從綠葉到鮮花，AI 推理如何為 NAND“逆天改命”？

NAND 是一個被“技術詛咒”的行業：正如海豚君在前篇《NAND天性 “多產”，閃迪憑什麼守 80% 毛利率？》中所説，AI 爆發前的 NAND 就是典型的大宗生意——產能由市場無情出清，技術領先換不來溢價，只能“虧得比別人少”，銷量增長的紅利被降價全部吞噬。

根源在供給端太多產：靠單一晶圓上向上堆疊、橫向縮孔，從 BiCS5 到 BiCS11 五代，閃迪每片晶圓的 bit 產出每代增加 54%，年化複合約 27%。

也就是説，哪怕一分錢擴產（CapEx）不花，bit 產能每年也會自動膨脹近三成。3D 轉型期更是一次性猛增，供給一度遠超需求，這讓“輕資產”NAND 生意在下行週期比“重資產”DRAM 更慘烈。

而 AI 的爆發，正在重寫 NAND 的劇本。本篇報告中，海豚君重點關注AI 浪潮究竟給 NAND 下游需求帶來了怎樣的結構性重塑？

正文如下：

1. AI 浪潮究竟給 NAND 下游需求帶來了怎樣的結構性重塑？

AI之前的消費電子週期中，“話事”需求場景——手機、PC、傳統服務器等核心下游增長平穩可預期，缺乏爆發變量，所以週期的大起大落，實質由供給端的無序擴產與急劇收縮主導。

需求增長來自三大動能：單機容量升級、新興市場滲透，以及固態硬盤（SSD）對機械硬盤（HDD）的存量替代，緩步而穩定。

穩定的需求，配上剛性提升供給，導致NAND 屬性被困在經典的“硅週期”中：供過於求、價格暴跌 → 原廠減產，低價同時刺激單機容量升級 → 供需再平衡、價格回升 → 原廠在高利潤下追高擴產 → 再次陷入產能過剩。

只要 NAND 擺脱不了“外圍零件”的定位，這個死循環就打不破。唯一出路，是出現一個不太看價格、且與 GPU 算力部署直接綁定的新場景——這正是後來 AI 浪潮所扮演的破局者角色。

第二階段（2025 年之後）：AI 推理驅動的結構性爆發

2026 年是 NAND 歷史上最具標誌性的分水嶺：數據中心佔 NAND 總需求的比重，從 2025 年約 30% 躍升至 2026 年約 45%，歷史性反超智能手機（同期收縮至約 23%），成為最大終端基本盤。

驅動 NAND 需求的主角，從對價格高度敏感、庫存大起大落的消費電子，換成了以 TCO（總擁有成本）和算力回報（ROI）做決策、對價格脱敏的雲服務商。

雲廠商關心的不再是“這季度顆粒夠不夠便宜”，而是“能否按時拿到足額的高性能 eSSD，保證未來三年 GPU 基建不掉鏈子”。從“短期壓價”轉向“長期保供”，正是原廠推行 NBM（新型長協模式）的需求側基石。

伴隨基本盤切換，AI 重心“由訓轉推”，更讓 NAND 的角色質變：

AI早期，NAND 只是外圍的“數據倉庫”：把訓練語料、模型權重、防宕機的 Checkpoint（存檔）等靜態數據，放在 GPU 能快速調取的近端。這些數據可替代性極強——丟了從數據湖重新下載即可，只花帶寬和極少電費，不必動用昂貴 GPU 重算。

但推理時代，計算變成高併發、持續性的“動態消耗”——存儲需求與“AI 用户數 × 使用頻次 × 上下文長度”強綁定。更關鍵的是，NAND 首次存儲“計算的中間產物”。

長文本推理產生的龐大 KV Cache 不是外部搬來的靜態數據，是 GPU 大量消耗算力後生成的“工作記憶”。它一旦丟失，中央倉庫沒有備份，只能再花昂貴的 GPU 算力和電費重算。

存儲的價值第一次可以直接折算成“算力與電費”。正如閃迪所説——SSD 本質上已經進化為一塊“Token 電池”：Token 是已經做過的功，與其丟棄重算，不如“充”入硬盤；存 KV Cache 就是幫雲廠商省電、省算力。

