“现阶段，锁产能比谈价格更重要。”

　　作者：牛思若

　　谷歌一条关于“内存占用减少至原来的1/6”的技术消息，把全球存储板块砸出了一身“冷汗”。

　　近期，谷歌推出TurboQuant压缩算法，在不牺牲模型精准度的前提下，将AI推理阶段最耗资源的“键值缓存”（KV Cache）空间需求减少至原来的1/6，并让注意力计算速度提升8倍。

　　消息一出，市场很快将其解读为“会冲击人工智能对存储芯片的整体需求”，并迅速传导至资本市场，存储芯片概念股集体走弱。

　　与此同时，“内存条价格断崖式下跌”的话题冲上热搜。渠道价格松动、技术扰动与板块回调交织在一起，让市场不禁重新开始追问：这一轮存储行情，是否已经走到了拐点？

来自渠道端的局部“松动”

　　这轮被广泛讨论的内存条价格下跌，更多发生在现货渠道，主要面向有自主装机需求的个人玩家。

　　这样的市场本身体量有限，对价格波动和消费情绪更加敏感。渠道商既要看上游报价，也得顾及C端用户到底买不买账。

　　华强北一位专卖内存条的商铺老板告诉记者，从上周三开始，多款内存产品就出现了降价，目前16G内存价格从上周的900元左右下降到目前的700元左右，32G内存价格也基本下降了300元左右。

　　价格跳水和股价暴跌，确实会造成一种“行情见顶”的错觉。在业内人士看来，这更像是渠道市场对前期涨幅过快的一次短暂修正，而不是产业趋势的反转。

　　“由于前期价格涨幅过大，渠道客户对于高价存储产品的抵触心理日渐强烈，市场实际成交艰难。更重要的是，现货贸易端欲回笼资金、获利变现，贸易端低端DDR4内存条抛售较多，进一步冲击和打压了渠道市场。”一位市场分析人士表示。

　　而从合约市场看则是另外一番景象。据该人士透露，今年一季度原厂服务器及PC NAND、DRAM合约价均呈翻倍式增长。

　　该人士表示，目前存储产品没法完全满足市场的需求，存储供应短缺的问题，短期内很难缓解，所以渠道市场的价格回调并不会改写整个存储行业上行逻辑。

“没有内存就没有AI”

　　几乎同一时间，在深圳举办的中国闪存市场峰会MemoryS 2026现场，空气里弥漫的却是另一种情绪。

　　“每个人都在问我有没有货，甚至只要货，不问价。”有存储展商的销售人员向记者苦笑道，“但我们现在也只能满足三四成需求，碰到量太大的单子，只能推掉。”

　　市场在担心需求降温，但产业峰会现场感受到的，却依旧是供给紧绷。人满为患的会场里，“存储行业缺货还要缺多久”成了最热的话题之一。

　　闪存市场总经理邰炜表示：“AI不仅仅是风口，更是一场底层革命，它正在把存储从一个BOM表里的成本项变成AI竞赛的战略资源，从一个周期性的产品变成数字经济的核心竞争力。”

　　这并不是夸张。

　　不管是大模型的训练、推理、微调，还是多模态应用，每一个环节都把存储的带宽和容量拉到了极致。HBM也从一个小众的高端产品，一举变成AI时代的“石油”；大容量的DDR5内存，也从可选配置变成了AI服务器的标准配置；企业级SSD也不只是容量的载体，而是整个算力架构里突破性能瓶颈的关键。

　　邰炜解释称，大模型在推理时，需要把每一层、每个Token的Key Value结果存起来，以避免重复计算，缩短响应时间。当上下文从4K Token拉长到128K Token，KV缓存空间需求会成倍放大；再叠加高并发请求，需求量级会迅速抬升，单靠HBM已难以承接，越来越多压力开始向NVMe SSD转移。

