NAND缺貨或持續(xù)10年，未來“得存儲(chǔ)得天下”。

群聯(lián)電子是世界級(jí)NAND控制芯片及儲(chǔ)存解決方案龍頭企業(yè)。最近，群聯(lián)電子CEO潘健成在一場訪談里，談了他對(duì)這一輪AI存儲(chǔ)行情的判斷。整段交流聽下來，最值得注意的，不是“缺貨還會(huì)持續(xù)多久”這種短期問題，而是他反復(fù)強(qiáng)調(diào)的一點(diǎn)：這輪變化，可能不是傳統(tǒng)意義上的存儲(chǔ)周期波動(dòng)，而是AI把整個(gè)存儲(chǔ)產(chǎn)業(yè)帶進(jìn)了一個(gè)更長時(shí)間的緊平衡階段。

一、這輪緊張，和過去不太一樣

潘健成的核心判斷很直接：云端需求無論在美國還是中國大陸，都看不到明顯放緩。問題在于，AI的爆發(fā)不是循序漸進(jìn)的，而是短時(shí)間內(nèi)把全產(chǎn)業(yè)鏈一起推上去了。

過去PC時(shí)代，產(chǎn)業(yè)鏈的擴(kuò)產(chǎn)和備貨是有節(jié)奏的。芯片廠、內(nèi)存廠、主板廠、代工廠，會(huì)圍繞清晰的路線圖慢慢準(zhǔn)備，需求釋放也往往需要很多年去消化。但AI不是這樣。2022年以后，隨著ChatGPT和英偉達(dá)把市場情緒點(diǎn)燃，需求是在極短時(shí)間里集中爆發(fā)的，產(chǎn)業(yè)鏈根本來不及按部就班地?cái)U(kuò)產(chǎn)。

更關(guān)鍵的是，存儲(chǔ)廠商此前剛經(jīng)歷過行業(yè)低谷，閃存行業(yè)連續(xù)多個(gè)季度虧損，企業(yè)對(duì)資本開支極為克制。等到市場確認(rèn)AI需求是真的，再想大規(guī)模投產(chǎn)，時(shí)間已經(jīng)來不及了。因?yàn)閺男略鐾顿Y到真正形成產(chǎn)出，本來就要兩年甚至更久。

所以，潘健成的意思并不是“市場永遠(yuǎn)不會(huì)緩解”，而是說，在需求仍在快速放大的背景下，供給的反應(yīng)速度明顯跟不上，這就決定了未來一段時(shí)間存儲(chǔ)很難輕松。

二、真正的瓶頸，未必是GPU，而是內(nèi)存和存儲(chǔ)

這場訪談里還有一個(gè)很有意思的判斷：AI計(jì)算最大的瓶頸，不一定只是算力本身，更現(xiàn)實(shí)的約束往往是容量。

他的邏輯很簡單。GPU可以買，算力快一點(diǎn)慢一點(diǎn)，總歸還能算；但如果內(nèi)存不夠，模型跑不起來，推理和訓(xùn)練都會(huì)受限。于是市場為了補(bǔ)足容量，只能繼續(xù)堆更多高規(guī)格硬件，這也是為什么AI系統(tǒng)始終顯得那么貴。

群聯(lián)這幾年在做的事情，本質(zhì)上就是試圖用更低成本的大容量介質(zhì)，去彌補(bǔ)高成本內(nèi)存的不足。也就是說，不是單純追求更強(qiáng)算力，而是想辦法把AI運(yùn)行的“容量門檻”降下來。

但有意思的是，潘健成認(rèn)為，這類技術(shù)未必會(huì)緩解存儲(chǔ)緊張，反而可能讓整體存儲(chǔ)需求更大。原因也不復(fù)雜：當(dāng)AI部署成本下降、可用設(shè)備變多之后，使用AI的人會(huì)更多，生成的數(shù)據(jù)也會(huì)更多，最后這些數(shù)據(jù)還是要落到存儲(chǔ)里去。

這其實(shí)是一個(gè)典型的邏輯：單機(jī)資源消耗下降，不等于全社會(huì)總需求下降。很多時(shí)候恰恰相反，成本下降會(huì)催生更大的普及，最后把總量做得更大。

三、單機(jī)更省，不代表行業(yè)總需求會(huì)變小

訪談中還提到一個(gè)市場很關(guān)心的話題：如果新技術(shù)能顯著壓縮緩存或降低單機(jī)內(nèi)存需求，會(huì)不會(huì)打擊存儲(chǔ)行業(yè)？