鎧俠的預測也印證了這一趨勢：數據中心 NAND 總需求將從 2025 年的 286 EB 增至 2031 年的 1,686 EB（CAGR 34%），且內部結構極度分化：

AI 推理： 從 2025 年的 86 EB 激增至 2031 年的 1,251 EB，CAGR 高達 56%；佔數據中心 NAND 需求的比例也從 30% 攀升至 74%。

AI 訓練與傳統負載： 同期 AI 訓練的 CAGR 僅 11%，傳統雲工作負載（以 CPU 為主）僅 14%。

推理需求的增速是訓練的 5 倍——本輪 NAND 超級行情，將主要由推理需求的爆發主導。

先看 NAND 在 AI 數據中心的主要應用：

① KV Cache 卸載——NAND成GPU 的上下文存儲層

AI 推理時，GPU 必須為每個 Token 實時計算並維護 KV Cache（模型的“工作記憶”）。但早期架構中它是“算完即棄”的消耗品：一輪對話結束，或 GPU 要騰顯存服務下一個用户，HBM 裏的 KV Cache 就被清空。

於是用户一旦追問，或多人併發調用同一份超長文檔，系統只能把上下文重新餵給 GPU，從頭做一次昂貴的 Prefill（預填充）。

Prefill 是推理第一步：GPU 一口氣通讀全部輸入、算清 Token 間的關聯（Attention 機制），再生成一遍 KV Cache——這是整個推理中最吃算力、最費電的環節。

過去“用了就丟”，是因為兩筆賬算不過來：

a. 重算比存起來更便宜： 早期（如 GPT-3 時代）上下文只有 2K Tokens，KV Cache 很小，GPU 零點幾秒就能重算完；而存進硬盤要經 CPU 和內存中轉、在 PCIe 上“折返跑”，來回耗時甚至超過重算。

b. HBM 又小又貴：GPU 自帶顯存“寸土寸金”，必須留給當前活躍的計算任務，不可能長期保管已下線用户歷史記憶。

但長文本時代推翻了這筆賬：從 2020 年 GPT-3 的 2K Token 到 2026 年主流模型的百萬級上下文，六年暴漲 500 倍。重算一次百萬 Token 的 KV Cache，要讓昂貴的 GPU 滿載跑好幾秒，有算力與電費代價。

這直接促成 KV Cache 的“再定性”：英偉達 ICMS（推理上下文內存存儲）架構，正式把它從“算完即棄的臨時緩存”改定義為“AI 原生持久數據”。

現在，臨時緩存變長久緩存，這個賬是否算得過來？

a. 容量約束: 算法壓縮也趕不上KV Cache膨脹速度

第一個條件，是 HBM 的擴容速度遠追不上 KV Cache 的膨脹。

KV Cache 總量 = 上下文長度 × 併發會話數 × 單 Token 存儲量。目前，前兩個變量都在被急劇放大：

上下文長度每年翻倍以上：主流模型從 4K、128K 快速演進到 1M+，KV Cache 隨之線性放大。

併發與推理輪次爆發——正被三種應用架構急劇放大：

a. RAG（檢索增強生成）： 問一句話，後台塞進兩本書。系統把檢索到的大量文檔拼接到輸入端，送進 GPU 的 Token 遠超原始提問，單次任務的 KV Cache 直接拉爆。

b. Agentic Search： AI 從“一問一答”變成自主循環的“規劃—調用—評估—再檢索”。多步任務把單次 Token 消耗從數百個拉到上百萬個。

c. Multi-Agent： 多個 Agent 併發協作，每個獨立生成 KV Cache，存儲需求隨數量成倍疊加。

模型廠商每年至少把上下文擴大一倍，HBM 的物理擴容卻接近極限：單卡容量約 2-3 年才翻一倍，紅利還在放緩。

判斷 KV Cache 會不會溢出，要以單個推理機櫃的可用 HBM 池為單位。以 Rubin NVL72 的21T的HBM容量為例：

部署 2.8T 參數的旗艦 MoE 模型，FP8 下權重佔約 2.8 TB；再扣掉激活值、分頁與框架開銷（約佔 12%，約 2.5 TB），真正能給 KV Cache 的池化空間上限約 15.4 TB。

