2026年6月，比特币在60,000美元关口附近震荡，以太坊徘徊于1,600美元区间，加密市场处于阶段性磨底阶段。但另一个赛道——AI数据中心基础设施——却呈现出截然不同的热度。Gartner预测2026年全球IT支出将达6.31万亿美元，同比增长13.5%，其中数据中心系统支出以55.8%的增速领跑所有类别。IDC则预计2026年全球企业在AI上的支出将达到9,400亿美元。
这场算力军备竞赛中，一个关键的认知转变正在发生：AI数据中心的竞争力不再仅仅取决于GPU的数量和算力峰值，而是越来越取决于集群内部计算、存储、网络的整体协同能力。理解Memory（内存）、Networking（网络）与Storage（存储）如何协同工作，已成为评估AI基础设施投资价值的基本功。
AI大模型的参数规模在过去两年经历了指数级增长。2024至2026年，主流大模型参数量暴涨百倍，上下文窗口从万字级拓展至百万字级。然而，服务器内存带宽年均提升不足15%，远滞后于AI业务增速。这种软硬件迭代速率的严重错配，让“内存墙”成为制约AI算力释放的核心瓶颈。
所谓内存墙，本质是CPU/GPU算力提升速度远超内存读写带宽与延迟的提升速度。算力芯片运算速度极快，但数据存取跟不上，导致处理器大量时间处于闲置等待状态。据行业测试报告，万卡集群中数据I/O瓶颈导致GPU空等时间占比可达40%以上——这意味着昂贵的算力芯片有近一半时间在等待数据搬运。
内存资源的稀缺程度同样触目惊心。单台AI推理服务器的DRAM、HBM消耗量是传统数据中心服务器的十倍以上，全球近六成DRAM晶圆产能已被AI集群占用。HBM更是长期处于锁单缺货状态，主要产能已被大型客户提前锁定至2026甚至2027年。Gartner指出，强劲需求加上供应瓶颈使得HBM价格创下历史新高，价格的快速上涨令内存成为半导体制造商眼中的高利润领域。
为破解内存墙，行业正沿着两条路径推进：一是软件层面的精细化调度与压缩优化，通过KV缓存分层调度、低比特量化压缩等技术盘活存量存储资源；二是硬件层面的架构重构，包括HBM迭代、CXL（Compute Express Link）等新型内存互联协议的落地。英伟达新一代HGX Rubin平台已将GPU内存带宽提升3倍至176 TB/s。这两种路径并非替代关系，而是全产业链协同重塑存储与算力协作逻辑的互补方案。
如果说内存解决的是单节点内的数据搬运效率，网络解决的则是节点之间的数据流动问题。在大规模AI集群中，成百上千块GPU需要协同完成一个模型的训练或推理任务，GPU之间的通信效率直接影响整体训练速度。
当前的带宽瓶颈是多层级的：在芯片之间，传统的PCB板载互联已无法满足AI芯片的高带宽、低延迟需求；在机柜内部，服务器之间的互联带宽成为纵向扩展的制约；在数据中心之间，长距离传输的带宽和延迟则限制了横向扩展和跨区域算力调度的效率。据测算，在当前的AI训练集群中，数据搬运的能耗已经超过了计算本身的能耗。
英伟达的NVLink和InfiniBand长期主导AI集群内部互联市场。其最新NVLink Switch带宽已达28.8 TB/s，较上一代提升2倍。但这一格局正在被挑战——AMD、Broadcom等厂商均在推进自有互联方案，UALink（Ultra Accelerator Link）等开放标准也在加速成型。2026年的网络赛道已从“英伟达独家”走向“多标准竞争”，这对数据中心运营商的系统集成能力提出了更高要求。
传统数据中心中，存储的角色是“数据仓库”——主要用于冷数据的保存与归档。但在AI数据中心中，存储的角色已升级为“数据管道”——需要以极高速度向计算节点持续输送训练数据，并在推理场景中支撑低延迟的模型参数读取。
AI训练需要海量原始数据的高速读取，推理则需要模型权重和KV缓存的快速访问。KV缓存已开始从GPU HBM向下延伸至系统DRAM，甚至进一步移动至本地端的高速SSD。这意味着存储与内存之间的边界正在模糊，存储设备不再仅仅是数据的终点，而是数据流动管道中的关键节点。
