存储周期持续-模组先行-利基跟进

短期来看，该算法不会对需求构成实质性影响。当前各存储原厂的产能，包括 2027 年的产能在内，均已被预订满，许多 CSP（云服务提供商）的订单甚至 无法得到 100%的满足，消费电子领域的客户获取货源则更为困难。因此，短 期的需求担忧并不存在。 从长期视角分析，该算法的出现可能引发"杰文斯悖 论"。尽管单个 GPU 对内存的需求可能因算法优化而减少，但这会促进服务器 采购和数据中心建设的流畅性，从而加速 AI 应用的落地和 Token 的释放。最 终，整个市场的规模将被做大，反而会触发对内存总需求的增长。这一逻辑之 所以成立，关键在于当前内存的极度短缺。产业链中已出现服务器渠道商将采 购到的服务器拆除内存后，单独销售"去内存版"服务器的现象，内存则被拿 到现货市场高价出售。这表明，即使是对价格不敏感的 AI 终端用户也难以获得 满配的服务器，凸显了内存的稀缺性。 此前的 DeepSeek 模型也提供了类似 案例。其最初被认为会因优化参数、减少算力消耗而导致需求通缩，但最终其 落地反而推动了大模型的普及，使得 Token 总量不减反增，呈指数级增长。因 此，新的压缩算法长期来看并非利空，而是可能对整个 AI 产 ...