简单来说，算力资源的利用效率更高了。同样的存储资源，可以吞吐更多数量的Token。

市场对此演绎2种逻辑：

1、利空存储厂商。之前AI基建扩张，导致存储产能严重不足。现在这玩意出来，市场部分观点，认为存储紧缺状况将会缓解。

2、继续利好存储厂商。算力效率提升，Token成本极大下降，AI应用加速普及。整体存储需求更加旺盛，产能短缺问题暂时难解。这是市场另一部分观点。

这种分歧，短期恐怕难求一致。看后续怎么演绎了。

我个人偏向第二种。


【 在 Barbarossa 的大作中提到: 】
: 原理很简单，比如豆包，如果你问它一个问题，它存起来，下次别人问同样的问题，大模型不需要去动用宝贵的算力资源去算，直接搜索cache里的答案就可以了。
: 大模型GPU必须配套内存（显存+系统内存），且是核心配置。其中GPU显存直接决定跑多大模型，它主要用来存储模型权重，中间数据计算，比如常见的70BDeepSeek需要80GB显存，极简版7B大模型也要13GB。显存不足会直接导致内存溢出，无法运行。
: 除此以外， 系统内存用来辅助加载、预处理数据，通常要求系统内存≥显存容量，如80GB显存配≥128GB内存。显存越大，系统内存需同步增大，否则会导致数据瓶颈。
: ...................
--
FROM 39.171.200.*