全闪存储正在取代传统机械硬盘成为AI数据中心的主流选择。中科曙光在ISC High Performance 2026上展示的全闪存储及原生高速互联网络产品，正是这一趋势的产业注脚。存储的性能直接决定了数据能否及时送达计算单元，从而决定了GPU的利用率。
理解了三者各自的角色与瓶颈之后，“协同”的含义便清晰了：AI数据中心的真实算力，并非GPU算力、内存带宽、网络吞吐和存储IOPS的简单加总，而是四者在系统层面耦合后的有效输出。
大模型参数持续增长催生超级AI集群，算力好不好用不再单纯依赖芯片性能，而是越来越取决于集群内部计算、存储、网络的整体协同能力和效率。这一判断正在成为行业共识。
从产业实践看，“算-存-网”紧耦合设计已成为头部厂商的标准打法。中科曙光scaleX AI超集群秉持算存网紧耦合设计理念，大幅提升了训推效率。英伟达的Dynamo 1.0推理操作系统搭配BlueField-4 CMX平台，打通GPU、HBM、主机DRAM、本地闪存、远端存储多层介质，依靠冷热数据自动分流打破单卡显存孤岛。
IDC在2026年6月的报告中明确指出，AI领域的竞争优势已经转移：关键不再是拥有最强的算力，而是如何以最低的Token成本将AI转化为可持续的业务能力。而Token成本的核心构成，正是计算、内存、网络、存储四者的综合效率。
这一产业趋势已在资本市场得到充分映射。
内存端，SK海力士无疑是2026年最耀眼的标的。2026年6月22日，SK海力士股价飙升6%，创下2,944,000韩元的历史新高，超越三星成为韩国股市市值第一，年初至今涨幅已超过349%。美光（Micron）同样表现强劲，6月最后一周的单季财报显示营收同比翻了两番以上，并宣布了16项长期供应协议。美光股价在财报发布当日飙升16%。
网络端，光纤产品供应商康宁（Corning）的股价在6月最后一周创下历史新高。其光纤产品在AI数据中心中的关键地位正被市场重新定价。Cisco的AI基础设施订单已超过90亿美元。
服务器与系统集成端，Dell AI优化服务器单季收入达到161亿美元，同比增长757%。Supermicro在直接液冷技术领域占据约70%的市场份额。
数据中心运营端，交银国际将万国数据（GDS-SW）和新意网（SUNEVISION）列为数据中心板块首选买入标的，认为生成式AI已引爆需求端爆炸性增长。瑞银同样指出，中国互联网数据中心行业将从2026年下半年开始显著加速。
Gate平台已上线美股、港股、韩股等市场超过12,500只股票及ETF标的。投资者可通过统一账户使用USDT等数字资产直接参与全球股票交易，实现加密资产与传统证券的统一配置。
在AI数据中心基础设施领域，Gate已覆盖从芯片到应用的全产业链标的：
美股方面，投资者可交易英伟达（NVDA）、AMD、美光（MU）、博通（AVGO）、戴尔（DELL）、超微电脑（SMCI）、康宁（GLW）、思科（CSCO）等核心企业。Gate支持盘前盘后交易，交易时段扩展至16×5，用户可更加及时地响应企业财报与宏观数据。
港股方面，可关注万国数据（09698.HK）、新意网（01686.HK）等数据中心运营商。
韩股方面，SK海力士（000660.KS）是HBM领域的绝对龙头；济州半导体则扮演着AI数据中心光通信材料的关键上游角色。
Gate股票交易支持低至0.1%的手续费率、杠杆交易及现货双模式，用户持仓2,000美元即可享受VIP专属费率。对于希望系统化配置AI数据中心基础设施赛道的投资者而言，Gate提供的跨市场、多资产一站式交易能力，正在降低全球科技资产配置的门槛。
AI数据中心正从“堆GPU”的粗放时代迈入“系统优化”的精细时代。内存、网络、存储三者不再是孤立的基础设施组件，而是在“算-存-网”协同框架下共同决定AI算力真实产出的系统变量。
理解这一逻辑，不仅有助于评估技术趋势，也为投资决策提供了更扎实的分析框架——从芯片到内存，从网络到存储，从服务器到数据中心运营，整条产业链的价值重估才刚刚开始。而当加密市场的短期波动与AI基础设施的长期叙事交汇，一个横跨数字资产与实体产业的配置窗口正在打开。
