AI大模型的训练和推理，正把"算力之争"从芯片本身延伸向一个此前被低估的战场——存储产能。当GPU、ASIC等AI芯片的算力不断提升，支撑它们的存储芯片若跟不上，整个系统就会在数据搬运中"饿肚子"。2026年三季度以来，这一趋势加速显性化：海外巨头加码下一代高带宽存储（HBM4），国产高速存储也首次登上量产手机的货架。一场围绕"存储"的军备竞赛3.0，正在悄然升级。
一、美光加码HBM4，从追赶者转向进攻者
据科创板日报（转引自36氪）报道，美光计划在年底前进行大额设备投资，重点提升HBM4 12层产品的产能。按晶圆计算，新增产能最高可达每月6万片，届时美光的总产能将大致翻倍至约每月10万片，目标直指追赶三星和SK海力士。
这一动作的信号意义明显。过去数年，高带宽存储市场长期由三星与SK海力士主导，美光多以追赶者身份出现。而此次对HBM4 12层产能的大规模加码，标志着美光正转向主动进攻：既然下一代HBM4已成定局，与其在存量市场贴身缠斗，不如押注下一代技术卡位。
为什么是12层？ HBM通过多层DRAM堆叠实现超高带宽，层数越多，单颗容量和带宽越高。HBM4 12层产品在单位功耗下的性能密度更优，被业界视为下一轮竞争的核心焦点。谁能在12层良率与产能上率先放量，谁就能在未来的AI服务器供应链中占据更高话语权。
二、带宽军备向"存储产能"延伸
表面看，这是几家存储厂商的产能竞赛；更深层看，这是AI算力瓶颈的自然迁移。
过去两三年，行业把大量资源投向AI芯片的算力堆料——更多核心、更高频率、更大互联带宽。但当大模型从"训练"走向大规模"推理"，系统的吞吐瓶颈逐渐从计算本身转移到内存带宽。GPU再快，数据若无法及时从存储位读出，依旧会被"卡脖子"。这正解释了为何头部存储厂商纷纷扩产、为何HBM从"可选"变成"必需"。
把"算力军备"扩展为"算力+存储产能军备"，是这一轮竞争最本质的变化。存储不再只是配角的元器件，而是决定AI基础设施上限的硬约束。
三、国产高速存储首次量产上机
在海外巨头加码HBM4的同时，国产存储也在端侧迎来实质突破。
据财联社报道，字节跳动旗下豆包手机（NaviX Ultra）采用了长鑫科技的LPDDR5X，这是国产最高速度存储首次在该级别实现量产并装上手机。这一事件的意义不亚于算力芯片的国产替代：它意味着国产存储不仅在技术上追上了高速低功耗平台，更在供应链端真正"上车"，接受了量产与市场的检验。
对AI端侧设备而言，存储性能直接影响大模型本地推理的速度与功耗。国产高速存储上机，为端侧AI的自主可控补上了一块重要拼图，也为后续在更广泛设备上的规模化应用开了个好头。
四、趋势展望：三条主线
综合来看，AI存储军备竞赛3.0的轮廓已经清晰，可归纳为三条主线：
- 头部竞争转向下一代：HBM4 12层成为全球存储巨头下一轮争夺的制高点，产能扩张是主要手段。
- 瓶颈从芯片向存储延伸：AI的"算力之战"正在扩展为"存储产能之战"，内存带宽成为新的系统性约束。
- 端侧拉动国产存储上量：AI手机等端侧设备的需求，正在为国产高速存储打开规模化落地窗口。
结语：算力与存储，正在重新定义AI基础设施
当算力、存储、互联被放进同一个竞争坐标系，AI基础设施的拼图才算完整。无论是海外巨头的HBM4扩产，还是国产高速存储的量产上机，都在指向同一个方向——未来AI的竞争力，不仅取决于"算得多快"，更取决于"数据跑得动、存得下"。
存储产能正在成为AI基础设施的硬约束，算力之争正扩展为"算力+存储产能"之争。 当GPU的算力大幅跃升、而存储带宽跟不上时，整个系统就会在数据搬运环节"卡脖子"——这正是HBM从"可选"变成"必需"、头部厂商纷纷扩产的原因所在。
对算力服务商而言，这则动态印证了一条更务实的判断：算力不是孤立的一堆芯片，而是芯片、存储、网络与软件协同运转的整体系统。 只有算力与存储、端与云协同的"智联计算"，才能真正释放AI的潜力——这也正是鹭港智联（鹭港算力）所关注的长期议题方向。
同样值得记住的是：国产高速存储首次量产上机，意味着在算力之外，国产化替代的战线正在向存储这一关键环节延伸，为AI端侧与自主可控补上了一块重要拼图。未来AI的竞争力，不仅取决于"算得多快"，更取决于"数据跑得动、存得下"——算力与存储，正在重新定义AI基础设施。
本篇为官网SEO原创正文，基于 2026-09-07 公开行业动态撰写，核心新闻源为科创板日报（转引自36氪）——美光计划年底前提升HBM4 12层产能、月产能将翻倍至约10万片（2026-09-07）；财联社——字节跳动豆包手机（NaviX Ultra）采用长鑫科技LPDDR5X、国产最高速度存储首次量产上机（2026-09-07）。全文以第三方行业技术与趋势分析为主，未涉及我方客户案例与财务数据。