140万亿Token，把存储逼出了一场大分工

HBM抢走了所有头条，但真正的变化发生在它身后。

第五届GMIF2026全球存储器行业创新峰会上，一个此前很少被这样直白讲出来的数字被摆上了台面：在不算HBM的情况下，2026年全球云数据中心资本开支里，存储的占比已经接近一半。摩根士丹利执行董事、大中华区半导体分析师颜志天给出的判断是，这个比例在2027年还会进一步升到53%。

与此同时，一个更实际的信号从合肥传出：据多家媒体报道，长鑫存储（CXMT）已启动HBM3E的风险生产，并向阿里巴巴平头哥与寒武纪送样，市场普遍预期其有望在2027年进入量产。

一边是钱，一边是产能，存储产业的两条叙事线正在交汇。AI推理不是让某一种存储介质受益，而是把整个存储体系逼着重新分工。

📈 资本开支先投票：存储逼近半壁江山

看产业风向，最诚实的从来不是发布会，而是预算表。

颜志天在GMIF2026现场给出的数据很有说服力：2026年，全球云数据中心资本开支中，存储占比接近五成——而这还是未计入HBM的口径。到2027年，这个数字预计升至53%。

换句话说，云厂商每花两块钱建AI基础设施，其中就有一块要花在存数据上。这在过去是难以想象的。云计算时代的惯例是算力主导、存储跟着走，服务器里的SSD更多是个配角，采购逻辑是“够用就行”。

现在逻辑反过来了。推理负载的特点是：模型常驻、数据狂奔。每一次用户提问背后，都是权重读取、KV缓存管理、向量检索、日志落盘的连环动作。算不出可以排队等，存不下和读不快，是直接让GPU空转烧钱。

据多位接近云厂商的人士私下透露，头部客户的存储采购部门今年明显“话语权上升”，原因很简单——单位Token的存储成本，正在变成衡量推理服务能否盈利的关键变量之一。

资本开支是一个产业的选票。存储拿到近一半选票，意味着产业的权力结构已经改写。

🔢 140万亿Token：一个把人讲沉默的换算

需求到底有多大？三星电子副总裁、Memory事业部首席技术官Kevin Yoon在峰会上做了一个让现场安静了几秒的换算。

截至今年3月，中国日均Token调用量已突破140万亿。Kevin Yoon的换算是：这个量，相当于中国国家图书馆全部藏书对应Token量的20倍以上；也接近人类历史上所有出版图书总量的6倍。

也就是说，中国的AI系统每天要“读”进去相当于六个人类文明存量的文字量，再吐出答案。第二天，一切归零重来。

这个数字真正可怕的地方不在于大，而在于它还在涨，而且涨得没有明显的天花板。训练是一次性的基建，推理是每天都要付的水电费。训练拉动的是HBM和先进制程的一次性采购，推理拉动的却是持续扩容的存储体系——从HBM到DRAM主存，再到SSD，一层都不能少。

这也是为什么存储厂商的高管开始集体谈Token。存储不再按TB卖，而是按“支撑了多少Token吞吐”来定义价值。这个视角的切换，是本轮存储周期与以往所有周期最本质的区别。

💾 金字塔被拉长：SSD的分工大挪移

Token洪流的第二个后果，是存储层级被硬生生拉长了。

Solidigm亚太区销售副总裁倪锦峰在峰会上点破了一个行业惯性：以前存储成本低的时候，行业倾向于尽量简化存储层级，能少一层就少一层。但随着AI数据需求快速增长、成本压力加剧，原有的“存储金字塔”被重新拆解、重新拉长。

说白了：过去的层次是HBM、DRAM、SSD、HDD四层，现在中间硬生生插入了更多梯队——SSD自己要分出高带宽层和大容量层，QLC和TLC要分开站队，甚至要把计算能力下沉到盘里去。

推动这次重构的，是不同数据在访问频率和生命周期上的巨大差异。热数据、温数据、冷数据，在140万亿Token的日常冲刷下，各自的姿势完全不同。这意味着每种介质都要补自己的短板：

对SSD而言，这是一次身份跃迁。它不再只是容量仓库，而是推理数据管道的主干——既要扛住持续的高随机读，又要保证长尾时延不拖垮GPU，还要在被高频覆写的KV缓存场景下活得更久。

有业内人士私下形容这轮变化的力度：“存储产业十年没这么忙过了，每一层都在重新学怎么排队。”

每一层介质补齐短板的过程，就是未来三五年存储设备商最大的生意所在。

⚠️ CXMT上桌：HBM3E是最难也最关键的一张牌

如果说GMIF2026讲的是“需求怎么变”，那CXMT的消息回答的是“供给格局会不会变”。

据多家媒体报道，长鑫存储已开始HBM3E的风险生产——这是量产前的关键验证阶段，意味着工艺基本走通，正在与下游客户做实战级测试。更值得注意的是送样对象：阿里巴巴平头哥和寒武纪，一个是国产自研AI芯片的旗手，一个是国产GPU路线的代表。

这个组合的含义很直白：国产HBM与国产AI芯片，正在尝试互相锁定。

HBM是存储产业里技术密度最高、客户粘性最强的品类。它不是一颗存储芯片，而是DRAM die与逻辑die的3D堆叠+先进封装的系统工程，考验的不只是DRAM工艺，还有TSV、堆叠键合、测试良率的整体能力。SK海力士、三星在这个品类上已经迭代了数代，其HBM3E当前牢牢绑定着英伟达生态。

CXMT此时切入，短期内撼动的不是国际大厂的HBM3E出货量，而是另一个市场：国产AI芯片的配套供给。在高端HBM对华供应存在不确定性的背景下，本土“AI加速器+本土HBM”的组合一旦打通验证，对国产算力链条的意义，可能大于单纯的市占率数字。

当然，也要冷静看待距离。风险生产到量产之间，隔着良率爬坡、客户认证、可靠性验证几道硬门槛，2027年量产目前仍是“据报道”的预期而非定论。但方向已经清晰：存储这个高度集中的行业，正在被地缘和需求两股力同时撬开一条缝。

对全球存储格局而言，这是一次迟到的入局；对国产AI算力而言，这是一块最稀缺拼图开始就位。

🔍 小结：推理时代的存储，没有旁观者

把两条新闻放在一起看，2026年的存储产业图景其实很完整：需求侧，140万亿日Token把存储在云资本开支中的占比推向五成以上，存储金字塔被拉长、每一层介质都被迫补课；供给侧，CXMT的HBM3E风险量产，则预示着最顶端那层市场的供给结构可能出现新变量。

AI训练讲完了HBM的神话，AI推理正在讲一个更庞大的故事——从HBM到QLC，所有存储介质重新定价、重新分工。这场重构里，没有哪种介质能置身事外，也没有哪个市场能永远缺席。

2027年值得盯住两件事：存储在云资本开支中53%的占比能否兑现，以及CXMT的HBM3E能否如期跨过量产门槛。这两件事，一个定需求的成色，一个定格局的宽度。