　　“也正因如此，针对AI推理负载优化的SSD需求增长极快，eSSD成为2026年NAND最大的应用市场。”邰炜判断。

　　“没有内存就没有AI。”群联电子CEO潘健成的判断更加直接。在他看来，谷歌推出的压缩算法，并不意味着存储需求会线性坍缩，相反，压缩技术意味着主机成本下降、出货数量上升，也意味着用户可以产出更多Token，带来更多存储和调用需求。

　　摩根士丹利也认为，通过大幅降低单次查询的服务成本，TurboQuant能够让原本只能在云端昂贵集群上运行的模型迁移至本地，有效降低AI规模化部署的门槛，这可能反而进一步提振整体需求。

扩产要等，缺货难解

　　“虽然现在存储原厂已经开始增加新的资本开支、扩产能，但存储行业的产能扩张周期长达18到24个月，最早也要到2027 年才会有新产能释放。”邰炜告诉记者，存储供应短缺的问题，短期内很难缓解。

　　在他看来，2026 年全球没有任何一款主流的AI存储产品能实现供需完全平衡，存储行业的焦点已经从“看谁更便宜”转向“看谁能拿到货”。

　　“现阶段，锁产能比谈价格更重要。”邰炜直言。

　　存储主控龙头慧荣科技高管也表示，2026年还不算至暗时刻，2027年供需缺口会放大，因为本轮涨价缺货并非简单的周期性波动，而是由AI带动的结构性变革，毕竟AI训练、推理产生的海量数据对存储需求是前所未有的。

一边承压，一边上探

　　于是，一个更现实的分化开始出现。

　　对手机、PC等传统消费市场而言，存储涨价首先体现为成本压力。一些存储厂商开始走“性价比”路线，试图用更少的运存做出更高的等效体验。

　　例如，江波龙正试图通过HLC高级缓存技术与SPU、UFS的深度集成，推动AI PC端和嵌入式端全场景落地，在优化AI体验的同时，降低终端对DRAM容量的需求和成本；群联电子推出Phison Hybrid AI SSD与aiDAPTIV+技术，预计可减少超50%的DRAM使用量，实现成本可控且安全的本地推理。

　　而另一边，大家又在集体“向上走”——资源和产能正优先流向高技术、高价值、高壁垒产品。

　　过去，AI 产业的聚光灯打在“训练”上，算力集群的吞吐固然惊人，但需求往往是阶段性的。如今，行业的重心正全面转向“推理”，这是一个更高频、更细密、更贴近真实商业流的“无底洞”。

　　根据国家数据局的最新数据，今年3月份，中国日均Token调用量突破了140万亿，近2年增长超千倍。在黄仁勋看来，智能体式AI有望将Token的消耗量提升1000倍，从而形成他所称的“算力真空”。

　　邰炜直言：“我们可以确认一句话——谁能解决‘AI时代数据搬运的功耗和延迟’，谁就能定义下一个10年。存储将进入AI驱动的超级周期。”

　　三星电子执行副总裁兼方案平台开发团队负责人张实完表示，高性能存储已不再是可有可无的选项，而是决定系统决策效率与规模的核心基石。围绕这一判断，三星正在推进PCIe Gen6固态硬盘PM1763，并计划于2026年至2027年推出更高密度的EDSFF驱动器，以提升单机架容量与带宽。

　　长江存储固态硬盘事业部负责人谭弘提到，AI竞赛已从重在“厚积”的训练阶段，进入重在“薄发”的推理阶段，存储带宽瓶颈正严重制约算力释放，目前GPU集群可用度仅约50%。

　　在他看来，破局之道在于存算协同：训练侧可依托大容量QLC eSSD存储Checkpoint，提升GPU效率；推理侧则通过eSSD分层缓存KV Cache，承接上下文状态管理。针对此类场景，长江存储推出多款Gen5企业级eSSD新品。

　　对于存储厂商而言，真正的考题不是能不能涨价，而是能不能站到更高价值的那一层。

　　从价格战到价值战，从单品到全栈方案，从算力附庸到“AI胜负手”……在这场由AI重写规则的竞赛里，零售价偶尔松动，不过是水面泛起的波纹；而在更深处，筹码依然稀缺，且无比昂贵。