不壓縮時，10 萬 Token 約佔 40 GB。即便用最前沿的壓縮算法（如谷歌 TurboQuant，16 位壓到 3 位、約 5–6 倍無損壓縮），100 萬 Token 仍要佔 67–80 GB。

也就是説，一台造價約 500 萬美元的機櫃，極限只能同時服務 193–230 個百萬 Token 級長度得會話。對企業級雲服務而言，這意味着極低的算力變現效率（ROI）。

一旦上下文擴到 500 萬 Token，或併發突破這一閾值，機櫃級 HBM 池會迅速觸頂。因此把 KV Cache 從 HBM 逐級卸載到 DRAM 再到 NAND，往後看是一場必然之路。

b. 便宜，也是致命吸引力

哪怕 HBM 容量勉強夠用，用它長期留存 KV Cache 在經濟上也不成立：HBM4 約 16 美元/GB，eSSD 約 0.3-0.4 美元/GB，前者是後者的 40-50 倍。用它去放幾小時都不調一次的“温/冷 KV Cache”，是極度的資源錯配。

為此英偉達確立了新的分層內存架構：G1 HBM → G2 系統 DRAM → G3 本地 SSD（NAND）→ G4 共享網絡存儲（NAND/HDD），由 NVIDIA Dynamo 在軟件層統籌，讓 KV Cache 在各層間透明遷移。

英偉達估計，大規模多智能體推理下每個 GPU 模組最高需要 16 TB 的 KV Cache，因此在 Rubin 平台構建了 ICMS/CMX 上下文存儲層，位於 G3 本地 SSD 與 G4 共享存儲之間，定義為 G3.5 層——因為 G3 容量有限、不能跨節點共享，撐不住多智能體的大規模複用。

CMX 單層容量約 16TB，是單卡 288GB HBM 的近 60 倍——NAND夠便宜，才能做到量大不貴。

c. 改用NAND，時延上來得及嗎？

卸載值不值得，最終看 TTFT（首 Token 時延）——只有“從 SSD 讀回來”的時間和成本低於“用 GPU 重新算一遍”，卸載在商業上才成立。

GPU Direct Storage（GDS）是跨越門檻的關鍵：它繞過 CPU 和 DRAM，通過 PCIe/RDMA 在 eSSD 與 GPU 的顯存之間修一條直連高速路。

據公開驗證，GDS 結合壓縮技術可把 KV Cache 的恢復時延改善 10 倍，讓超低時延的上下文交付在工程上成為現實。

NAND存儲KV Cache的數據類型：“共享型記憶”和高頻複用

即使跨過容量與成本的門檻，KV Cache 要卸載到 NAND裏，還需滿足兩個條件：

條件一：必須是共享型緩存

a. 短暫型緩存（逐字生成的草稿）：HBM承載

AI 逐字回答（Decode 階段）時，每吐一個字都要全量重讀歷史上下文。此時強行寫 SSD，一是帶寬不夠、會卡死 AI“説話”的節奏（速度牆），二是高頻碎片化追加寫幾周就能耗盡企業級硬盤的壽命（壽命牆）。所以這類草稿禁止落盤，必須留在 HBM 顯存中。

b. 共享型緩存（靜態打包案卷）：NAND來存

只有當 AI 剛讀完超長提示詞（Prefill 階段）、用户切出對話或 Agent 掛起任務時，產生的才是算完、可整段打包寫出的完整上下文。它“塊大、順序、低頻”，像整箱搬運定稿檔案，與 NAND 大塊連續讀寫完美契合，這類數據才可以NAND層。

條件二：高頻複用才能“值回票價”

除了可用，經濟也要可行：卸載淨收益 = 複用次數 × (重算算力成本 − 讀回成本) − (寫入成本 + 佔位存儲成本)

GPU 重算既費電又費算力，已算好的緩存從 SSD 讀回，只要被複用 1 到 2 次就能盈虧平衡。挑戰在於硬盤空間同樣稀缺，只有高頻複用的上下文，才值這個存儲佔位。

這最終濃縮為一個核心指標——緩存命中率：命中率越高，邊際服務成本越趨近於零。新請求進來時，系統通過“前綴比對”去硬盤取回備份，跳過最燒錢的 Prefill 重算。

