AI Agent长记忆场景对存储架构提出哪些新要求？

AI Agent长记忆场景正推动存储需求从训练侧向推理侧结构性迁移。据报告分析，AI大模型训练及推理既需要高容量DDR5及HBM存储巨量参数和中间计算数据，又需要企业级SSD存储大量数据集。Agent场景下，长上下文与持久化记忆将进一步带来巨量数据吞吐，推动高容量内存及企业级SSD需求加速增长。

在容量维度，Agent需持续积累用户交互历史与知识库，单Agent实例所需存储容量远超单次对话场景，推动内存配置向更高容量演进。在速度维度，长记忆检索要求低延迟随机访问能力，对存储介质IOPS性能提出更高要求。在持久化维度，区别于训练数据的临时性，Agent记忆需长期保留，企业级SSD的可靠性、耐久性及断电保护机制成为关键考量。

供给端呈现结构性分化。原厂持续将产能规划倾向于HBM、高容量DRAM及高层数3D NAND等高附加价值产品，NOR Flash、SLC NAND等利基型存储产能受挤压。美光等原厂通过签订5年期长期供货协议锁定未来出货，采用Take-or-Pay机制并引入价格上下限设计，以平滑周期波动。TrendForce预计2026年全球存储产值将实现同比大幅增长，2027年将进一步攀升，Agent驱动的企业级存储需求成为核心增量来源。