AI推理需求持续推高存储需求之际，闪迪给出了极为激进的长期财务目标。
美东时间23日周四，闪迪在2026年投资者日公布长期财务模型，提出一系列2028财年至2030财年将要达到的财务目标，包括这期间内，公司营收将保持中高双位数增长。同时承诺，在完成业务投资后，将把100%的剩余现金返还股东。
消息公布后，市场迅速用股价投票。闪迪（SNDK）周四盘中涨幅一度扩大至17.6%；存储板块同步走强，西部数据涨近10%，SK海力士涨超8%，美光科技涨近7%，希捷科技涨近6%。
FY2028-30目标：毛利率80%、营业利润率75%
此次投资者日最受市场关注的，无疑是闪迪给出的长期财务模型。
公司预计，在2028至2030财年期间，营收将保持中高双位数增长，增速与比特出货量增长相匹配；与此同时，非GAAP口径下，毛利率预计维持在约80%，营业利润率约为75%。
这里需要特别注意财年的时间概念。闪迪的财年并不与自然年重合，公司财年截至最接近6月30日的周五，通常为52周，2026财年、即上一财年于2026年7月3日结束。2026年7月初已经进入2027财年，因此此次公布的2028至2030财年区间并非自然年2028年至2030年，而是指从2027年7月左右开始、连续三个财年的未来区间。
在这一财务模型下，闪迪预计运营费用占营收比例约为5%，其他收入及支出不会产生重大影响。即使计入税收、资本开支以及支撑业务增长所需的营运资金，公司仍预计调整后自由现金流利润率能够达到约50%。
对于此前高度周期性的NAND存储行业而言，这组目标尤其激进。闪迪实际上是在向市场传递一个明确判断：AI驱动的存储需求增长，有望让公司未来数年的营收增长与盈利能力保持在远高于传统存储周期平均水平的位置。
“赚到的钱”更多返还股东：超额现金100%回购或分红
除了营收和利润率目标，闪迪还给出了非常明确的资本回报承诺。
闪迪首席财务官（CFO）Luis Visoso表示，在完成支持业务增长所需的投资之后，公司预计将把100%的超额现金返还给股东。
这意味着，闪迪未来的资本配置框架将围绕三条主线展开：首先投资于支持增长的业务和技术，其次保持强劲的自由现金流创造能力，最后将剩余现金尽可能返还给股东。
而约50%的调整后自由现金流利润率，意味着如果长期财务模型能够兑现，闪迪未来产生现金的能力将非常强，这也是市场愿意给予其更高估值的重要原因之一。
八大客户签长期协议，已覆盖FY2028约三分之二比特出货量
闪迪之所以对上述长期财务模型表现出较强信心，一个重要原因在于公司正在改变传统NAND行业的商业模式。
公司披露，目前已经与8家客户签署新商业模式（NBM）协议。这些协议包括承诺采购量、具有约束力的合同框架、最低财务保障以及结构化定价机制，可以加强客户需求与公司产能规划之间的匹配，并降低传统存储行业周期性波动的影响。
更重要的是，这些协议覆盖的规模已经相当可观：目前签署的NBM协议约覆盖FY2027比特出货量的50%，以及FY2028比特出货量的约三分之二。
闪迪认为，这种模式能够带来更加可预测的营收、更高的现金流可见度以及更加持久的盈利增长。
换句话说，闪迪不仅在押注AI带来的存储需求增长，也在试图通过长期协议把传统NAND业务较强的周期属性部分转化为更加稳定、可预测的收入和现金流。
AI推理催生更大存储市场，2030年企业级闪存TAM料达1.2ZB
闪迪对未来三年高增长的另一大支撑，是AI从训练向推理扩张后，对存储基础设施提出的新需求。
公司表示，AI推理工作负载正在推动Token使用量快速增长，KV Cache正在重塑数据中心的内存层级。随着AI推理规模扩大，AI数据中心将变得更加依赖存储，闪迪预计，到2030年企业数据中心闪存的总可用市场（TAM）将达到1.2泽字节（ZB）。
在技术层面，闪迪正在推进基于CMOS直接键合阵列（CBA）的二维扩展战略，以便更加灵活地开发满足不同市场需求的定制产品，同时提高资本效率。
公司最新的BiCS9 QLC技术就是这一战略的首个案例。该技术将BiCS8阵列与基于BiCS10的CMOS晶圆结合；与此同时，新的BiCS10 QLC节点较BiCS8实现60%的比特密度提升。
HBF押注AI推理，存储板块集体大涨
闪迪还在推进面向AI推理的新型高带宽闪存（HBF）技术。公司称，HBF正在成为应对AI推理时代存储需求的重要技术方案，目前相关产业生态也正在形成。
在市场看来，这意味着闪迪的AI存储逻辑已经不再局限于“AI数据中心需要更多SSD”，而是进一步延伸至AI推理架构本身对更高性能、更低功耗和更高存储密度的需求。
这一预期也迅速传导至整个存储板块。闪迪自身的涨势更为突出：在公布长期财务目标后，其股价盘中一度涨近18%。今年以来，闪迪股价累计涨幅已经超过530%。
不过，闪迪同时强调，前述长期财务目标属于前瞻性指标，建立在一系列估计和假设基础上，实际结果仍可能受到需求、平均售价、竞争、技术迭代、供应链以及存储行业周期等因素影响。