正如 Manus 團隊指出的：命中緩存的 Token 比未命中的便宜約 10 倍。普通大模型命中率在 40%–70%（MiniMax 71%、Z.ai GLM5 約 40%），多步執行的 Agent 場景則長期企穩在 95% 以上（DeepSeek 實測 98.7%），實現“寫一次、讀上千次”的紅利。

實際使用中，對話變長或 GPU 換用户都會產生中斷，當前 KV Cache 就可讓出HBM空間。如果這些會話還會被再次調用就可存到 NAND中，服務恢復時再載入。

典型卸載場景包括：用户閲讀停頓、跨週期歷史回溯、Agent 掛起的長空隙、超大規模併發共享，以及企業級知識庫調用。

KV Cache 分層： AI 推理對存儲拉動不是單點，而是從高性能閃存（pSLC/TLC）到海量温冷存儲（QLC），連同 DRAM 與 HBM，把整條企業級存儲產品線一起拉起來。

這條通路上，各類存儲分工明確：

DRAM（G2）承接活躍任務的“熱溢出”： 它是 HBM 的直接緩衝帶，收容同一場活躍會話中因顯存觸頂放不下的 KV 數據。速度快，會話不卡頓，但斷電丟失。

NAND（G3–G4）主導高價值資產的“持久複用”： 跨過斷電可保留的門檻後，數據進入非易失閃存主導的持久化複用鏈路，並沿介質特性逐級下沉：

a. G3 直連層（pSLC/性能型 TLC）： 承接剛剛換出、隨時可能被重新喚醒的温熱會話上下文。

b. G3.5 本地網絡層（耐久型 TLC）： 承接同一算力集羣內，需跨節點高頻共享的 System Prompt 與 Agent 狀態。

c. G4 遠端歸檔層（大容量 QLC/HDD）： 承接海量、極低頻調用的 RAG 企業知識庫與歷史對話歸檔。

② Staging 場景：TLC 與 pSLC 的剛性基本盤

據閃迪測算，Staging（類似候場類數據，等待被HBM隨時調用） 佔 2030 年 AI 數據中心 NAND 需求的 40%，是最大的單一板塊，且全部由 TLC（含 pSLC）包攬。

打個比方：從數據湖調出的數據，先存在緊貼 GPU 主板的高速 NVMe SSD 緩衝區（G3 直連 SSD）。像廚師案板旁的切菜盤——食材從冷庫取出先放手邊，不必每切一刀跑一趟冷庫。

a. 訓練側 Staging：突發覆蓋寫

核心任務是給模型做“定時存檔”（Checkpoint）與數據集暫存。訓練萬億參數大模型時，單次存檔高達 TB 級，且每隔幾十分鐘就要滾動保存一次。

雖然現在能讓 GPU“邊算邊存”（異步存檔）、不必停工乾等，但這麼大規模的集中落盤依然會嚴重擠佔帶寬；存檔拖得越久，對計算流水線的干擾越大。

所以訓練側 Staging 面對雙重約束：既要扛住反覆覆蓋寫入的磨損，又要把寫入窗口壓到最短。

b. 推理側 Staging：高併發讀取

推理側 Staging 的三大任務，共同特徵是讀密集、寫極少：

模型冷啓動與彈性伸縮：訓練機可按月連軸轉，但推理機卻要隨早晚高峰頻繁調節容量和開關機，而內存又斷電即失。所以新節點上線，都要靠本地 SSD 的強連續讀取帶寬把參數瞬間搬進空顯存，實現“秒級接客”（一天可能觸發數十次重載）。

多模型/多版本動態常駐：生產節點常需同時伺候幾十 TB 的“全家桶”（不同尺寸、精度、版本）。單卡顯存（288GB）和系統內存與之差一到兩個數量級，唯有 4–16TB 直連 SSD 裝得下整套工具箱。讓極少調用的舊模型霸佔昂貴顯存是錯配，下沉至 SSD 換入換出才是最優解。

面對這種極端的 I/O 強度，各類介質逐一被淘汰：

HBM & DRAM：成本極高且容量稀缺，必須留給活躍的 KV Cache；更致命的是 DRAM 斷電即失，而 Checkpoint 的意義恰恰是“系統崩潰後還能恢復”。