潘健成的答案是否定的。

他的觀點(diǎn)是，單臺(tái)機(jī)器用量下降，這件事本身沒錯(cuò)；但如果因此讓一套AI系統(tǒng)更便宜，原本只能部署1臺(tái)機(jī)器的預(yù)算，現(xiàn)在可能能部署更多臺(tái)，最終推理次數(shù)、數(shù)據(jù)生成量、外部存儲(chǔ)需求都會(huì)繼續(xù)上去。換句話說，技術(shù)進(jìn)步可能改變的是“單機(jī)消耗結(jié)構(gòu)”，未必改變“行業(yè)總需求方向”。

這個(gè)判斷其實(shí)很重要。因?yàn)檫^去市場習(xí)慣了用單機(jī)BOM去看產(chǎn)業(yè)鏈，但AI時(shí)代更需要看的是“系統(tǒng)總量”“應(yīng)用滲透率”和“數(shù)據(jù)沉淀速度”。只盯著單機(jī)規(guī)格，很容易把方向看窄了。

四、本地端和云端，不是替代關(guān)系，而是混合關(guān)系

在AI落地路徑上，潘健成也給出了很鮮明的看法：未來不會(huì)只有云端，也不會(huì)只有本地端，更現(xiàn)實(shí)的是混合模式。

他用了一個(gè)很好理解的比喻：云端像住酒店，方便、省心，但要持續(xù)付費(fèi)，而且無法深度定制；本地端像買房，前期投入高，但長期更可控，也更適合承載自己的數(shù)據(jù)和業(yè)務(wù)流程。

這背后其實(shí)對(duì)應(yīng)兩個(gè)現(xiàn)實(shí)問題。

第一，企業(yè)如果把所有AI能力都放在云上，長期費(fèi)用未必低，數(shù)據(jù)安全和業(yè)務(wù)定制也會(huì)越來越敏感。第二，本地部署雖然有門檻，但一旦硬件方案成熟、成本下降，它就會(huì)成為企業(yè)提高效率、保護(hù)數(shù)據(jù)、沉淀能力的必然選擇。

所以，本地端AI是否會(huì)發(fā)生，答案不是會(huì)不會(huì)，而是何時(shí)、以什么成本、從哪些場景開始。

五、AI真正的大規(guī)模落地，還缺“最后一公里”

整段訪談里，最接地氣的一點(diǎn)，是潘健成對(duì)AI應(yīng)用落地的判斷。他并不否認(rèn)現(xiàn)在AI很熱，但他也很坦率地說：今天真正會(huì)“操作AI系統(tǒng)”的人，其實(shí)并不多。多數(shù)人還是停留在提問、生成文本的階段，這距離真正把AI裝進(jìn)業(yè)務(wù)流程、變成生產(chǎn)工具，還有很長一段路。

問題不在模型夠不夠大，而在應(yīng)用場景、軟件生態(tài)和操作人才都還沒完全跟上。

他說得很現(xiàn)實(shí)：硬件做好了，如果沒人告訴用戶怎么用，最后還是賣不動(dòng)。企業(yè)不是為了追熱點(diǎn)而部署AI，而是為了省成本、提效率、創(chuàng)造收入。只有當(dāng)本地小模型、端云協(xié)同、行業(yè)軟件這些東西真正組合起來，AI才會(huì)從“能演示”走向“能賺錢”。

六、對(duì)存儲(chǔ)產(chǎn)業(yè)來說，最重要的不是漲價(jià)，而是需求邏輯變了

如果只看短期，大家最容易關(guān)注的是SSD、NAND、DRAM會(huì)不會(huì)繼續(xù)漲價(jià)；但如果站在更長一點(diǎn)的時(shí)間看，潘健成真正想表達(dá)的，其實(shí)是另一件事：AI讓存儲(chǔ)的需求邏輯發(fā)生了變化。

過去，存儲(chǔ)是典型周期行業(yè)，價(jià)格高了，終端就降配，需求就收縮；價(jià)格低了，容量又上去，需求再回來。但AI時(shí)代的數(shù)據(jù)生成、推理調(diào)用和模型落地，可能在持續(xù)創(chuàng)造新增容量需求。數(shù)據(jù)一旦產(chǎn)生，大多不會(huì)輕易消失，而是會(huì)不斷累積、調(diào)用、遷移和再訓(xùn)練。

這意味著，AI越普及，存儲(chǔ)越不像過去那樣只是“硬件零件”，而更像是一種長期承接數(shù)據(jù)資產(chǎn)的基礎(chǔ)設(shè)施。