风险投资人 Tomasz Tunguz 表示，AI 基础设施更像一场缓慢接力赛，瓶颈会从 GPU 依次传导至内存、CPU、存储及更上游环节。其文中提到，2023 年初 H100 租金一度超过每小时 9 美元，服务器出货量下降 22%；随后 HBM、SSD、DRAM、CPU 与 HDD 等环节相继承压，部分长周期设备订单已排至 2029 年至 2031 年。

AI 推理正把存储从配角推向前台。文章指出，随着查询量、多模态数据和 AI agent 带动可访问数据规模上升，NAND 正从传统商品型存储转向 AI 基础设施中的容量层。Sandisk 预计到 2030 年企业数据中心闪存需求将达 1.2 ZB，并推进 HBF、QLC 与长期客户协议，市场关注点也从短期涨价转向更强 bit 需求与更稳的供应纪律。

西部数据最新分析称，AI 数据中心建设的竞争重点正从 GPU 算力转向数据存储能力。IDC 预计到 2030 年全球每年新增数据量将达 718ZB，而训练数据、模型检查点、嵌入向量、推理日志等会持续累积。分析指出，企业若仍把存储视为计算后的附属环节，可能面临数据成本失控、模型迭代效率下降等问题。

本轮美股科技股反弹中，CoreWeave、Nebius 等 NeoCloud 公司成为涨幅居前的方向。文章认为，资金定价的核心不是单纯 GPU 数量，而是已经被合同锁定、能够快速交付的算力产能。近期财报也推动市场将这类公司从高资本开支的 GPU 租赁商，重新理解为由订单支持扩张的 AI 基础设施运营商。订单可见性、电力容量、融资能力与已启用 MW，构成这一轮重估的关键指标。

IOSG 在一篇关于存储赛道的长文中指出，AI 时代推动资本重新定价存储，核心逻辑已从传统容量生意转向热数据效率。文章将 AI 存储拆分为 HBM、DRAM 与 CXL、企业级 SSD、HDD 及存储软件栈等层级，并称去中心化存储更适合公共数据集存证、AI 训练数据溯源与长期冷记忆归档。文中同时比较了 Filecoin 与 Arweave 的不同路径，并梳理了去中心化存储在产品化、检索体验、企业服务与 Token 激励上的现实挑战。

半导体存储行业处在历史性高景气阶段，毛利率超过 80%，客户还预付了巨额无息押金，HDD也因 AI 温推理需求出现反弹。但在业绩全线走强后，相关股票却集体暴跌。文中指出，核心原因在于市场预期已被推到极高水平，业绩指引只要略偏保守，就会触发获利了结，同时资本开支失控、量价脱钩和消费端需求受损等隐忧也在升温。

西部数据首席产品官 Ahmed Shihab 表示，AI 存储的核心不只是追求最快介质，而是在可承受成本下持续扩展容量。其指出，闪存适用于模型权重、GPU 溢出、KV 缓存等低延迟场景，HDD 更适合训练语料、日志、检查点与合规记录等大规模长期保存数据。Ahmed Shihab 认为，未来 AI 存储应按性能、成本、功耗、密度、可靠性和数据生命周期分层设计，而非由单一技术主导。

西部数据首席产品官 Ahmed Shihab 发文称，AI 存储竞争的关键不是单一追求最快介质，而是能否以可承受成本持续扩容。数据从 PB 级走向 EB 级时，架构可能因成本失控暴露问题。闪存适合高性能低延迟场景，HDD 适合大规模长期保存；未来存储应分层设计，而非闪存与 HDD 二选一。