《科创板日报》4月30日讯（记者 黄心怡）当前，AI智能体从概念走向落地，加速应用创新，推动Token消耗呈指数级增长。由于智能体对长期记忆的刚需爆发，这场由AI算力需求引爆的“存储超级周期”，其带来的变革远不止于硬件涨价，更在重塑整个技术栈的底层逻辑。从算力中心到Token工厂，从硬件定价到Token经济，数据中心的角色与价值衡量体系正发生根本性转变。

▍存储涨价周期将持续至2026年以后

TrendForce最新预测，2026年第二季度，DRAM和NAND Flash的合约价将分别暴涨58-63%和70-75%。这并非普通的行业周期波动，而是由AI算力需求引爆的一场“存储超级周期”。

全球光刻机巨头ASML一季度财报数据显示，存储相关业务营收达32亿欧元，同比增幅达32%，而逻辑芯片相关营收为31亿欧元，首次被存储业务反超。ASML首席执行官傅恪礼在财报视频访谈中表示，人工智能基础设施的投资驱动，带动对先进存储和先进逻辑芯片的旺盛需求。在可预见的未来，市场供应仍将无法满足需求。存储芯片的供不应求将持续到2026年以后。

IDC中国研究副总裁周震刚表示，从目前的预测来看，存储的上涨周期会跨越2026年，甚至可能蔓延到2027年-2028年。原厂产能爬升需要12-18个月，得等到2027年初才能有所缓解，AI需求持续旺盛，缺口一直都在。“现在存储基本是卖方市场，从技术上看2026年PCIe Gen5和QLC会加速应用。此外，国内本土化加速会填补一定的需求缺口。”

▍存储软件栈亟待重构

谈及AI浪潮对存储的影响，浪潮信息存储产品线副总经理郭海峰表示：“从表象来看，大家能直接感受到的就是存储的各种部件价格飞涨，越来越贵，都翻倍了。其实最直接的原因是数据产生的效率越来越高，数据量也越来越大。当然，数据的价值是否也会随之越来越高，现在还说不准。“

“以前谈大数据时，我们常说数据规模大、处理速度要求高，但价值密度是低的。在AI时代的现阶段，价值密度是否越来越低，还不好评估，但数据量肯定是大的。”郭海峰称，在没有挖掘出数据价值之前，最好的做法是先存储起来。虽然数据产生得越来越多，但其中的垃圾数据或无效数据可能也越来越多。这会占用空间，直接的影响就是整体成本上涨。”

随着AI技术浪潮的深入发展，整个技术架构的演进正发生变化。“以前所有的数据、算法、应用都是围绕CPU来设计的，但用这套架构跑最新的应用时，GPU的等待时间非常长，效率极低。”郭海峰介绍。

“从技术架构的角度看，对存储最直接的影响是整个软件栈需要重构、需要精简。存储厂商的定位也发生了变化：原来的企业存储主要做数据保护，而现在企业级存储或AI存储的第一目标是要实现效率的提升——如何充分满足GPU对数据的诉求，避免GPU处于空转状态，因为空转的成本太高了。”

另一个核心点是数据安全。“比如‘全民养龙虾’，这会涉及一个问题：如果把所有权限都交给一个Agent，那么用户隐私和数据安全可能失控。业内统计过，从网上下载的Skill里有约30%存在安全漏洞，这会直接导致智能体、AI环境被控制。”郭海峰介绍。

“因此从存储侧需要做好数据的权限管控和数据隔离。包括算法、权限管控的隔离，每一步操作都要做审计，检验其合法性。现阶段数据安全已经不再只是传统意义上的防病毒，因为对AI数据的‘投毒’投的不是病毒，而是垃圾数据。做好权限管控之后，就可以保证数据在权限范围内读写，而不是在没有权限的情况下被投进垃圾数据。因此，数据隔离、权限隔离、配置隔离、多租户的全方位隔离，能够很好地实现数据保护。”

鼎甲科技相关负责人也认为，企业在推进AI应用时，应把数据安全和数据保护作为基础工程提前规划，而不是等到AI系统上线后再补。“建议企业先梳理AI相关数据资产，明确哪些数据支撑模型训练，哪些数据支撑知识问答，哪些数据支撑业务决策，并对模型文件、知识库、训练资料、业务数据和系统配置建立备份、恢复验证和权限管理机制。只有底层数据可靠，Token 才能真正转化为稳定、可持续的业务价值。”

上述负责人还表示，未来存储建设会从单一扩容，转向多介质组合和精细化管理。常用数据需要高性能存储支撑，长期归档数据可以通过磁带库、光盘塔、云存储等介质降低成本，关键数据则必须做好备份、异地容灾和离线保护。对于核心业务数据和 AI 关键数据，还应建立离线副本和异地容灾机制，避免因价格上涨、供货周期拉长、设备故障或网络攻击影响业务连续性。

▍从算力中心到Token工厂

业内分析普遍认为，未来数据中心将从传统的存储与计算中心，转型为生产Token的“超级工厂”。存储产业链上下游正为此开展布局。

“随着AI发展从训练转向推理阶段，具备决策与执行能力的AI智能体正是该趋势的重要反映。这对存储芯片提出了包括带宽、速度及功耗等多维度的全新要求。”一名存储产业链人士称。

不久前，浪潮信息发布了AI数据平台A9000系列。郭海峰介绍，AI数据平台的核心思路正是将上层的算力视为一个“AI工厂”。“在AI生产的过程中，它其实是一个流水线作业。AI工厂需要原料，需要整个流水线的支撑，这个支撑就是指下层的网络加存储。将存储层定义为数据平台，意味着存储层能够处理各个阶段的多种数据类型。在训练阶段提升数据供给效率，在推理阶段优化底层支撑能力，从而充分发挥底层基础设施的能力。”

谈及Token经济学的话题，郭海峰认为，这是一个综合的概念，涉及应用效率、算力提升、算法优化，以及未来整个能源体系的转换。“IT厂商更多需要降低成本，从算法角度如何把底层的新硬件、新网络的能效发挥到极致，用更优的算法来提升GPU的利用率或效率。效率提升了，成本才能降下来。”

Token经济学还涉及能源体系的竞争。“中国产生一度电的成本低于其他许多国家，如果从专业存储的角度来看，Token经济学成本是从技术角度出发。如果要更全面地看这个问题，则需要从整个能源、算力以及获得芯片的总体成本来综合考量。”郭海峰如是说。

围绕Token经济的商业模式，周震刚提出了两个方向：一是按Token定价。类似早期的5G流量模式，会出现一系列新的定价模式，如按响应速度定价、固定Token数包月或包年等。二是产业链价值重组。Token成为统一的计量单位，算力、模型、应用的价值得以量化、可交易。甚至私有化部署也会转变为Token定价模式，例如AI一体机将从当前以硬件配置定价，转变为以单位时间输出的Token能力定价。

“未来，围绕精细化Token运营以及基于Token经济的新型商业模式，将成为重要发展趋势。”周震刚称。