我建议大家仓位都要往这方面靠，以下就是我认为的存储逻辑大家参考一下吧：大萌和高盛都在讲AI其实要继续增加支出，但是很多人会有一个误区，就是AI支出就等于买更多的GPU，训练更多的大模型，但实际上投行正在慢慢修正这个逻辑。就是过去三年A的产业核心是训练，06年开始呢这个核心正慢慢的去变成推理。原因很简单，就是训练一次推理会有无数次拆gbt训练gbt 5的时候可能花几十亿美金，但全球几亿人每天都在调用，背后每天都在消耗着这个推理算力。随着用户也越来越多，推理算力终会超过这个训练。这个就是存储逻辑发生变化的一个原因。那么训练和推理本质上是存储需求的不同，这两条线根本区区别呢是在于内存里发生了什么。训练的内存动作就是反复的去读写，疯狂的去搬运GPU在做读算写读算写这样的一个循环。把内存读出模型参数GPU测算结果，再把误差反向传播回去，更新新的参数，然后再读出新的参数进入下一轮。每一轮迭代几千亿参数都要经历一次完整的读加写，这种循环跑几十万次，核心需求就是吞吐量。数据进内存的速度决定了GPU呃多少时间在等待。带宽不够，那GPU算完就写不进去，新数据就读不出来，等于法拉利配了一个自行车道。那推理的内存动作呢就是一次性灌满，持续的去只读参数，一次性全部加载到内存之后，只读不写，就像参考书摆上书架每次翻阅就行。但英门槛是模型参数必须全部装进去，一个都不能少。Gbt四级别的魔术参那个模型参数呢有数百级B装不进去就跑不起来。容量呢就直接决定了你能服务于多少人。那训练呢就等于是F1赛车速度是越快越好。核心带宽核心的这个指标就是带宽推理，就是出租车公司要便宜要耐用，每天跑全年不停。核心指标呢是容量。这两个呢这里有一个容易混淆的地方，就是hb m不也是存储吗？但是hbm是内存sd和企业级闪存是存储的中文它都叫存储，但在计算架构里是完全不同的两个层级。Hbm贴在gbu的旁边，极快极贵，容量小，就像厨师的案板，切菜快，但满不了多少东西。Ssd呢？在服务器机柜里够大，便宜，容量大，就像仓库什么都能装，取货慢点呃，用户也感知不到。训练要用hbm是因为一次一秒就要读写几万次，那速度就是命。推理呢要用ss d因为要给几亿人同时这个对话，同时去存知识库，容量和成本才是命。核心其实就是一句话，训练吃带宽，推理吃容量。一个是案板，一个是仓库，都是存储，但干的活不一样。训练呢就像开奶茶店，装修一次，买买设备一次。推理就像每天要卖奶茶，天天消耗持续经营。所以训练就是资本支出，推理更像是运营支出，训练决定AI有多聪明，那推理呢呃决定AI能服务多少人，那AI呢正在从训练时代现在慢慢走向推理时代。很多人看到meta、Microsoft、亚马逊、Google那个06年的资本开支继续在暴增，合计都已经达到7000亿元美元以上，但第一反应就是肯定GPU又不够了，但是投行的观点咱现在在慢慢的变化，大模给出的最新判断是，AI基建呢仍处于早期阶段。超过80%的投资还没有发生，高盛就更激进了。他说30年前，AI基础设施投资规模可能达到数万亿美元。那问题来了，那这些钱还都会去买GPU吗？他，不不会的。这第一个阶段是训练时代，核心需求是更多的，参数更大的模型，代表就是H100B200，核心受益呢就是H bm co先进封装。第二阶段呢要进入推理时代，核心的需求就变成了agent搜索视频生成数字。员工机器人真正消耗的是存储内存，sd企业级闪存、数据中心、网络电力。所以未来几年呢训练市场可能增长50%，而推理生市场的可能增长的更多。那为什么存储突然越来越重要了？那是因为后面的agent时代要来了。未来每一个人都会有一个AI秘书，一个AI助理、一个AI交易员，一个AI客服。这些agent不会一直训练，但会一直调用。你会一直会读取数据，一直访问知识库。这就意味着未来数据中心里面最贵的资源呢不仅仅是GPU了，还有就是存储系统。而且推理也不能只在云端，它要落到千千万万个物理AI身上。这个物理AI终端就像是机器人、智能汽车、工业自动化，每个终端它都需要存储。那就比如说吧拿机器人举例，一个机器人要使用40到80克存储芯片，分布在四个层级，S2AM管关节实时控制。30到60克相当于机器人的肌肉记忆。Lp dd 25管AI推理和视觉感知。2到8课相当于机器人的大脑。North flash管呢启动还有安全代码，30到60克相当于本能反应net呢呃存系统，还有大模型的权重，1到4克相当于知识库呃，全部要车宽温抗震7乘24小时可靠运行，生态价值量呢800到1500元。那百万台要是一量产一一量产，又是300亿的新增市场。云端呢是训练一条路，那物理AI是四条路全开。那么映射下来，其实这个训练训练的这个链条呢就是hbm coai G P U那推理的链条是ssd企业级存储数据中心电力cpu那最后一个很多人都会忽略的大逻辑就是K型分化。那K型社会呢是最近比较火的一个一个概念，那是大摩中国团队的一个呃中国区一个团队呃提出来的这样的一个K型社会啊，他他的意思就是说消费端在往下走，但是资本开支的端呢是在往上走，两条线呢是在分叉的。很多人呢看到了消费很疲软，就觉得整个经济不行了，科技投资也会跟着缩水。但是不是这样的，消费弱了不代表资本开支就会弱。H bm在扩产，国产存储在突围，机器人端侧的四条路全部都打开了，全部都是企业级投资驱动，跟老百姓买不买东西没有什么关系。全球科技巨头7000亿以上美元的AI资本开支呢，也不会因为消费降级降级就停下来。所以存储这个赛道吃的是投资红利，不是消费的红利。所以很多人都认为AI投资的下一站呢还是GPU但是训练和推理呢正在走向两条完全不同的路，训练拼的是hbm，推理拼的是存储。训练决定AI有多聪明，推理决定AI能服务多少人。当科技巨头把AI资本开支推高到数千亿美元，新增的钱未必全都流向g pu，越来越多的钱会流向S D企业级存储数据中心、网络推理基础设施。如果说过去最大的赢家是英伟达和hbm，那未来一些变量很可能就慢慢的去来自于推理时代的存储革命。
