过去两年，存储行业经历了前所未有的增长。NAND 闪存出货量飙升，企业级 SSD 供不应求，HBM（高带宽内存）成为半导体行业最紧俏的品类。一个沉寂多年的行业，为什么突然爆发了？
根本原因：AI 改变了数据的角色
传统存储的核心任务是"存取"——数据写进去，需要时读出来。这个模型下，存储的优化方向很明确：更大容量、更低成本、更低功耗。
但 AI 训练完全改变了这个范式。
大模型训练需要持续不断地向 GPU 输送数据。数据不再是"存起来等用"，而是变成了 GPU 的"燃料"——必须源源不断、极低延迟、海量吞吐地喂给计算单元。
这个转变的本质是：存储从辅助角色变成了关键路径。过去存储慢一点，用户多等半秒无所谓。现在存储慢一点，价值千万的 GPU 集群就在空转。
三个具体的增长驱动力
1. HBM：GPU 的"贴身缓存"
HBM 的需求完全由 AI 驱动。一块 H100 GPU 配备 80GB HBM，而一颗 HBM3E 芯片的单价超过主流 DDR5 内存的十倍以上。这不是渐进式增长，而是需求结构的突变——每卖出一块 AI GPU，就捆绑销售了价值数千美元的 HBM。
2. 企业级 SSD：训练数据的高速公路
大模型训练数据集动辄数十 TB，全部需要存放在能跟上 GPU 吞吐速度的存储介质上。QLC NAND + NVMe 接口的组合，让企业级 SSD 兼顾了容量和速度。更重要的是，推理场景对存储的需求才刚刚起步——RAG（检索增强生成）架构天然依赖高速向量数据库存储。
3. 边缘与推理：下一波浪潮
目前存储行业的爆发主要集中在训练侧。但推理侧的存储需求可能更大。端侧 AI（手机、PC、IoT）需要本地高速存储来运行模型，这会推动 UFS、PCIe SSD 在消费电子中的进一步渗透。
本质：从周期性到结构性
存储行业历史上以强周期著称——涨价、扩产、过剩、跌价，循环往复。但 AI 带来的需求不同于手机和 PC 的换机周期。它不是"多卖几台设备"的增量逻辑，而是整个计算架构的重构。
当数据中心从"CPU 为中心"转向"GPU 为中心"，存储的带宽和延迟要求被系统性抬高了。这种结构性的变化不会因为短期供需波动而逆转。
存储行业正在从配角变成主角。这不是周期性的回暖，而是范式转移的序幕。