過去三週，存儲板塊迎來罕見的 “完美風暴”。
閃迪股價累計漲幅超過 100%，NAND 相關標的集體上行。表面看，這是一輪典型的存儲週期反彈；但如果深入拆解年初以來的技術與需求變化，會發現這更像是一場由 AI 架構演進觸發的價值重估。
從英偉達在 CES 上提出全新的推理存儲架構，到 DeepSeek 發佈的 Engram 模型，再到 ClaudeCode 推動 “有狀態 AIAgent” 加速落地，三條原本分散的技術路徑，在 2026 年初同時指向同一個結論：
<blockquote>
存儲，正在從 “成本項” 轉變為 AI 的 “核心生產要素”。
</blockquote>
<h2>黃仁勳點燃第一把火：上下文成為瓶頸，存儲必須被重構</h2>
AI 推理規模的失控式增長，正在逼迫算力系統重構。
在 CES2026 上，英偉達 CEO 黃仁勳首次系統性提出 ICMS（InferenceContextMemoryStorage）的概念，並給出了一個清晰判斷：上下文（Context），正在成為 AI 的新瓶頸，而不是算力本身。
隨着模型上下文窗口從幾十萬 token 邁向 TB 級別，KVCache、上下文記憶對 HBM 的擠佔已難以持續。一方面，HBM3e 單位成本遠高於 NAND；另一方面，CoWoS 封裝產能也對 HBM 供給形成硬約束。
英偉達的解法並非 “堆更多 GPU”，而是把上下文從 HBM 中卸載出來。
在最新發布的 DGXVeraRubinNVL72SuperPOD 架構中，除了計算與網絡機架之外，英偉達首次引入了專門用於推理上下文的獨立存儲機架。這些機架通過 BlueFieldDPU 與 Spectrum-X 以太網接入計算體系，本質上承擔的是 “工作記憶” 的角色。
從需求測算看，這一變化並非邊際改動：
<blockquote>
<ul>
<li>每個 SuperPOD 的新增 NAND 規模約 9.6PB</li>
<li>折算到單個 NVL72 計算機架，增量 NAND 約 1.2PB</li>
<li>若 2027 年以 SuperPOD 形態出貨 10 萬個 NVL72 機架，對應 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>
在一個年需求約 1.1–1.2ZB 的全球 NAND 市場中，這意味着接近 10% 的結構性新增需求。更關鍵的是，這部分需求直接來自 AI 基礎設施，而非傳統消費電子。
<h2>DeepSeek Engram：NAND 被第一次 “當作慢速內存” 使用</h2>
如果説英偉達解決的是工程架構問題，那麼 DeepSeek 的 Engram 模型，則在算法層面為 NAND 正名。
Engram 的核心突破在於確定性內存訪問（DeterministicLookup）。不同於 MoE 或稠密 Transformer 的動態路由，Engram 在計算開始前，就能根據輸入 token 精確判斷需要訪問的內存片段，從而提前完成預取。
在傳統模型中，只有 HBM 這種超低延遲內存，才能支撐不確定訪問路徑；而 Engram 的確定性預取機制，有效 “掩蓋” 了 SSD 與 HBM 之間的延遲差距。
DeepSeek 的論文已經驗證：
<blockquote>
<ul>
<li>一個 1000 億參數規模的嵌入表，可以完全卸載到主機內存</li>
<li>性能損失低於 3%</li>
<li>隨着模型規模擴大，20–25% 的參數天然適合成為 “可卸載的靜態記憶”</li>
</ul>
</blockquote>
這意味着什麼？
這意味着 NAND 不再只是 “冷數據存儲”，而是第一次被系統性地納入分層內存體系（TieredMemory），成為 AI 的 “慢速 RAM”，專門承載龐大的、低頻但不可或缺的知識庫。
在成本維度上，NAND 的單位價格仍顯著低於 DDR 和 HBM；一旦其在模型架構中具備 “不可替代性”，其在數據中心中的戰略價值將被重新定價。
摩根士丹利分析師 Shawn Kim 及其團隊認為，DeepSeek 展示了一條 “少花錢多辦事（Doing More With Less）” 的技術路徑。這種混合架構思路，不僅在現實層面緩解了在高端 AI 算力上的資源約束，也向全球市場證明：高效的存儲 - 計算協同，可能比單純擴大算力規模更具性價比。
<h2>ClaudeCode：AI 從 “無狀態” 走向 “有狀態”，存儲需求指數級放大</h2>
第三個催化，來自應用層。
ClaudeCode 的爆發，標誌着 AI 正從 “對話工具” 向長期運行的 Agent 演進。與一次性生成文本不同，寫代碼的 AI 需要：
<blockquote>
<ul>
<li>反覆讀取、修改文件</li>
<li>多輪調試與回溯</li>
<li>持續數天的會話狀態</li>
</ul>
</blockquote>
這類 AI 的本質，是擁有長期工作記憶（Long-TermWorkingMemory）的 “有狀態系統”。
而這種工作記憶，顯然無法長期駐留在昂貴的 GPUHBM 中。
BlueFieldDPU+NAND 的組合，恰好提供了一種成本可控的解決方案：Agent 的會話狀態、歷史上下文，可以常駐在 NAND 層，而不是佔用算力資源。
這意味着，隨着 AIAgent 滲透率提升，存儲的需求函數將與推理調用次數脱鈎，轉而與 “狀態持續時間” 掛鈎——這是一種全新的增長邏輯。
<h2>為什麼是閃迪？為什麼是現在？</h2>
三條技術路徑，在 2026 年初同時落地，構成了一個極具説服力的結論：
<blockquote>
<ul>
<li>英偉達在硬件架構層面，為 NAND 創造了全新應用場景</li>
<li>DeepSeek 在模型層面，驗證了 NAND 可作為 “慢速內存” 的可行性</li>
<li>ClaudeCode 在應用層面，放大了長期存儲的剛性需求</li>
</ul>
</blockquote>
這並非單一客户、單一產品的短期拉動，而是 AI 體系結構發生變化的信號。
在此背景下，閃迪的股價表現，不再只是 “存儲週期反彈” 的映射，而是市場開始重新理解一個問題：在 AI 時代，什麼才是真正的基礎設施？
當 NAND 同時具備週期復甦 + 長期需求 + 結構性重估三重驅動時，其定價邏輯自然會發生躍遷。這，或許才是閃迪暴漲背後的真正原因。

