过去三周，存储板块迎来罕见的 “完美风暴”。
闪迪股价累计涨幅超过 100%，NAND 相关标的集体上行。表面看，这是一轮典型的存储周期反弹；但如果深入拆解年初以来的技术与需求变化，会发现这更像是一场由 AI 架构演进触发的价值重估。
从英伟达在 CES 上提出全新的推理存储架构，到 DeepSeek 发布的 Engram 模型，再到 ClaudeCode 推动 “有状态 AIAgent” 加速落地，三条原本分散的技术路径，在 2026 年初同时指向同一个结论：
<blockquote>
存储，正在从 “成本项” 转变为 AI 的 “核心生产要素”。
</blockquote>
<h2>黄仁勋点燃第一把火：上下文成为瓶颈，存储必须被重构</h2>
AI 推理规模的失控式增长，正在逼迫算力系统重构。
在 CES2026 上，英伟达 CEO 黄仁勋首次系统性提出 ICMS（InferenceContextMemoryStorage）的概念，并给出了一个清晰判断：上下文（Context），正在成为 AI 的新瓶颈，而不是算力本身。
随着模型上下文窗口从几十万 token 迈向 TB 级别，KVCache、上下文记忆对 HBM 的挤占已难以持续。一方面，HBM3e 单位成本远高于 NAND；另一方面，CoWoS 封装产能也对 HBM 供给形成硬约束。
英伟达的解法并非 “堆更多 GPU”，而是把上下文从 HBM 中卸载出来。
在最新发布的 DGXVeraRubinNVL72SuperPOD 架构中，除了计算与网络机架之外，英伟达首次引入了专门用于推理上下文的独立存储机架。这些机架通过 BlueFieldDPU 与 Spectrum-X 以太网接入计算体系，本质上承担的是 “工作记忆” 的角色。
从需求测算看，这一变化并非边际改动：
<blockquote>
<ul>
<li>每个 SuperPOD 的新增 NAND 规模约 9.6PB</li>
<li>折算到单个 NVL72 计算机架，增量 NAND 约 1.2PB</li>
<li>若 2027 年以 SuperPOD 形态出货 10 万个 NVL72 机架，对应 120EB 的新增 NAND 需求</li>
</ul>
<img class="wscnph" src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/77fb56bf-1c1f-4b23-9db9-84e7c281b536.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="476" height="598" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/77fb56bf-1c1f-4b23-9db9-84e7c281b536.png"/>
</blockquote>
在一个年需求约 1.1–1.2ZB 的全球 NAND 市场中，这意味着接近 10% 的结构性新增需求。更关键的是，这部分需求直接来自 AI 基础设施，而非传统消费电子。
<h2>DeepSeek Engram：NAND 被第一次 “当作慢速内存” 使用</h2>
如果说英伟达解决的是工程架构问题，那么 DeepSeek 的 Engram 模型，则在算法层面为 NAND 正名。
Engram 的核心突破在于确定性内存访问（DeterministicLookup）。不同于 MoE 或稠密 Transformer 的动态路由，Engram 在计算开始前，就能根据输入 token 精确判断需要访问的内存片段，从而提前完成预取。
在传统模型中，只有 HBM 这种超低延迟内存，才能支撑不确定访问路径；而 Engram 的确定性预取机制，有效 “掩盖” 了 SSD 与 HBM 之间的延迟差距。
DeepSeek 的论文已经验证：
<blockquote>
<ul>
<li>一个 1000 亿参数规模的嵌入表，可以完全卸载到主机内存</li>
<li>性能损失低于 3%</li>
<li>随着模型规模扩大，20–25% 的参数天然适合成为 “可卸载的静态记忆”</li>
