過去三周，存儲板塊迎來罕見的“完美風(fēng)暴”。

閃迪股價(jià)累計(jì)漲幅超過100%，NAND相關(guān)標(biāo)的集體上行。表面看，這是一輪典型的存儲周期反彈；但如果深入拆解年初以來的技術(shù)與需求變化，會發(fā)現(xiàn)這更像是一場由AI架構(gòu)演進(jìn)觸發(fā)的價(jià)值重估。

從英偉達(dá)在CES上提出全新的推理存儲架構(gòu)，到DeepSeek發(fā)布的Engram模型，再到ClaudeCode推動“有狀態(tài)AIAgent”加速落地，三條原本分散的技術(shù)路徑，在2026年初同時(shí)指向同一個(gè)結(jié)論：

存儲，正在從“成本項(xiàng)”轉(zhuǎn)變?yōu)锳I的“核心生產(chǎn)要素”。

AI推理規(guī)模的失控式增長，正在逼迫算力系統(tǒng)重構(gòu)。

在CES2026上，英偉達(dá)CEO黃仁勛首次系統(tǒng)性提出ICMS（InferenceContextMemoryStorage）的概念，并給出了一個(gè)清晰判斷：上下文（Context），正在成為AI的新瓶頸，而不是算力本身。

隨著模型上下文窗口從幾十萬token邁向TB級別，KVCache、上下文記憶對HBM的擠占已難以持續(xù)。一方面，HBM3e單位成本遠(yuǎn)高于NAND；另一方面，CoWoS封裝產(chǎn)能也對HBM供給形成硬約束。

英偉達(dá)的解法并非“堆更多GPU”，而是把上下文從HBM中卸載出來。

在最新發(fā)布的DGXVeraRubinNVL72SuperPOD架構(gòu)中，除了計(jì)算與網(wǎng)絡(luò)機(jī)架之外，英偉達(dá)首次引入了專門用于推理上下文的獨(dú)立存儲機(jī)架。這些機(jī)架通過BlueFieldDPU與Spectrum-X以太網(wǎng)接入計(jì)算體系，本質(zhì)上承擔(dān)的是“工作記憶”的角色。

從需求測算看，這一變化并非邊際改動：

• 每個(gè)SuperPOD的新增NAND規(guī)模約9.6PB
• 折算到單個(gè)NVL72計(jì)算機(jī)架，增量NAND約1.2PB
• 若2027年以SuperPOD形態(tài)出貨10萬個(gè)NVL72機(jī)架，對應(yīng)120EB的新增NAND需求

在一個(gè)年需求約1.1–1.2ZB的全球NAND市場中，這意味著接近10%的結(jié)構(gòu)性新增需求。更關(guān)鍵的是，這部分需求直接來自AI基礎(chǔ)設(shè)施，而非傳統(tǒng)消費(fèi)電子。

DeepSeek Engram：NAND被第一次“當(dāng)作慢速內(nèi)存”使用

如果說英偉達(dá)解決的是工程架構(gòu)問題，那么DeepSeek的Engram模型，則在算法層面為NAND正名。

Engram的核心突破在于確定性內(nèi)存訪問（DeterministicLookup）。不同于MoE或稠密Transformer的動態(tài)路由，Engram在計(jì)算開始前，就能根據(jù)輸入token精確判斷需要訪問的內(nèi)存片段，從而提前完成預(yù)取。

在傳統(tǒng)模型中，只有HBM這種超低延遲內(nèi)存，才能支撐不確定訪問路徑；而Engram的確定性預(yù)取機(jī)制，有效“掩蓋”了SSD與HBM之間的延遲差距。

DeepSeek的論文已經(jīng)驗(yàn)證：

• 一個(gè)1000億參數(shù)規(guī)模的嵌入表，可以完全卸載到主機(jī)內(nèi)存
• 性能損失低于3%
• 隨著模型規(guī)模擴(kuò)大，20–25%的參數(shù)天然適合成為“可卸載的靜態(tài)記憶”

這意味著什么？

這意味著NAND不再只是“冷數(shù)據(jù)存儲”，而是第一次被系統(tǒng)性地納入分層內(nèi)存體系（TieredMemory），成為AI的“慢速RAM”，專門承載龐大的、低頻但不可或缺的知識庫。

在成本維度上，NAND的單位價(jià)格仍顯著低于DDR和HBM；一旦其在模型架構(gòu)中具備“不可替代性”，其在數(shù)據(jù)中心中的戰(zhàn)略價(jià)值將被重新定價(jià)。

摩根士丹利分析師 Shawn Kim 及其團(tuán)隊(duì)認(rèn)為，DeepSeek 展示了一條“少花錢多辦事（Doing More With Less）”的技術(shù)路徑。這種混合架構(gòu)思路，不僅在現(xiàn)實(shí)層面緩解了在高端 AI 算力上的資源約束，也向全球市場證明：高效的存儲-計(jì)算協(xié)同，可能比單純擴(kuò)大算力規(guī)模更具性價(jià)比。

ClaudeCode：AI從“無狀態(tài)”走向“有狀態(tài)”，存儲需求指數(shù)級放大

第三個(gè)催化，來自應(yīng)用層。

ClaudeCode的爆發(fā)，標(biāo)志著AI正從“對話工具”向長期運(yùn)行的Agent演進(jìn)。與一次性生成文本不同，寫代碼的AI需要：

• 反復(fù)讀取、修改文件
• 多輪調(diào)試與回溯
• 持續(xù)數(shù)天的會話狀態(tài)

這類AI的本質(zhì)，是擁有長期工作記憶（Long-TermWorkingMemory）的“有狀態(tài)系統(tǒng)”。

而這種工作記憶，顯然無法長期駐留在昂貴的GPUHBM中。

BlueFieldDPU+NAND的組合，恰好提供了一種成本可控的解決方案：Agent的會話狀態(tài)、歷史上下文，可以常駐在NAND層，而不是占用算力資源。

這意味著，隨著AIAgent滲透率提升，存儲的需求函數(shù)將與推理調(diào)用次數(shù)脫鉤，轉(zhuǎn)而與“狀態(tài)持續(xù)時(shí)間”掛鉤——這是一種全新的增長邏輯。

為什么是閃迪？為什么是現(xiàn)在？

三條技術(shù)路徑，在2026年初同時(shí)落地，構(gòu)成了一個(gè)極具說服力的結(jié)論：

• 英偉達(dá)在硬件架構(gòu)層面，為NAND創(chuàng)造了全新應(yīng)用場景
• DeepSeek在模型層面，驗(yàn)證了NAND可作為“慢速內(nèi)存”的可行性
• ClaudeCode在應(yīng)用層面，放大了長期存儲的剛性需求

這并非單一客戶、單一產(chǎn)品的短期拉動，而是AI體系結(jié)構(gòu)發(fā)生變化的信號。

在此背景下，閃迪的股價(jià)表現(xiàn)，不再只是“存儲周期反彈”的映射，而是市場開始重新理解一個(gè)問題：在AI時(shí)代，什么才是真正的基礎(chǔ)設(shè)施？

當(dāng)NAND同時(shí)具備周期復(fù)蘇+長期需求+結(jié)構(gòu)性重估三重驅(qū)動時(shí)，其定價(jià)邏輯自然會發(fā)生躍遷。這，或許才是閃迪暴漲背后的真正原因。