Q1：AI数据中心为什么不能只靠堆GPU来解决算力问题？
GPU只是算力输出的终端，其效能发挥高度依赖内存带宽能否及时供应数据、网络能否高效协同多卡并行、存储能否快速响应海量数据读写。万卡集群中数据I/O瓶颈导致GPU空等时间可达40%以上——单纯堆砌GPU而不解决这三者协同，算力浪费惊人。
Q2：HBM为什么如此紧缺？
HBM（高带宽内存）是AI芯片的标配内存，其制造工艺复杂、产能扩张周期长达两年以上。2026年AI推理需求超越训练场景，进一步拉动了对HBM及大容量DRAM的需求。主要产能已被大型客户提前锁定至2026甚至2027年，短期供给弹性极为有限。
Q3：AI数据中心基础设施投资的核心逻辑是什么？
核心逻辑是从“训练主导”转向“全栈需求爆发”。微软、谷歌、亚马逊、Meta四家科技巨头2026年合计AI基础设施资本支出高达7,250亿美元。这一资金量级无法由单一环节承载，整条产业链——从芯片、内存、网络到数据中心运营——均处于结构性受益周期。
Q4：Gate平台如何交易AI数据中心相关股票？
Gate已上线美股、港股、韩股超过12,500只股票及ETF。用户可通过USDT等数字资产入金，在统一账户中交易英伟达、美光、SK海力士等AI基础设施核心标的，支持盘前盘后交易、杠杆及现货双模式，费率低至0.1%。
Q5：AI数据中心基础设施的投资风险有哪些？
主要风险包括：一是供需错配可能导致阶段性过剩——交银国际指出需关注更长周期可能出现的阶段性供需错配与估值波动；二是超大规模云服务商的资本开支可持续性问题——摩根大通指出2025至2026年资本开支增速远超实际收入增速，对现金流构成压力；三是地缘政治与出口管制对先进制程芯片供应链的扰动。
24.36万 热度
396.16万 热度
55.76万 热度
2203.62万 热度
221.1万 热度
AI 数据中心为什么不能只依赖 GPU？内存、网络与存储的协同机制解析
2026年6月，比特币在60,000美元关口附近震荡，以太坊徘徊于1,600美元区间，加密市场处于阶段性磨底阶段。但另一个赛道——AI数据中心基础设施——却呈现出截然不同的热度。Gartner预测2026年全球IT支出将达6.31万亿美元，同比增长13.5%，其中数据中心系统支出以55.8%的增速领跑所有类别。IDC则预计2026年全球企业在AI上的支出将达到9,400亿美元。
这场算力军备竞赛中，一个关键的认知转变正在发生：AI数据中心的竞争力不再仅仅取决于GPU的数量和算力峰值，而是越来越取决于集群内部计算、存储、网络的整体协同能力。理解Memory（内存）、Networking（网络）与Storage（存储）如何协同工作，已成为评估AI基础设施投资价值的基本功。
内存墙：大模型时代的第一道瓶颈
AI大模型的参数规模在过去两年经历了指数级增长。2024至2026年，主流大模型参数量暴涨百倍，上下文窗口从万字级拓展至百万字级。然而，服务器内存带宽年均提升不足15%，远滞后于AI业务增速。这种软硬件迭代速率的严重错配，让“内存墙”成为制约AI算力释放的核心瓶颈。
所谓内存墙，本质是CPU/GPU算力提升速度远超内存读写带宽与延迟的提升速度。算力芯片运算速度极快，但数据存取跟不上，导致处理器大量时间处于闲置等待状态。据行业测试报告，万卡集群中数据I/O瓶颈导致GPU空等时间占比可达40%以上——这意味着昂贵的算力芯片有近一半时间在等待数据搬运。
内存资源的稀缺程度同样触目惊心。单台AI推理服务器的DRAM、HBM消耗量是传统数据中心服务器的十倍以上，全球近六成DRAM晶圆产能已被AI集群占用。HBM更是长期处于锁单缺货状态，主要产能已被大型客户提前锁定至2026甚至2027年。Gartner指出，强劲需求加上供应瓶颈使得HBM价格创下历史新高，价格的快速上涨令内存成为半导体制造商眼中的高利润领域。