HDD：吞吐量跟不上 GPU 突發的大塊寫入，且受體積與功耗限制，根本進不了 GPU 計算托盤所在的機櫃。

QLC：擦寫壽命約為 TLC 的十分之一（QLC 約 1,000 次，TLC 約10,000 次）。Staging 是 AI 存儲棧中寫入最重的環節，QLC 壽命會迅速耗盡——這是硬約束，而非成本權衡。

這樣，TLC 正好適合 Staging，但TLC在部分場景下還不夠，由此衍生出pSLC：

pSLC，是把 TLC 或 QLC 顆粒當 SLC 用——本可存 3 bit 或 4 bit 的 Cell 只存 1 bit。換來更長的耐久度和更低的寫入延遲，代價是犧牲約三分之二有效容量。

直接後果是：要達到與標準 SSD 相同的有效容量，需要 3-4 倍晶圓產出。核心觸發場景是 RAG 與 Agentic Search 的高頻向量檢索。

AI 智能體做大規模向量檢索新特徵（如下），逼着 NAND 必須以高速 pSLC 模式運行：

a. 找得太碎（訪問粒度極細）： AI 搜索知識庫時往往只需比對一小串特徵（幾百字節）。但標準 TLC SSD 是個“死腦筋”，哪怕只要一個字，也得把整頁（4KB）全讀出來，浪費讀取帶寬。

b. 問得太密（併發強度極高）： 現在的 AI 會自己做計劃、調工具、反覆查資料，單次任務瞬間裂變成成千上萬個密集的“查字典”請求。標準 TLC SSD 在高併發下迅速排隊飽和。

c. 邊讀邊寫（讀寫雙向承壓）： AI 智能體會一邊查一邊更新索引、記錄中間狀態。這種“一邊翻書一邊做筆記”的強度會讓普通 TLC 壽命快速耗盡，而 pSLC 壽命是它的十幾倍。

但承載這一層的下一代直連架構——NVIDIA Storage-Next（G2.6 層，位於 G2.5 CXL 內存之下、G3 本地 SSD 之上）——仍處在英偉達主導、與鎧俠等廠商協同定義規格的階段。

它的定位，是在 DDR與本地 SSD 之間新增一層 直連GPU的pSLC 存儲層，讓 NAND 具備接近 DRAM 的 IOPS 與訪問粒度（512B 細粒度隨機訪問），同時保留低成本、大容量優勢。

③ Fast Data Lake 場景：QLC 的主戰場

如果説 GPU 直連 SSD 是案板旁的“切菜盤”，存儲需要讀寫雙能。 G4 遠端網絡層的 Fast Data Lake（快速數據湖）就是 AI 數據中心的“遠端中央總倉”，以讀為主：以 PB 級容量裝下 AI 運轉所需的全部“家底”——訓練語料、多模態數據集、各版本模型權重、RAG 知識庫和推理回流日誌。

按閃迪 2030 年的需求拆分，Fast Data Lake 約佔 AI 數據中心 NAND 需求的 25%，幾乎全部由 QLC 承載。

核心問題是：QLC 能否替代 HDD？海豚君認為需從以下維度分析：

a. 熱數據——QLC 穩坐主位

正在被 CPU/GPU 高頻消費的數據（如正在處理的訓練集、等待檢索的 RAG 知識庫），需要極高的數據吞吐量。

HDD 的機械磁頭尋道延遲（毫秒級）與 AI 所需的微秒級響應差了兩個數量級，從一開始就被物理排除。QLC 憑藉超大容量和讀寫帶寬，在此層是替代的絕對主力。

b. 温冷數據：HDD坐主桌

對於“存着備查”和“歷史歸檔”類數據，是否放入 QLC 取決於兩個維度：

①供給側擾動：短期“假性替代”

短期 HDD 將出現 300EB 至 400EB 的供給缺口。當前部分雲廠商用 eSSD 臨時兜底，造成了“加速替代”的假象。

但 HDD也能用類似SSD的技術持續拉昇產能，被 eSSD 臨時接管的純容量需求回流 HDD，替代邏輯變弱。

②經濟賬：QLC漲價後算不平

短期因缺貨有替代跡象，但後續QLC因熱數據層的替代是剛需，導致QLC漲價。當下HDD 的每 GB 價差已飆升至 20–25 倍。在穩冷層數據存儲中，QLC反而難取代HDD。後續要QLC出現大容量低成本的產品面世後，替代概率才可能加大。

