$SNDK 给出的数字，正在告诉市场一个非常重要的变化：AI 的下一轮瓶颈，可能不只在 GPU 和 HBM，而会越来越快地转向企业级 SSD 和 NAND Flash。 $SNDK 预计，未来几年数据中心业务会出现爆发式增长。最新 Investor Day 上，公司明确指出，随着 AI 推理和 Agent 工作负载快速增加，KV Cache 正在重新塑造整个内存与存储层级，而企业级闪存的市场空间会被明显放大。 为什么 Agentic AI 对存储这么重要？ 因为传统聊天机器人可能只是一次问答，但 AI Agent 会不断读取上下文、调用工具、执行任务、产生中间结果，再继续下一步推理。 这意味着 Token 越来越多，Context 越来越长，而 KV Cache 也会越来越庞大。 过去很多数据尽量留在昂贵的 DRAM/HBM 附近，但当 KV Cache 规模继续扩大，把所有数据都放在高成本内存里根本不现实。 所以越来越多 KV Cache 会开始分层： 最热的数据留在 GPU/HBM 附近， 较热和温热的数据迁移到高性能企业级 SSD， 更大规模的数据湖、RAG 数据库和长期数据则进入大容量 QLC Flash。 这也是为什么 $SNDK 明确说，随着 Agent 工作流产生越来越多 Token，KV Cache 的价值和容量都会同步增加，而高容量 KV Cache 会被分层放到 SSD 上。 这背后其实还有第二个更大的趋势： AI 正在加速数据中心从 HDD 向 Flash 转移。 过去企业级 SSD 最大的问题一直是成本，但 AI 数据中心真正看重的已经不只是每 TB 价格，而是延迟、吞吐、功耗，以及昂贵 GPU 到底有没有在等待数据。 当一张价值数万美元的 GPU 因为存储速度不够而空转时，Flash 贵一点反而已经不是最重要的问题。 所以 $SNDK 看到的机会，不只是“SSD 卖得更多”，而是整个 AI 存储架构正在发生变化。 而 $MU 已经提前向市场证明了一件事： 只要 AI 创造出新的存储瓶颈，供需结构改变的速度可以非常快。 过去两年市场先重新定价 HBM，接下来很可能开始重新定价 NAND、Enterprise SSD，以及 AI Storage。 所以我认为 AI 硬件投资的逻辑正在继续向外扩散： $NVDA / $AVGO —— 算力 $MU —— HBM / DRAM $ANET / $MRVL / $LITE —— 网络与互连 $SNDK —— NAND / Enterprise SSD GPU 是第一层受益者，但绝不会是最后一层。 真正值得关注的是：当 AI Agent 从“回答问题”进入“持续工作”，数据产生量、Context、KV Cache 和实时调用的数据都会出现指数级增长。 如果 $MU 已经向市场展示了 HBM 供需失衡可以把盈利能力推到什么程度，那么下一场市场会不会开始重估 $SNDK 所代表的 AI Flash 机会？:::