AI引爆存儲“超級周期”，數據中心加速向“Token工廠”演進|聚焦

《科創板日報》4月30日訊（記者 黃心怡）當前，AI智能體從概念走向落地，加速應用創新，推動Token消耗呈指數級增長。由于智能體對長期記憶的剛需爆發，這場由AI算力需求引爆的“存儲超級周期”，其帶來的變革遠不止于硬件漲價，更在重塑整個技術棧的底層邏輯。從算力中心到Token工廠，從硬件定價到Token經濟，數據中心的角色與價值衡量體系正發生根本性轉變。

▍存儲漲價周期將持續至2026年以后

TrendForce最新預測，2026年第二季度，DRAM和NAND Flash的合約價將分別暴漲58-63%和70-75%。這并非普通的行業周期波動，而是由AI算力需求引爆的一場“存儲超級周期”。

全球光刻機巨頭ASML一季度財報數據顯示，存儲相關業務營收達32億歐元，同比增幅達32%，而邏輯芯片相關營收為31億歐元，首次被存儲業務反超。ASML首席執行官傅恪禮在財報視頻訪談中表示，人工智能基礎設施的投資驅動，帶動對先進存儲和先進邏輯芯片的旺盛需求。在可預見的未來，市場供應仍將無法滿足需求。存儲芯片的供不應求將持續到2026年以后。

IDC中國研究副總裁周震剛表示，從目前的預測來看，存儲的上漲周期會跨越2026年，甚至可能蔓延到2027年-2028年。原廠產能爬升需要12-18個月，得等到2027年初才能有所緩解，AI需求持續旺盛，缺口一直都在?！艾F在存儲基本是賣方市場，從技術上看2026年PCIe Gen5和QLC會加速應用。此外，國內本土化加速會填補一定的需求缺口。”

▍存儲軟件棧亟待重構

談及AI浪潮對存儲的影響，浪潮信息存儲產品線副總經理郭海峰表示：“從表象來看，大家能直接感受到的就是存儲的各種部件價格飛漲，越來越貴，都翻倍了。其實最直接的原因是數據產生的效率越來越高，數據量也越來越大。當然，數據的價值是否也會隨之越來越高，現在還說不準?！?/p>

“以前談大數據時，我們常說數據規模大、處理速度要求高，但價值密度是低的。在AI時代的現階段，價值密度是否越來越低，還不好評估，但數據量肯定是大的?！惫７宸Q，在沒有挖掘出數據價值之前，最好的做法是先存儲起來。雖然數據產生得越來越多，但其中的垃圾數據或無效數據可能也越來越多。這會占用空間，直接的影響就是整體成本上漲。”

隨著AI技術浪潮的深入發展，整個技術架構的演進正發生變化?！耙郧八械臄祿⑺惴?、應用都是圍繞CPU來設計的，但用這套架構跑最新的應用時，GPU的等待時間非常長，效率極低。”郭海峰介紹。

“從技術架構的角度看，對存儲最直接的影響是整個軟件棧需要重構、需要精簡。存儲廠商的定位也發生了變化：原來的企業存儲主要做數據保護，而現在企業級存儲或AI存儲的第一目標是要實現效率的提升——如何充分滿足GPU對數據的訴求，避免GPU處于空轉狀態，因為空轉的成本太高了。”

另一個核心點是數據安全。“比如‘全民養龍蝦’，這會涉及一個問題：如果把所有權限都交給一個Agent，那么用戶隱私和數據安全可能失控。業內統計過，從網上下載的Skill里有約30%存在安全漏洞，這會直接導致智能體、AI環境被控制?！惫７褰榻B。

“因此從存儲側需要做好數據的權限管控和數據隔離。包括算法、權限管控的隔離，每一步操作都要做審計，檢驗其合法性?，F階段數據安全已經不再只是傳統意義上的防病毒，因為對AI數據的‘投毒’投的不是病毒，而是垃圾數據。做好權限管控之后，就可以保證數據在權限范圍內讀寫，而不是在沒有權限的情況下被投進垃圾數據。因此，數據隔離、權限隔離、配置隔離、多租戶的全方位隔離，能夠很好地實現數據保護。”

鼎甲科技相關負責人也認為，企業在推進AI應用時，應把數據安全和數據保護作為基礎工程提前規劃，而不是等到AI系統上線后再補。“建議企業先梳理AI相關數據資產，明確哪些數據支撐模型訓練，哪些數據支撐知識問答，哪些數據支撐業務決策，并對模型文件、知識庫、訓練資料、業務數據和系統配置建立備份、恢復驗證和權限管理機制。只有底層數據可靠，Token 才能真正轉化為穩定、可持續的業務價值?！?/p>

上述負責人還表示，未來存儲建設會從單一擴容，轉向多介質組合和精細化管理。常用數據需要高性能存儲支撐，長期歸檔數據可以通過磁帶庫、光盤塔、云存儲等介質降低成本，關鍵數據則必須做好備份、異地容災和離線保護。對于核心業務數據和 AI 關鍵數據，還應建立離線副本和異地容災機制，避免因價格上漲、供貨周期拉長、設備故障或網絡攻擊影響業務連續性。

▍從算力中心到Token工廠

業內分析普遍認為，未來數據中心將從傳統的存儲與計算中心，轉型為生產Token的“超級工廠”。存儲產業鏈上下游正為此開展布局。

“隨著AI發展從訓練轉向推理階段，具備決策與執行能力的AI智能體正是該趨勢的重要反映。這對存儲芯片提出了包括帶寬、速度及功耗等多維度的全新要求?！币幻鎯Ξa業鏈人士稱。

不久前，浪潮信息發布了AI數據平臺A9000系列。郭海峰介紹，AI數據平臺的核心思路正是將上層的算力視為一個“AI工廠”?！霸贏I生產的過程中，它其實是一個流水線作業。AI工廠需要原料，需要整個流水線的支撐，這個支撐就是指下層的網絡加存儲。將存儲層定義為數據平臺，意味著存儲層能夠處理各個階段的多種數據類型。在訓練階段提升數據供給效率，在推理階段優化底層支撐能力，從而充分發揮底層基礎設施的能力。”

談及Token經濟學的話題，郭海峰認為，這是一個綜合的概念，涉及應用效率、算力提升、算法優化，以及未來整個能源體系的轉換?！癐T廠商更多需要降低成本，從算法角度如何把底層的新硬件、新網絡的能效發揮到極致，用更優的算法來提升GPU的利用率或效率。效率提升了，成本才能降下來。”

Token經濟學還涉及能源體系的競爭?！爸袊a生一度電的成本低于其他許多國家，如果從專業存儲的角度來看，Token經濟學成本是從技術角度出發。如果要更全面地看這個問題，則需要從整個能源、算力以及獲得芯片的總體成本來綜合考量?！惫７迦缡钦f。

圍繞Token經濟的商業模式，周震剛提出了兩個方向：一是按Token定價。類似早期的5G流量模式，會出現一系列新的定價模式，如按響應速度定價、固定Token數包月或包年等。二是產業鏈價值重組。Token成為統一的計量單位，算力、模型、應用的價值得以量化、可交易。甚至私有化部署也會轉變為Token定價模式，例如AI一體機將從當前以硬件配置定價，轉變為以單位時間輸出的Token能力定價。

“未來，圍繞精細化Token運營以及基于Token經濟的新型商業模式，將成為重要發展趨勢?！敝苷饎偡Q。