因此 QLC 替代 HDD 絕非單向線性推進，而是分化為三種敍事：

a. 性能關鍵路徑（熱數據）上，替代已經完成且不可逆；

b. 温冷歸檔層，高昂價差阻斷了正常置換，目前的“替代份額”更多是 HDD 缺貨逼出的“臨時補位”，未來面臨回流風險；

c. 長期勝負手在於大容量高密度QLC 量產，能否靠極致“空間與能耗壓縮”，在 TCO 上跨過 2-3 倍的替換紅線。

據閃迪業績會，超大容量 QLC 在 FQ4'26（2026 年 4-6 月）剛產生首批收入，FQ1'27 進入早期爬坡。閃迪預計 QLC 佔整體 bit 出貨的比例，從 2025 年約 20% 升至 2026 財年末的 40%，主要由 Stargate （超大容量QLC）在雲廠商放量驅動。

④ HBF: 需求上行期權

在傳統 AI 存儲層級中，緊貼 GPU 的 HBM雖有百納秒級延遲與超高帶寬，但受 DRAM 製程限制，單堆棧容量小、成本高；再往下到 NVMe SSD，延遲與帶寬又出現嚴重斷層。

NAND廠商現在在努力推新品：HBF（High Bandwidth Flash）——它的結構基本是HBM的復刻：多層堆疊、TSV貫通連接上下、與XPU共同封裝，只是把DRAM顆粒換成了NAND顆粒

閃迪正開發的 HBF，號稱堆疊 16 層 NAND、在維持 HBM 級帶寬的同時把容量放大 8 倍。（參考：從 HBM 限高到 NAND 加量，英偉達 vs 存力到底誰拿捏誰？）。

HBF 與 HBM 並非簡單替代關係，而是基於物理特性的優劣互補：

HBF優勢是容量大，成本低，但短板同樣明確：微秒級延遲讓它反應偏慢，不擅長細碎的隨機散讀；且有物理擦寫壽命上限，只能當“只讀參考書”，扛不住高頻寫入。

此外 HBF 仍在工程推進期：2026 年下半年進入試產建線、預計 2027 年商業化，但緊貼高發熱 GPU 部署的散熱標準仍待確立。

由此形成分工：

HBM 專注“性能至上”，是旗艦 GPU 的絕對標配，負責對延遲極敏感的預填充（Prefill）階段、高頻讀寫的活躍 KV Cache，以及要求最高對稱讀寫帶寬的訓練任務。

HBF 主打“容量為王”，接管以順序讀取為主的常規推理、需單機容納全量模型的長文本與 MoE 場景，以及讀多寫少的温冷 KV Cache 卸載，讓中低端 GPU 甚至未來的邊緣設備也能跑超大模型。

因此海豚君認為，HBF 不是顛覆 HBM，二者共存互補——HBM 管延遲敏感的熱數據，HBF 管容量飢餓的温數據。未來HBF的使用滲透還要繼續觀察。

閃迪將 HBF 分成四種部署形態，具體定義可見《AI 推理大爆發，“悲催” 閃迪真有鳳凰涅槃？》。海豚君認為，③ 增配型（HBF+HBM 混搭）和 ④ 解耦型（池化）落地可能性最大。

增配型的邏輯最簡單：HBM 不撤，HBF 加進來一起用。GPU 廠商不用大改，HBM 繼續幹擅長的活，HBF 在旁邊裝權重和冷 KV 緩存。SK 海力士新提的 H3 架構就是HBM和HBF混搭——2027 年量產、2028 年客户上車，是目前阻力最小的路。

解耦型則是把 HBF 從 GPU 旁獨立出來，像硬盤櫃一樣池化部署、通過網絡連接計算單元。這是未來大方向——NVIDIA 的 CMX 方案推的也是類似的機架級存儲池；但它要求網絡架構跟着升級，預計 2028 年之後才可能成為實際選項。

