西部数据的一位高管做过一个演示：让 AI 生成一段关于咖啡师的短片，成片 3.97MB。系统最后留在盘里的，是 506MB 的 MP4，加上约 3MB 的日志和元数据，合计 509MB。
你看到的是 4MB，系统留下的是 509MB，差了 130 倍。
这不是浪费。下一次训练、下一次检索，可能还要用到它。AI 改的第一件事，不是算力，是数据的留存方式。
人拍一张照片，存一张；AI 生成一段视频，要把中间帧、轨迹、日志都留下。IDC 的数字是：2024 年全球产生 173ZB 数据，2026 年 274ZB，2030 年 718ZB。
但 2026 年全世界装机的存储容量只有 13.1ZB。也就是说，只有约 2% 的数据被真的存下来。剩下的 98% 产生、用完、丢弃，过去这没什么问题。大G看科技
过去这套账算得过来，因为数据可以丢。现在不行了。IDC 调查了 763 家企业，74.3% 说上 AI 后数据保留时间变长，75.9% 说把归档的冷数据重新拉回线上。
冷数据从近线硬盘搬进 SSD，占的是更贵的产能。数据量涨 50%，占用的有效产能可能涨 200%。
需求先撞上的是内存。2026 年，HBM 加服务器内存吃掉 51% 的 DRAM 供给位元。生产一片 HBM 消耗的晶圆，能生产三到四片普通 DDR5。
硬盘也没躲开。30TB 企业级硬盘从 2025 年三季度的 495 美元涨到 2026 年 8 月的 1216 美元，涨了 146%。希捷 2026 年产能售罄，部分近线硬盘的产能已经分到 2028 年。
价格涨到一定程度，涨不动了。2026 年四季度 DRAM 合约价预计只涨 10%—15%，前面三个季度分别是 93%—98%、约 80%、13%—18%。但缺货没停。
价格能被合约冻结，晶圆不会因此多长一片。
比容量更紧的，是数据从存储走到 GPU 的那段路。
海豚投研算过一笔账：Qwen3.8Max 在已有 10 万 token 上下文的基础上，再生成 10 万 token，需要读取的数据量约 500TB。每生成一个新 token，都要把激活参数和此前全部 KV 缓存重读一遍。海豚投研
举个简化的例子：GPU 一秒能算 1GB，内存一秒只能送 0.5GB，它就只能等。从 B100 到 GB300，HBM 带宽一直卡在 8TB/s，带宽与算力的比值从 1.1 掉到 0.5。
AI 时代，大模型训练动辄 PB 级数据吞吐，存储 IO 已成为制约 GPU 算力释放的最大瓶颈。这时候，多买几张卡、多插几块盘，都不解决问题。卡在等数据，盘在等网络。半导体产业纵横
存储网络要做的，就是把这段路缩短。传统 SAN 走光纤通道，iSCSI 把 SCSI 命令搬上以太网。
AI 集群更常用 NVMe-oF，把 NVMe 命令通过 RDMA 或 TCP 送到远端，让 GPU 像访问本地盘一样访问存储池。
再往前一步是 CXL：把多台服务器的 DRAM 连成内存池，让 GPU 按需取用。
这些不是概念。西部数据的 OpenFlex Data24 用 NVMe-oF 做存算分离；华为 OceanStor Dorado 3000 做到 0.03ms 时延、400 万 IOPS。
澜起科技的 CXL 3.2 芯片已经导入三星和 SK 海力士。
存储从“仓库”变成了“供水管”。
2026 年 6 月 24 日，德国汉堡，ISC2026 发布 IO500 榜单。中科曙光 ParaStor F9000 全闪存储系统在生产型全节点和 10 节点两个榜单同时第一，是中国厂商首次。36氪
这个榜单不看实验室峰值，只看真实生产环境里跑了很久的系统。F9000 支持从千卡到十万卡集群，官方说法是千亿参数模型部署时间缩短 1 倍，集群训练效率提升 50%。
一块存储系统拿冠军，不是因为它比 GPU 更耀眼，而是因为 GPU 能不能吃饱，越来越取决于它。
资本市场先给出了反应。截至 2026 年 10 月 30 日，11 家存储企业较年内高点平均回撤 51.6%。佰维存储、德明利、江波龙最大跌幅超过 70%。硅基观察Pro
可同期业绩好得惊人：美光 2026 财年净利润 849.69 亿美元，同比增近 9 倍。
业绩和股价背道而驰，因为市场知道涨价红利在收窄。但缺货不会跟着股价一起消失。价格先停，缺货后停。大G看科技
对普通用户，这件事不会以“买不到”出现，而是“同价位配置缩水”：手机从 512GB 退回 256GB，轻薄本从 32GB 退回 16GB，NAS 用户开始认真删文件。
对 AI 集群，它表现为另一种形式：卡越多，越怕数据供不上。下一轮基础设施的竞争，不只是比谁有更多 GPU，也比谁能让数据更快地走到 GPU 面前。