</ul>
</blockquote>
这意味着什么？
这意味着 NAND 不再只是 “冷数据存储”，而是第一次被系统性地纳入分层内存体系（TieredMemory），成为 AI 的 “慢速 RAM”，专门承载庞大的、低频但不可或缺的知识库。
在成本维度上，NAND 的单位价格仍显著低于 DDR 和 HBM；一旦其在模型架构中具备 “不可替代性”，其在数据中心中的战略价值将被重新定价。
摩根士丹利分析师 Shawn Kim 及其团队认为，DeepSeek 展示了一条 “少花钱多办事（Doing More With Less）” 的技术路径。这种混合架构思路，不仅在现实层面缓解了在高端 AI 算力上的资源约束，也向全球市场证明：高效的存储 - 计算协同，可能比单纯扩大算力规模更具性价比。
<h2>ClaudeCode：AI 从 “无状态” 走向 “有状态”，存储需求指数级放大</h2>
第三个催化，来自应用层。
ClaudeCode 的爆发，标志着 AI 正从 “对话工具” 向长期运行的 Agent 演进。与一次性生成文本不同，写代码的 AI 需要：
<blockquote>
<ul>
<li>反复读取、修改文件</li>
<li>多轮调试与回溯</li>
<li>持续数天的会话状态</li>
</ul>
</blockquote>
这类 AI 的本质，是拥有长期工作记忆（Long-TermWorkingMemory）的 “有状态系统”。
而这种工作记忆，显然无法长期驻留在昂贵的 GPUHBM 中。
BlueFieldDPU+NAND 的组合，恰好提供了一种成本可控的解决方案：Agent 的会话状态、历史上下文，可以常驻在 NAND 层，而不是占用算力资源。
这意味着，随着 AIAgent 渗透率提升，存储的需求函数将与推理调用次数脱钩，转而与 “状态持续时间” 挂钩——这是一种全新的增长逻辑。
<h2>为什么是闪迪？为什么是现在？</h2>
三条技术路径，在 2026 年初同时落地，构成了一个极具说服力的结论：
<blockquote>
<ul>
<li>英伟达在硬件架构层面，为 NAND 创造了全新应用场景</li>
<li>DeepSeek 在模型层面，验证了 NAND 可作为 “慢速内存” 的可行性</li>
<li>ClaudeCode 在应用层面，放大了长期存储的刚性需求</li>
</ul>
</blockquote>
这并非单一客户、单一产品的短期拉动，而是 AI 体系结构发生变化的信号。
在此背景下，闪迪的股价表现，不再只是 “存储周期反弹” 的映射，而是市场开始重新理解一个问题：在 AI 时代，什么才是真正的基础设施？
当 NAND 同时具备周期复苏 + 长期需求 + 结构性重估三重驱动时，其定价逻辑自然会发生跃迁。这，或许才是闪迪暴涨背后的真正原因。

黄仁勋点燃第一把火，他系统性提出 ICMS 的概念并给出了一个清晰判断：上下文正在成为 AI 的新瓶颈，而不是算力本身，这为 NAND 创造了全新应用场景；DeepSeek Engram 则在模型层面，验证了 NAND 可作为 “慢速内存” 的可行性。而 ClaudeCode 在应用层面，放大了长期存储的刚性需求。

- 存储板块因 AI 架构演进迎来价值重估，闪迪股价涨幅超 100%。  
- AI 推理规模增长导致上下文转变成新瓶颈，存储需重构以应对需求。  
- 深度学习模型与长期存储需求提升，NAND 显示出核心价值，推动行业变化。

华尔街见闻

Invesco PHLX Semiconductor ETF

英伟达

西部数据

Sandisk

费城交易所 半导体 ETF - iShares

半导体 ETF - VanEck Vectors

2 倍做多英伟达 ETF - Direxion

2 倍做多英伟达 ETF - GraniteShares

半导体 3 倍做多 - Direxion

2 倍做多 NVDA ETF - T-Rex

标普半导体 ETF - SPDR

纳斯达克半导体 ETF - First Trust

闪迪暴涨背后：三大催化共振，NAND 成 “必需品”，AI 重估存储价值