当前，AI智能体加速落地应用，推动Token消耗呈指数级增长。智能体对长期记忆的刚性需求，引发由AI算力驱动的“存储超级周期”，其影响远超硬件价格上涨，正在重塑技术栈底层逻辑。数据中心正从算力中心转向生产Token的“超级工厂”，价值衡量体系亦随之发生根本转变。

TrendForce最新预测显示，2026年第二季度DRAM合约价将上涨58–63%，NAND Flash合约价将上涨70–75%。该涨幅并非普通行业周期波动，而是AI基础设施投资激增所引发的结构性供需失衡。全球光刻机巨头ASML一季度财报显示，其存储相关业务营收达32亿欧元，同比增长32%，首次超过逻辑芯片业务的31亿欧元。ASML首席执行官傅恪礼指出，AI基础设施投资正同步拉动先进存储与先进逻辑芯片需求，未来市场供应仍将长期无法满足需求，存储芯片供不应求态势将持续至2026年以后。

IDC中国研究副总裁周震刚表示，存储涨价周期预计跨越2026年，可能延续至2027–2028年。原厂产能爬坡需12–18个月，最早于2027年初才可能缓解；而AI需求持续旺盛，供需缺口仍将存在。当前存储市场基本处于卖方主导状态。技术层面，2026年PCIe Gen5与QLC技术将加速商用，国内本土化产能建设亦将部分填补需求缺口。

浪潮信息存储产品线副总经理郭海峰指出，AI时代数据生成效率与总量同步攀升，直接推高存储成本。尽管数据价值密度尚难评估，但海量数据需先存储后挖掘，其中无效或冗余数据亦加剧空间占用与成本压力。传统以CPU为中心的架构已难以适配GPU密集型AI负载，GPU等待时间长、空转率高，导致整体效率低下。因此，存储软件栈亟需重构与精简，企业级存储目标已从数据保护转向提升数据供给效率，核心是保障GPU持续获得高质量数据流，避免高成本空转。

数据安全维度亦面临新挑战。郭海峰以“全民养龙虾”类AI智能体为例说明：若将全部权限授予单一Agent，用户隐私与数据安全风险陡增。业内统计显示，网络下载的Skill中约30%存在安全漏洞，可能被用于控制AI环境。因此，存储侧须强化数据权限管控与隔离机制，涵盖算法、权限、配置及多租户层级，每一步操作均需审计与合法性校验。数据“投毒”已非传统病毒形式，而是通过注入垃圾数据污染训练源，权限与隔离机制可确保数据仅在授权范围内读写。

鼎甲科技相关负责人强调，企业推进AI应用时，应将数据安全与保护作为基础工程前置规划。建议先行梳理AI数据资产，明确模型训练、知识问答及业务决策等不同场景的数据归属，并对模型文件、知识库、训练资料、业务数据与系统配置建立备份、恢复验证及权限管理机制。唯有底层数据可靠，Token才能转化为稳定可持续的业务价值。未来存储建设将从单一扩容转向多介质组合与精细化管理：常用数据依托高性能存储，长期归档数据采用磁带库、光盘塔或云存储降本，关键数据则须配置备份、异地容灾与离线保护机制，核心业务及AI关键数据还需部署离线副本与异地容灾，以应对价格上涨、供货延迟、设备故障或网络攻击带来的连续性风险。

业内普遍认为，数据中心正转型为生产Token的“超级工厂”。AI发展由训练阶段向推理阶段深化，具备决策与执行能力的智能体成为典型表征，对存储芯片提出带宽、速度与功耗等多维新要求。浪潮信息发布的AI数据平台A9000系列即基于此逻辑，将上层算力定义为“AI工厂”，下层网络与存储构成支撑流水线的数据平台，旨在训练阶段提升数据供给效率、推理阶段优化底层支撑能力，全面释放基础设施效能。

郭海峰指出，Token经济学是综合概念，涵盖应用效率、算力提升、算法优化及能源体系转换。IT厂商需通过算法优化，最大化新硬件与新网络能效，提升GPU利用率以降低单位Token成本。中国单位电力成本低于多数国家，若纳入能源、算力与芯片获取全要素成本，Token经济的成本结构将更具竞争力。

周震刚提出Token经济商业模式两大方向：一是按Token定价，如类比5G流量模式，出现按响应速度、固定Token数包月/包年等新型计费方式；二是产业链价值重组，以Token为统一计量单位，实现算力、模型与应用的价值量化与可交易。私有化部署亦将转向Token定价，例如AI一体机未来或不再按硬件配置定价，而按单位时间输出Token能力定价。围绕精细化Token运营及基于Token经济的新型商业模式，将成为重要发展趋势。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。