随着 AI 应用（推理 / 多模态 / Agent）普及，存储会从 “成本项” 变成算力瓶颈与价值核心。下面把逻辑讲清楚：
一、为什么是 “爆发”，不是增长
1）单台 AI 服务器：存储用量是传统的5–10 倍
DRAM（含 HBM）：传统服务器≈128GB；AI 服务器≈1TB–2TB（8–10 倍）
NAND/SSD：传统≈2–4TB；AI 服务器≈12–24TB（3 倍 +）
HBM：带宽是 DDR5 的10 倍 +，单价更高，供不应求
2）推理侧（应用普及）才是真正的 “超级变量”
训练阶段（少数公司）：主要是大模型参数 + 训练数据，TB 级。
推理阶段（全民应用）：KV Cache 爆发
上下文窗口：1k token → 128k token
KV Cache：0.5GB → 64GB / 单请求（暴涨 128 倍）
多用户并发：百万级会话同时在线，存储需求随 token / 并发线性爆炸
IDC 预测：2026–2030 年，AI 推理存储需求从0.5ZB → 25ZB，50 倍增长。
3）多模态 + AIGC：数据量从 KB → TB/EB
文本：KB 级
图片 / 视频：MB–GB 级
3D / 数字孪生：TB 级
AIGC 年增速200%+，2030 年全球数据总量将达1ZB。
二、哪些存储最受益（分层爆发）
HBM（高带宽内存）：GPU 标配，2025/2026 年需求同比 **+90%/+35%**，供不应求持续到 2027。
企业级 SSD（eSSD）：KV Cache 主力承载，2026 年成为 NAND 最大下游（占比37%）。
DRAM（DDR5）：推理服务器标配，2026 年66% DRAM 产能被 AI 独占。
大容量 HDD：冷数据 / 训练数据集长期归档，需求稳健。
三、供给端：扩产慢，缺口至少到 2027
先进制程（EUV）、HBM 封装、良率爬坡：周期18–24 个月新华网
原厂（三星 / 海力士 / 美光）优先高毛利 AI 订单，消费级扩产保守
结论：缺货→涨价→高景气

四、一句话总结
AI 应用普及（推理 / 多模态 / Agent）会带来存储需求指数级爆发，核心是KV Cache + 多模态数据 + 单台服务器倍数级扩容，HBM>eSSD>DRAM最受益。