1 月 26 日，当三星电子、SK 海力士相继宣布 2026 年第一季度的 NAND Flash 供应合约价直接翻倍时，全球科技行业意识到，由 AI 驱动的 2026 年第一波 " 成本暴击 " 已经到来。

最近，阿里云资深副总裁、数据库产品事业部负责人李飞飞在 PolarDB 开发者大会上便曾给出一个更为激进的判断：" 内存接下来可能还要涨两到三倍。"

" 大模型正在吞噬一切数据 "，李飞飞坦言，未来一定是 Token 的世界，而内存墙这个 " 幽灵 " 又回来了。

随着 DeepSeek-R1 等推理模型和 Agent（智能体）应用的爆发，AI 对 " 热数据 " 的依赖达到前所未有的高度。大模型不再只是离线训练的产物，它需要实时 " 记忆 " 海量的上下文信息。

" 大模型不保存事实，只保存统计规律，而数据库需要保存事实。" 李飞飞指出，像 " 今天大会来了多少人 " 这样的实时热数据，必须在数据库中供模型实时调用，否则 AI 就会产生幻觉。这意味着，每一路 AI 推理的背后，都对应着巨大的存储消耗。

然而，供给端的瓶颈却在收紧。据外媒报道，三星、SK 海力士和美光这三大巨头控制了全球近 95% 的 DRAM（动态随机存取存储器）产量，目前正将产能全面转向高利润的 HBM（高带宽存储器），以满足 OpenAI 等巨头的超级算力项目需求。SK 海力士甚至表示，其 HBM 产能已在 2026 年售罄。

这场 " 豪门盛宴 " 直接挤压了传统 DRAM 的产能，导致普通企业面临严重的供应短缺。

在 1 月 27 日举行的 WPS AI 协同办公上海峰会上，中金公司研究部执行总经理于钟海也指出，2026 年将是 " 持续学习年 "，模型需要不断更新记忆。

模型 " 记忆力 " 的增强意味着将进一步推高对数据存储和处理的硬件要求。更关键的是，存储厂商对扩产极为谨慎，要知道，2023 年之前的下行周期中存储价格持续下跌 , 三星曾创下 14 年来利润最低点。一份 SK 海力士内部文件显示，新增产能要到 2028 年才可能释放。

面对硬件成本的指数级上升，企业的 AI 战略正在经历重构。

" 有些企业在 2023、2024 年甚至有千万预算，在本地部署大模型，事后来看这些投资可能都没有产生正面收益。" 金山办公助理总裁朱熠锷在接受采访时表示。

对于大多数企业而言，自建模型不仅面临着硬件成本的 " 通胀 "，还面临着技术的快速贬值。

于钟海列举了一组数据：即便是像 GPT-4o 这样的一代 " 神模 "，在发布 12 个月后，用户的留存率也仅剩 15% 左右。如果企业花费巨资购买 GPU 和内存去训练一个私有模型，很可能 " 模型刚训好，基座模型已经升级了 "。

" 行业大模型在多数 B 端客户场景里，是一个伪命题。" 朱熠锷直言。在硬件成本高企的当下，企业如果继续试图通过堆算力、堆内存来 " 卷模型 "，无异于在通胀周期里持有贬值资产。

对于 AI 的应用者而言，数据正在成为企业唯一可持续的竞争优势。

" 模型不是万能药，数据才是护城河。" 朱熠锷强调，既然通用大模型的能力已经足够强大且廉价，企业就应该停止重复 " 造轮子 "，转而将昂贵的存储资源用于处理真正核心的 " 私域知识 "。

图源：unsplash

以医药行业为例，一份几百页的临床研究报告，过去需要博士团队耗时一个月处理，现在通过精细化的数据治理和 Agent 协作，一周内即可完成，准确率高达 90%。

这种通过 " 工程化 " 手段提升数据密度的做法，实际上是在变相抵抗硬件成本的上涨——用更少的 Token 和内存，产出更高价值的业务结果。

当然，对于通用大模型厂商而言，内存比金子还贵，是挑战也是机遇，中国企业对云原生的接受正在提速。

面对单体硬件成本的暴涨，通过构建超大规模的远程内存池，实现多租户共享复用，成为对抗涨价的有效技术路径。

李飞飞透露，通过瑶池数据库产品调用百炼等服务的 Token 消耗量，短短几个月内增长超过 100 倍，已成为阿里云内部最大的调用者。

" 本轮存储的超级周期将非常长。" 李飞飞认为，与以往纯粹由市场需求推动的周期性变化不同，此轮上涨的逻辑是需求爆发式增长，产能根本无法满足市场需求，而存储的涨价会带动整个链条价格上涨，包括智算服务器、通算服务器、内存 GPU…… 直至 AI 成为一个成熟产业，市场才会再度进入正常的周期性涨跌。

随着自购资源成本的增加，云服务厂商和 AI 平台厂商的价值将进一步凸显。

在这个新周期里，企业的竞争力将不再取决于谁买了更多的算力和存储，而在于谁能通过更精细的数据治理和更先进的云架构，让客户能更好、更便宜地使用 AI。