为破解内存墙，行业正沿着两条路径推进：一是软件层面的精细化调度与压缩优化，通过KV缓存分层调度、低比特量化压缩等技术盘活存量存储资源；二是硬件层面的架构重构，包括HBM迭代、CXL（Compute Express Link）等新型内存互联协议的落地。英伟达新一代HGX Rubin平台已将GPU内存带宽提升3倍至176 TB/s。这两种路径并非替代关系，而是全产业链协同重塑存储与算力协作逻辑的互补方案。
网络：AI集群的“神经网络”
如果说内存解决的是单节点内的数据搬运效率，网络解决的则是节点之间的数据流动问题。在大规模AI集群中，成百上千块GPU需要协同完成一个模型的训练或推理任务，GPU之间的通信效率直接影响整体训练速度。
当前的带宽瓶颈是多层级的：在芯片之间，传统的PCB板载互联已无法满足AI芯片的高带宽、低延迟需求；在机柜内部，服务器之间的互联带宽成为纵向扩展的制约；在数据中心之间，长距离传输的带宽和延迟则限制了横向扩展和跨区域算力调度的效率。据测算，在当前的AI训练集群中，数据搬运的能耗已经超过了计算本身的能耗。
英伟达的NVLink和InfiniBand长期主导AI集群内部互联市场。其最新NVLink Switch带宽已达28.8 TB/s，较上一代提升2倍。但这一格局正在被挑战——AMD、Broadcom等厂商均在推进自有互联方案，UALink（Ultra Accelerator Link）等开放标准也在加速成型。2026年的网络赛道已从“英伟达独家”走向“多标准竞争”，这对数据中心运营商的系统集成能力提出了更高要求。
存储：从“仓库”到“数据管道”
传统数据中心中，存储的角色是“数据仓库”——主要用于冷数据的保存与归档。但在AI数据中心中，存储的角色已升级为“数据管道”——需要以极高速度向计算节点持续输送训练数据，并在推理场景中支撑低延迟的模型参数读取。
AI训练需要海量原始数据的高速读取，推理则需要模型权重和KV缓存的快速访问。KV缓存已开始从GPU HBM向下延伸至系统DRAM，甚至进一步移动至本地端的高速SSD。这意味着存储与内存之间的边界正在模糊，存储设备不再仅仅是数据的终点，而是数据流动管道中的关键节点。
全闪存储正在取代传统机械硬盘成为AI数据中心的主流选择。中科曙光在ISC High Performance 2026上展示的全闪存储及原生高速互联网络产品，正是这一趋势的产业注脚。存储的性能直接决定了数据能否及时送达计算单元，从而决定了GPU的利用率。
“算-存-网”协同：从单点突破到系统优化
理解了三者各自的角色与瓶颈之后，“协同”的含义便清晰了：AI数据中心的真实算力，并非GPU算力、内存带宽、网络吞吐和存储IOPS的简单加总，而是四者在系统层面耦合后的有效输出。
大模型参数持续增长催生超级AI集群，算力好不好用不再单纯依赖芯片性能，而是越来越取决于集群内部计算、存储、网络的整体协同能力和效率。这一判断正在成为行业共识。
从产业实践看，“算-存-网”紧耦合设计已成为头部厂商的标准打法。中科曙光scaleX AI超集群秉持算存网紧耦合设计理念，大幅提升了训推效率。英伟达的Dynamo 1.0推理操作系统搭配BlueField-4 CMX平台，打通GPU、HBM、主机DRAM、本地闪存、远端存储多层介质，依靠冷热数据自动分流打破单卡显存孤岛。
IDC在2026年6月的报告中明确指出，AI领域的竞争优势已经转移：关键不再是拥有最强的算力，而是如何以最低的Token成本将AI转化为可持续的业务能力。而Token成本的核心构成，正是计算、内存、网络、存储四者的综合效率。
市场格局：谁在受益？
这一产业趋势已在资本市场得到充分映射。
内存端，SK海力士无疑是2026年最耀眼的标的。2026年6月22日，SK海力士股价飙升6%，创下2,944,000韩元的历史新高，超越三星成为韩国股市市值第一，年初至今涨幅已超过349%。美光（Micron）同样表现强劲，6月最后一周的单季财报显示营收同比翻了两番以上，并宣布了16项长期供应协议。美光股价在财报发布当日飙升16%。
