五一期間，在使用AI軟體的時候，需要記憶（長期上下文、工具呼叫歷史、使用者偏好），而且對於資料的記憶要求很高，隨時可以呼叫。不止是能存上下文，而且需要存一下檔案和各種複雜模型結構。
所以當看到孫宇晨去年說這個話的時候，反覆在思考，前面兩者敘事都兌現了，接下來可能是儲存了。對儲存類股，做基礎梳理。
第一層：短期缺晶片
為什麼是"短期"？
缺晶片本質是個產能問題，產能問題是可以用錢和時間解決的。
- GPU/AI晶片擴產周期2-3年，台積電CoWoS封裝產能已經在爬坡
- 輝達從H100→H200→B200，供給量每個季度都在增加
- 晶片短缺更多是結構性的：高端AI晶片缺，成熟製程並不缺
為什麼正在緩解？
- 台積電2025年CoWoS月產能已從8千片擴到3萬片+
- 輝達供應逐步放量，部分客戶已不用排6個月隊了
- AMD MI300、國產算力晶片在補位
所以"短期缺晶片"的判斷是對的——這是個可解的瓶頸，只是需要時間。
第二層：長期缺能源
為什麼是"長期"？
能源和晶片不一樣，不是投錢就能快速擴出來的。
算力的盡頭是電力——這不是比喻，是物理事實：
- 一台H100功耗700W，一個萬卡叢集就是7MW
- 一個大型AI資料中心功耗50-200MW，相當於一個中等城市的用電量
- OpenAI的Stargate項目規劃5GW，相當於5座核電站
2025-2026年的現實：
- 美國資料中心用電已佔全國8-10%
- 弗吉尼亞州（全球最巨量資料中心聚集地）已經出現電力供應排隊現象
- 愛爾蘭資料中心用電佔全國20%，政府被迫限制新建
- 中國內蒙古、寧夏等地區靠電力成本低吸引資料中心，但也在逼近電網承載極限
為什麼短期解不了？
微軟、亞馬遜已經開始直接投資核電站，就是因為等不了電網——科技公司在為能源搶跑，這在歷史上是第一次。
更深一層：能效比的天花板
摩爾定律在減速，但算力需求在指數增長，中間的gap只能靠堆晶片，堆晶片就是堆電力：
算力需求：每年 4-10x 增長
晶片能效：每年 1.5-2x 改善
電力缺口：≈ 每年 2-5x 的gap
→ 唯一出路：要麼突破架構（存算一體、光計算）
要麼突破能源（可控核聚變、SMR）
都是10年+的事
所以"長期缺能源"也是對的——這不是產能問題，是物理限制+基礎設施周期問題。
第三層：永遠缺儲存——這是最深刻的一句
為什麼是"永遠"？
儲存的特殊性在於：資料只增不減，而儲存容量始終有限。
資料的本質特徵——單向膨脹：
文字時代： 一本書 ≈ 1MB
圖片時代： 一張照片 ≈ 5MB
視訊時代： 一部4K電影 ≈ 100GB
AI時代： 一個大模型訓練資料集 ≈ 數十TB
推理產生的中間資料 ≈ 持續增長
資料增長速度：每年 60-80%（IDC）
儲存密度增長：每年 15-20%
→ gap永遠存在
從AI的視角理解"永遠缺儲存"
AI讓儲存需求發生了質變，不是"用得多"，而是每次迭代都在重新定義"多"：
1. 訓練階段：資料饑荒
- GPT-4訓練資料約13兆token，人類高品質文字快被"吃"完了
- 多模態AI需要海量圖像/視訊資料，網際網路公開資料不夠用了
- 合成資料是方向，但合成資料本身又需要儲存
2. 推理階段：KV Cache是無底洞
- 每次推理都需要快取上下文（KV Cache），上下文越長，儲存需求越大
- 從4K→128K→1M context length，KV Cache儲存需求增長250倍
- 這不是一次性的，是每次推理都在產生
3. 模型本身在變大
- GPT-4參數量約1.8兆，儲存需數TB
- 多模態模型（視訊生成等）參數量更大
- 每個版本迭代，模型體積增加5-10倍
4. AI Agent時代：儲存需求再翻倍
- Agent需要記憶（長期上下文、工具呼叫歷史、使用者偏好）
- 每個Agent都像一個"數字人"，需要自己的儲存空間
- 未來可能有數十億個Agent同時運行——儲存需求根本無法預估
為什麼儲存的"缺"和晶片、能源不一樣？
晶片缺的是"產能"——造出來就不缺了
能源缺的是"功率"——建出來就夠用了
儲存缺的是"空間"——資料永遠在增長，空間永遠不夠
這就是為什麼說"永遠"——儲存的短缺不是周期性的、不是結構性的，而是資訊理論意義上的本質特徵。
一個思想實驗
想像你有一塊1TB的硬碟：
- 2020年：夠存20萬張照片，覺得綽綽有餘
- 2023年：一個AI模型就佔了2TB，硬碟直接不夠了
- 2025年：一段4K視訊就200GB，1TB存5個就滿了
- 2027年：你的個人AI Agent運行資料，一年就產生10TB
儲存的增長是追趕遊戲，而資料增長永遠快於儲存密度增長。
三層瓶頸的遞進關係
這三句話不是並列的，而是遞進的因果關係：
晶片（算力）→ 消耗能源 → 產生資料 → 需要儲存
短期：卡在算力不夠（GPU買不到）
↓ 算力解決了
長期：卡在能源不夠（電不夠用）
↓ 能源勉強跟上了
永遠：卡在儲存不夠（資料永遠比容量增長快）
換個角度理解：
- 晶片是入口——沒有算力，什麼都不會發生
- 能源是燃料——有了算力，需要電力驅動
- 儲存是沉澱——算力跑過的每一秒，都在產生需要永久保存的資料
而儲存的特殊性在於：晶片可以復用、能源可以循環，但資料只會累積。
對投資和產業的啟示
- 晶片短缺是買點訊號——可解的瓶頸意味著確定性機會，但窗口有限
- 能源短缺是長線邏輯——資料中心電力、核能、儲能、液冷都是5-10年賽道
- 儲存短缺是終極敘事——HBM、3D NAND、存算一體、光儲存，永遠有增量需求
孫宇晨這句話的精髓在於：大多數人還在討論第一層（晶片）的時候，應該去看第二層（能源）；當大家都意識到第二層的時候，真正的終極答案是第三層（儲存）。
儲存是AI時代唯一一個"需求永遠大於供給"的環節——這也就是為什麼前面聊的儲存晶片超級周期，可能不是一個3-5年的周期，而是一個結構性的長期趨勢。 (官山河)