黃仁勳點燃第一把火，他系統性提出 ICMS 的概念並給出了一個清晰判斷：上下文正在成為 AI 的新瓶頸，而不是算力本身，這為 NAND 創造了全新應用場景；DeepSeek Engram 則在模型層面，驗證了 NAND 可作為 “慢速內存” 的可行性。而 ClaudeCode 在應用層面，放大了長期存儲的剛性需求。

- 存儲板塊因 AI 架構演進迎來價值重估，閃迪股價漲幅超 100%。  
- AI 推理規模增長導致上下文轉變成新瓶頸，存儲需重構以應對需求。  
- 深度學習模型與長期存儲需求提升，NAND 顯示出核心價值，推動行業變化。

華爾街見聞

Invesco PHLX Semiconductor ETF

英偉達

西部數據

Sandisk

費城交易所 半導體 ETF - iShares

半導體 ETF - VanEck Vectors

2 倍做多英偉達 ETF - Direxion

2 倍做多英偉達 ETF - GraniteShares

半導體 3 倍做多 - Direxion

2 倍做多 NVDA ETF - T-Rex

標普半導體 ETF - SPDR

納斯達克半導體 ETF - First Trust

閃迪暴漲背後：三大催化共振，NAND 成 “必需品”，AI 重估存儲價值