy diferente de los ciclos a los que los inversores estaban acostumbrados.