当 AI 产业的重心从训练转向推理，一个过去被忽视的环节正在突然变得至关重要——存储器。TrendForce 集邦咨询最新报告指出，AI 应用正从大型模型训练阶段，加速向以推理为核心的 Agentic AI（代理式 AI）过渡。这一转型正在驱动存储器需求出现结构性扩张：由于供给缺口短期无法补足，存储芯片价格持续上涨。基于此，TrendForce 大幅上调全球存储器产值预估——2026年从 5516 亿美元上调至 8893 亿美元，2027年更预计突破 1.28 万亿美元，年增率约 44%。这一数字背后是技术范式的根本转变。训练阶段的特点是“一次写入、反复读取”——模型权重加载一次后持续用于推理，对内存带宽有要求但对容量需求相对可控。而 Agentic AI 的工作模式则完全不同：多个 Agent 并发运行、持续进行长上下文交互、频繁读写历史状态。这意味着内存不仅要被大容量承载，还要能承受高频次随机访问，HBM、DDR5、LPDDR5X 等高带宽内存的需求因此急剧攀升。从产业格局来看，三星、SK 海力士和美光三家厂商几乎垄断了 HBM 市场，而它们的新产能扩张速度远追不上 AI 推理需求的增速。三星已率先交付 12 层 HBM4E 样品，但量产规模落地仍需时日。这种供需错配的窗口期，预计将持续到 2027 年上半年。对 AI 基础设施而言，这意味着什么？算力固然重要，但“存储墙”正在成为继“内存墙”之后新的瓶颈。当 Agent 数量指数级增长，每秒数万次的状态读写将对存储器提出前所未有的要求。可以预见，未来 AI 系统的竞争力不仅取决于芯片算力，更取决于存储子系统的吞吐效率。这场关于存储器的军备竞赛，才刚刚开始。