從各廠商路線來看，HBF 目前仍處於標準聯盟階段，尚未進入 GPU 廠商（特別是 NVIDIA）的官方架構標準中。

閃迪與 SK 海力士是當前唯二的實質推動者：雙方已於 2026 年初成立標準聯盟並建起試產線，比原計劃提前半年——預計2026年底造出芯片，明年推控制器，2027 年衝刺量產。

谷歌、英偉達、AMD 等最早要到 2028 年才可能作為客户採用，但採用≠定義——HBF 真正進入 GPU 廠商的架構體系，還要過標準認證、參考設計集成、生態適配等關卡。

其他廠商：三星有專利儲備，但未公開原型與時間表；鎧俠走 XL-FLASH 路線（G2.6 Storage Next），與 HBF 不直接競爭；美光暫無公開計劃。

總體看，HBF 產業化時間線雖在加速，但格局本質是“存儲廠商在推動，GPU 廠商尚未上車”。真正的分化要等 2027 年樣品表現，以及 2028 年頭部客户是否正式將其納入系統設計。

總結：

AI 對 NAND 的重塑，不只是把需求曲線抬高一個台階，確實有希望打破“硅週期”宿命： “算力部署與推理負載主導”下，NAND 也從“外圍零部件”變成“計算路徑上的必需品”。

在“由訓轉推”與長上下文時代，用NAND存 KV Cache 是保存昂貴的 GPU 算力與電費資源，SSD 一定程度上就是“Token 電池”。

據$閃迪(SNDK.US) 測算，2030 年 AI 數據中心 NAND 出貨量將達 1.2 ZB（較 2026 年增長約三倍），三大核心負載分工明確：

a. Staging 暫存層（佔比 40%）：貼近 GPU 的極高強度 I/O 緩衝區，受極端覆蓋磨損與高併發限制，由高性能 TLC（及 pSLC）壟斷。

b. KV Cache 卸載層（佔比 35%）：推理時代全新增量，承載HBM 溢出的動態存儲容量，由 TLC/QLC 梯次承接。

c. Fast Data Lake 快速數據湖（佔比 25%）：遠端中央數據總倉，由大容量 QLC 穩坐主位。

按 NAND 類型計，TLC 佔 66%、QLC 佔 34%：佔比最大的 Staging 因寫入強度，天然排斥 QLC，TLC 穩佔基本盤；QLC 聚焦數據湖與温冷 KV Cache 卸載。

這三類負載的演進方向恰好相反：數據湖向“更便宜”走（QLC 容量放大），Staging 與熱路徑則向“更快更耐用”走（TLC 乃至 pSLC，犧牲約三分之二容量換取 10 倍耐久性）。

而這波漲價的“超級行情”還能飛多久？站在當前估值節點，涅槃後的閃迪是否仍有向上空間？海豚君將繼續在下篇為您拆解，敬請期待！

<此處結束>

本文的風險披露與聲明：海豚研究免責聲明及一般披露

更新分析：

一、海豚君AI 存儲系列分析

DRAM行業：

《存力接棒算力，HBM 為什麼 “脱穎而出”？》

《從 HBM 限高到 NAND 加量，英偉達 vs 存力到底誰拿捏誰？》

個股：

閃迪（上）：《AI 推理大爆發，“悲催” 閃迪真有鳳凰涅槃？》

閃迪（中）：《NAND 天性 “多產”，閃迪憑什麼守 80% 毛利率？》

二、海豚君AI DC互聯繫列分析：

CPO行業

《AI 超連接時代：AI 向 “光” 飛奔？》《“‘銅’ 牛夫人” 不走！CPO：真機會 or 鏡中花？》

組網架構

英偉達組網：《AI 時代 DC 互聯：單芯之上抱 “網” 作戰，真有 “中國” 機會嗎？》

DC組網之AMD vs英偉達：《AMD 跟英偉達 “掰手腕”，Helios 夠格嗎？》

谷歌組網：《叫板英偉達霸權，谷歌 “光網” 憑什麼？》

個股

Lumentum：《從光互聯老炮到 “全能賣水人”，Lumentum 憑什麼？》

三、海豚君AI XPU系列分析

Agent與CPU：《Muse“爆火”，CPU 迎來自己的 ChatGPT 時刻？》

……更多內容，敬請關注長橋海豚研究官網。