AI大模型浪潮翻涌，正催生出一系列连锁反应。

　　一方面，AI推理飞速演进，以“OpenClaw（龙虾）”为代表的AI Agent超级应用快速崛起，正掀起一场席卷全球的技术竞赛。

　　另一方面，曾经被视作AI算力基础设施“配角”的存储芯片，正逐渐走到舞台中央，成为支撑大模型训练与推理、端云协同交互的核心底座，这已经不仅是HBM（高带宽内存）的主场，全球正掀起一场争夺先进“存力”的新战役。

　　在此背景下，存储行业正经历一场“十年未见”的波动行情。供需紧张、技术迭代、架构革新三重因素交织，一场关乎生存与增长的产业竞赛悄然打响。

存储走到中央

　　存储产业全面走向全球AI舞台中央，来自于头部大厂和AI应用的共同催化。

　　存力一直以来伴随算力的需求而生，在早期，英伟达GPU芯片对HBM（DRAM内存芯片的一种）有旺盛需求。而彼时存储产业正面临严峻的下行周期，于是头部厂商倾向于将产能转向具备高利润空间的HBM产品，相比之下，则放缓了NAND Flash芯片的资本开支。

　　但随着英伟达新一代芯片推出，对NAND Flash芯片开始有更多需求。当前全球产能情况已经无法及时满足这些新增需求。

　　这本质上是伴随AI广泛落地，而推动的技术路线快速演化。

　　在AI推理应用阶段，往往涉及多轮问答交互，而大模型在后台会随时进行准备，该过程中会令KV Cache（键值缓存）呈现指数级增加，因此需要相匹配的存力。

　　大普微董事长杨亚飞分析道，AI在推理阶段对存储提出了全新要求。有业界做过预估，每128K token约合需要61GB存储量作为匹配，那么当前日均万亿级别的token处理量，对存储形成海量需求。相比之下，HBM价格昂贵且容量有限，HDD（机械硬盘）又无法满足随机读写的性能要求，而SSD凭借低延时、高容量等特征，因此被高度重视，当前市场中有大量SSD需求空白需要填补。

　　此外，杨亚飞续称，当前正处在AI推理大爆发时期，以“龙虾”为代表的Agent超级应用正掀起新浪潮。这令数据来源发生结构性变化：从过去由人产生，到逐渐由机器产生。此前曾有观点认为只有HBM更受益于AI浪潮，但与SSD无关，如今，AI推理和应用的进一步爆发，显然正让更多存储品类受益。

　　另据花旗研究，一台完整的新一代英伟达Vera Rubin服务器配备72块GPU。基于该架构，每块GPU需对应16TB的SSD用于上下文内存存储（ICMS）。因此，单台服务器就需要额外搭载高达1152TB（即1.152PB）的NAND闪存。

　　倘若从积极情况分析，花旗研究认为，若2027年部署10万台服务器，有望带来约1.152亿TB增量需求，相当于全球NAND存储市场总需求的9.3%。

　　慧荣科技总经理苟嘉章也指出，英伟达推出CMX上下文存储平台，让存储的地位变得愈发重要，导致架构从data storage进入compute storage阶段。“对存储业是很好的消息，这意味着有更多能力可以释放。”他续称，慧荣科技也在布局PCIe Gen6等下一代技术，强调性能与功耗平衡，助力客户在AI推理与训练场景中实现更高效的数据调度。

　　同时，在技术和供应两个条件共同驱动下，本轮存储周期被业内称为“十年未见”，其持续性与价格走势备受关注。德明利企业级存储产品管理部总监陈进葵分析认为，原厂产能扩张投资规模大、周期长，当前产能释放仍较为谨慎，而市场需求尤其是AI领域的爆发，正在推动存储需求结构发生根本性变化。

　　他进一步分析道，从行业获取的信息显示，自2025年下半年开始，海外云服务厂商开始与原厂锁定长期产能，导致存储芯片供应向数据中心倾斜；而大模型应用的持续爆发，带来KV Cache（键值缓存）爆发式增长，这直接导向存储需求爆发。这意味着，目前供给端和需求端都指向存储行业处在景气上升趋势中。

　　“德明利在早期做了较为长期的供应链规划，所以有相应长期产能保障。”他指出，在产品组合方面，公司在企业类、嵌入式、工控和消费类等多个领域均有存储产品布局，覆盖高中低端不同定位。希望通过持续优化产品结构，缓解行业价格波动带来的影响，同时推进在高端存储产品的开发节奏，以期进一步推进高价值应用的落地。

