「養龍蝦」的關鍵在NAND！ 專家：而且不是只吃一點

近期全球興起「養龍蝦」熱潮，這並非水產養殖，而是部署如OpenClaw等AI Agent框架。讓這些能自動調用工具、執行任務AI員工，從單純對話轉向長時間在線工作，進而引爆NAND與企業級SSD的海量存儲需求。

★【理財達人秀】暴漲千點 轉強確立? 卡位拚補票 受惠第一排 ★

「養龍蝦」不是在養真的龍蝦，而是指部署人工智慧代理。具多年市場經驗的基金經理人沈萬鈞解釋道，所謂「養龍蝦」，本質上就是把AI從單純聊天，變成能長時間在線、持續做事的數位員工。如果今天龍蝦只是回你一句話、做完一個問答，那它吃掉的其實只是一些API call(應用程式介面調用)，對硬體影響有限。但當這隻龍蝦真正開始進到企業、客服、進行政流程及供應鏈協作，它就會長時間在線、持續調工具、讀寫資料、執行任務，它不是問完就結束，而是一直活著、一直工作、一直把資料堆積下來。這時候，龍蝦吃掉的就不只是算力，而是整個記憶體與存儲體系。

數位員工大規模進駐 存儲產能面臨挑戰

養一隻龍蝦，表面上看像是在部署Agent，實際上你是在養一個數位員工。這種數位員工要有短期記憶，要有長期記憶，要接知識庫，要留workflow(工作流)，log(系統日誌)，cache(快取)，snapshot(數據快照)，要接向量資料庫。今天一隻龍蝦也許還不明顯，但一家公司如果開始養幾十隻、幾百隻龍蝦，而且這些龍蝦還要24小時工作，最先吃緊的，不只是GPU、DRAM，而是NAND與SSD，是整個存儲層的有效產能。

AI工作負載推動存儲需求膨脹

沈萬鈞認為現在看NAND，不能再用過去那種單純景氣循環的框架。AI訓練要放資料集，AI推理要放checkpoint(檢查點)、cache(快取)、向量資料庫，企業agent要保留長上下文、任務狀態、文件索引、審計紀錄。這些東西不是瞬間消失的，它們是持續累積、持續膨脹的。也就是說，AI不是只在前端拉高算力需求，後端其實也在持續掏空存儲產能。

NAND角色重定義 從儲存元件轉向基礎設施

很多人還是習慣把AI看成GPU story，沈萬鈞表示，這樣看已經不完整。GPU解決的是算力，HBM解決的是頻寬，DRAM解決的是即時工作集，但龍蝦真正活起來之後，它的大部分記憶、資料、紀錄、上下文，不可能都放在最昂貴的那一層，最後一定要往下沉到SSD，沉到NAND。這就是為什麼NAND在AI時代的角色會被重新評價。它不再只是裝置裡面的儲存元件，而是龍蝦能不能大量繁殖、長時間運作的基礎設施。

QLC成資料爆炸 架構調整核心

沈萬鈞表示龍蝦吃資料，不是只吃一點。它吃的是訓練資料、推理資料、企業知識、歷史紀錄、任務痕跡、模型中間層快取。不是所有資料都值得放在最高性能、最高成本的層級，所以資料中心一定會往分層存儲走。高價值、高頻存取的留在上層，大容量、相對低成本的就往QLC這類高容量SSD走。這不是低階替代，而是AI時代資料量爆炸後必然發生的架構調整。龍蝦越多，QLC越重要；龍蝦越常駐，enterpriseSSD越容易變成瓶頸。

龍蝦效應重塑存儲產業價值

沈萬鈞坦言前幾年NAND廠商經歷過大虧損之後，資本支出明顯收斂，擴產速度保守。也就是說，龍蝦這邊開始大量吃存儲，另一邊供給卻沒有同步大幅放開。這種結構下，NAND的吃緊就不是短期補庫存，而是AI工作負載改變之後，整個產業鏈開始重新定價。而這種新的工作負載，最終不只推升CPU、DRAM、一般型伺服器，一定也會一路往下吃到NAND與enterpriseSSD。龍蝦越多NAND越缺，龍蝦越常駐存儲越重要，當龍蝦越像真正的數位員工，NAND則就更不像過去那種單純只看景氣循環的老產業。

（封面示意圖/AI生成）