Behind SanDisk's Surge: Three Catalysts Resonating, NAND Becomes a "Necessity," AI Reassesses Storage Value

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：

存儲，正在從 “成本項” 轉變為 AI 的 “核心生產要素”。

黃仁勳點燃第一把火：上下文成為瓶頸，存儲必須被重構

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：

• 每個 SuperPOD 的新增 NAND 規模約 9.6PB
• 折算到單個 NVL72 計算機架，增量 NAND 約 1.2PB
• 若 2027 年以 SuperPOD 形態出貨 10 萬個 NVL72 機架，對應 120EB 的新增 NAND 需求

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。

DeepSeek Engram：NAND 被第一次 “當作慢速內存” 使用

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：

• 一個 1000 億參數規模的嵌入表，可以完全卸載到主機內存
• 性能損失低於 3%
• 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”

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。

ClaudeCode：AI 從 “無狀態” 走向 “有狀態”，存儲需求指數級放大

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：

• 反覆讀取、修改文件
• 多輪調試與回溯
• 持續數天的會話狀態

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。

為什麼是閃迪？為什麼是現在？

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：

• 英偉達在硬件架構層面，為 NAND 創造了全新應用場景
• DeepSeek 在模型層面，驗證了 NAND 可作為 “慢速內存” 的可行性
• ClaudeCode 在應用層面，放大了長期存儲的剛性需求

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。