　　面对当前存储芯片供不应求的局面，杨亚飞指出，粗略预估当前仅能满足50%的市场需求，但每一次供应链危机都会倒逼技术创新。大普微通过透明压缩等技术，极大节省成本，这不仅有望缓解供应紧张，也将持续降低存储成本。

　　此前谷歌发表TurboQuant技术也是基于此类逻辑。长此以往，他认为存储成本的下降将刺激更大规模的应用落地，类似于手机从“大哥大”走向“千元机”带动移动互联网爆发一样，推理应用的普及也将迎来更广阔的未来。

“龙虾”激发需求

　　从整体趋势看，AI大模型的发展从过去以文本为主，到如今视频生成类应用涌现，显示出当前正处在AI技术大爆发的时期。苟嘉章提到，存储产业如何用更高效的方式进行存储、存算更好协同都是其中核心要义。

　　他续称，例如谷歌提出的Turbo Quant技术有助于提升存储效率，但KV Cache本质上是临时性存储，与Agentic AI的个性化需求密切相关。他认为，存储效率的提升对整个行业是利好，未来不排除会涌现更多新技术，这并不会削弱存储的重要性。

　　联芸科技存储事业部产品副总经理金烨也分析，以“龙虾”为代表的AI Agent应用落地过程中，当前仍面临算力成本高企的问题，业界也在积极应对。随着技术优化和成本下降，AI应用加速普及，带动整体存储市场容量扩张。

　　当然，进入Agent元年，各类应用落地对存储产业链的技术能力提出更多要求。

　　得一微电子（YEESTOR）首席市场官罗挺分析，过去存储芯片的核心竞争力在于容量，如今，随着“OpenClaw（龙虾）”等AI智能体应用的快速演进，存储创新的重心转向以高性能、智能化及高效数据处理为核心的“AI存力”综合提升。

　　“大模型的应用落地需要更多上下文支持，如何优化数据处理效率、提升系统整体性能，这成为存力创新的关键点。”他进一步分析道，AI大模型的出现，需要不同类型的算力与存力芯片协同工作，得一微着眼于推进存力更好支撑端云协同。

　　据悉，从2025年开始，得一微围绕存储控制、存算互联、存算一体三大技术路径，以提升AI系统整体运行效率。整体看，得一微面对AI时代的存力需求，聚焦两大创新方向：一是高存力，即通过存力主控芯片提高LLM推理的性能和效率，让每比特数据创造更多智能；二是高可靠，以满足手机、汽车、工业等场景的严苛要求。

　　据联芸科技董事长方小玲分析，面对推理场景带来的新挑战，如KV Cache带来的随机读写与带宽压力，传统主控架构已难以胜任。联芸科技通过引入KV加速引擎、预测性预取、无感垃圾回收等核心技术，显著提升推理场景下的吞吐量与稳定性，并实现低延迟保障。

　　金烨介绍，联芸已在企业级市场布局PCIe 5.0产品，具备512TB的容量支持能力，并在功耗控制方面具备优势。公司也在推进QLC NAND的研发，这是未来大容量存储的重要方向，同时在TLC与QLC之间实现灵活支持，以满足不同应用场景的需求。

　　特纳飞系统和产品副总裁赵亮指出，本轮端侧AI发展过程中要求模型在本地运行并实现实时Agent交互，这对存储提出四大新要求：极高的响应速度（毫秒级响应）和极低延迟、低功耗、高带宽和大容量（PCIe 5.0/NVMe 2.0成标配）以及高稳定性与可靠性。

　　特纳飞从进入消费级SSD市场时，便专注于DRAM-less控制器，截至今年一季度，公司自研的新一代主控存储芯片可以在无外置DRAM的情况下实现高性能、低功耗；同时在固件层面，优化AI模型加载/推理路径，目的就是适配端侧大模型与Agent场景。

　　赵亮透露，公司还在与终端厂商联合定义端侧AI存储方案，提前适配下一代AI PC和AI手机。由此，公司已经实现从存储主控供应商升级为端侧AI存储方案商。

　　“龙虾热”表面是AI应用层的狂欢，实则是对AI整体基础设施底座的一次大考。从HBM的一枝独秀，到SSD、主控芯片、存算架构的全线爆发，存储行业正经历从“配角”到“底座”的身份跃迁。

　　AI推理爆发带来的海量存力需求、GPU架构革新推动的存算协同变革、端云一体化对性能与功耗的极致要求，共同将存储行业推向产业变革的核心地带。尽管短期内存储芯片短缺加剧、行业周期波动与技术挑战并存，但每一次供需紧张都在倒逼技术创新，并以此打开新的增长空间。