网络端，光纤产品供应商康宁（Corning）的股价在6月最后一周创下历史新高。其光纤产品在AI数据中心中的关键地位正被市场重新定价。Cisco的AI基础设施订单已超过90亿美元。
服务器与系统集成端，Dell AI优化服务器单季收入达到161亿美元，同比增长757%。Supermicro在直接液冷技术领域占据约70%的市场份额。
数据中心运营端，交银国际将万国数据（GDS-SW）和新意网（SUNEVISION）列为数据中心板块首选买入标的，认为生成式AI已引爆需求端爆炸性增长。瑞银同样指出，中国互联网数据中心行业将从2026年下半年开始显著加速。
如何通过Gate平台参与AI基础设施投资？
Gate平台已上线美股、港股、韩股等市场超过12,500只股票及ETF标的。投资者可通过统一账户使用USDT等数字资产直接参与全球股票交易，实现加密资产与传统证券的统一配置。
在AI数据中心基础设施领域，Gate已覆盖从芯片到应用的全产业链标的：
美股方面，投资者可交易英伟达（NVDA）、AMD、美光（MU）、博通（AVGO）、戴尔（DELL）、超微电脑（SMCI）、康宁（GLW）、思科（CSCO）等核心企业。Gate支持盘前盘后交易，交易时段扩展至16×5，用户可更加及时地响应企业财报与宏观数据。
港股方面，可关注万国数据（09698.HK）、新意网（01686.HK）等数据中心运营商。
韩股方面，SK海力士（000660.KS）是HBM领域的绝对龙头；济州半导体则扮演着AI数据中心光通信材料的关键上游角色。
Gate股票交易支持低至0.1%的手续费率、杠杆交易及现货双模式，用户持仓2,000美元即可享受VIP专属费率。对于希望系统化配置AI数据中心基础设施赛道的投资者而言，Gate提供的跨市场、多资产一站式交易能力，正在降低全球科技资产配置的门槛。
结语
AI数据中心正从“堆GPU”的粗放时代迈入“系统优化”的精细时代。内存、网络、存储三者不再是孤立的基础设施组件，而是在“算-存-网”协同框架下共同决定AI算力真实产出的系统变量。
理解这一逻辑，不仅有助于评估技术趋势，也为投资决策提供了更扎实的分析框架——从芯片到内存，从网络到存储，从服务器到数据中心运营，整条产业链的价值重估才刚刚开始。而当加密市场的短期波动与AI基础设施的长期叙事交汇，一个横跨数字资产与实体产业的配置窗口正在打开。
FAQ
Q1：AI数据中心为什么不能只靠堆GPU来解决算力问题？
GPU只是算力输出的终端，其效能发挥高度依赖内存带宽能否及时供应数据、网络能否高效协同多卡并行、存储能否快速响应海量数据读写。万卡集群中数据I/O瓶颈导致GPU空等时间可达40%以上——单纯堆砌GPU而不解决这三者协同，算力浪费惊人。
Q2：HBM为什么如此紧缺？
HBM（高带宽内存）是AI芯片的标配内存，其制造工艺复杂、产能扩张周期长达两年以上。2026年AI推理需求超越训练场景，进一步拉动了对HBM及大容量DRAM的需求。主要产能已被大型客户提前锁定至2026甚至2027年，短期供给弹性极为有限。
Q3：AI数据中心基础设施投资的核心逻辑是什么？
核心逻辑是从“训练主导”转向“全栈需求爆发”。微软、谷歌、亚马逊、Meta四家科技巨头2026年合计AI基础设施资本支出高达7,250亿美元。这一资金量级无法由单一环节承载，整条产业链——从芯片、内存、网络到数据中心运营——均处于结构性受益周期。
Q4：Gate平台如何交易AI数据中心相关股票？
Gate已上线美股、港股、韩股超过12,500只股票及ETF。用户可通过USDT等数字资产入金，在统一账户中交易英伟达、美光、SK海力士等AI基础设施核心标的，支持盘前盘后交易、杠杆及现货双模式，费率低至0.1%。
Q5：AI数据中心基础设施的投资风险有哪些？
主要风险包括：一是供需错配可能导致阶段性过剩——交银国际指出需关注更长周期可能出现的阶段性供需错配与估值波动；二是超大规模云服务商的资本开支可持续性问题——摩根大通指出2025至2026年资本开支增速远超实际收入增速，对现金流构成压力；三是地缘政治与出口管制对先进制程芯片供应链的扰动。