11月2日，铠侠盘中跌16.74%，市值21.52万亿日元，较6月下旬的峰值少了64%。第一财经
10月30日的财报会上，这家日本NAND龙头刚交出创纪录业绩：营收2.48万亿日元，同比增长453.2%，调整后营业利润率80.2%。
CFO毛受明说，2027年产能已全部售罄，2028年长协覆盖的出货容量超过一半，部分客户已在谈2029年以后的合同。业绩创纪录、产能卖光，股价却崩了。华尔街见闻
市场不是不信AI需要存储，是不信存储还能按这个速度涨价。铠侠预计10至12月营业利润约2万亿日元，环比只增1%，低于分析师2.35万亿日元的预期。
价格涨幅也在收窄：4至6月平均售价环比涨70%，7至9月收窄到20%区间中段。更关键的是结构。
群智咨询的数据显示，10月512G SSD价格环比涨12%，手机用的256GB UFS只涨5.2%。企业级越卖越贵，消费级却涨不动。
2026年第四季度，存储市场从“全面涨价”转向“算力驱动的结构性涨价”。另一边，SK海力士的判断更直接：AI基础设施投资继续扩大，全球存储芯片供不应求可能持续到2030年。第一财经
公司已和14家主要客户签下通常五年的长协，覆盖2027至2028年超过一半产能。消费端看到的则是另一面。36氪
内存和SSD占一台PC的成本，已经从约15%涨到接近40%。同一种NAND，被分成了两个市场：企业级锁产能，消费级扛涨价。爱范儿
但对企业级买家，买到产能只是第一步。真正让GPU停下来的，常常是数据从盘走到GPU的那段路。
Meta运营着数百个EB级存储集群（1EB约等于100万个TB）。它最近发布的AI存储蓝图里写得很直接：AI计算性能大约每两年提升三倍，存储和互连性能增长慢得多。
由此产生的存储瓶颈，正在成为GPU停顿、训练成本上升和模型迭代变慢的重要原因。训练又是同步的。知乎
几十万块GPU按批次反复读同一批数据，只要一块GPU读慢了，整个训练步都要等。
旧的大对象存储要先查三层元数据（NameLayer、VolumesLayer、ContainerLayer），跨地域累计几百毫秒并不罕见。
查完之后，API Server还要充当数据代理，把数据从Tectonic拉出来，再转发给客户端。每多一层，就多一次等待。
Meta把这条路拆了。客户端先取一个ReadPlan，每个数据块只做一次O(1)查询——不管数据量多大，都是一次定位——拿到块号、偏移量和长度。
SDK里嵌入Tectonic的BlockClient，直接按块流式读，不再经过数据代理。
热点数据则分层缓存：GPU主机内存当L1，主机Flash当L2，区域Flash当L3，全球HDD做最终事实源。
改造后，分布式缓存平均命中率80%，ReadPlan元数据访问1至2毫秒。
跨地域数据加载平均耗时从150分钟降到10分钟，P99从61小时降到77分钟。知乎
这组数字里，最值得看的不是平均值，是P99——最慢的1%请求。训练对最慢的那批请求最敏感，一次慢请求就能拖住一大批GPU。
所以“存储网络”不是一台更大的盘柜。它是数据从盘到GPU经过的每一跳。
买全闪存、把带宽翻倍，如果元数据还要跨地域查三次、请求还要在代理上转一手，GPU照样要等。
就像把路修宽了，收费站还在，车还是过不去。
回到铠侠。2027年产能卖光，说明AI对存储的需求是真的；股价下跌，说明市场开始给“涨价”重新定价。
两件事不矛盾。真正还没被解决的是另一半：盘有了，数据怎么更快送到GPU。
对企业，这是架构问题；对普通人，它会以PC、手机、NAS的价格出现。存储的账，最后都要有人付。
