群聯(lián)CEO：NAND缺貨或持續(xù)10年，未來不是“得Token得天下”，而是“得存儲得天下”！

人工智能正引發(fā)全球NAND Flash存儲市場的結構性極度短缺。群聯(lián)電子首席執(zhí)行官潘健成在近日接受媒體采訪時表示，并非“得Token者得天下”，未來只要企業(yè)有充足的存儲空間，“就能獲得無止境的營收”。

潘健成表示，AI資料產(chǎn)生速度是以百倍速度推進，但NAND Flash原廠新建廠房最多僅能增加50%的產(chǎn)能，他推斷這波缺貨潮在未來十年內(nèi)恐難以完全解決。為了應對包括英偉達新GPU及蘋果新品推出，第四季度NAND Flash可能出現(xiàn)“有錢也買不到貨”的窘境 。"我找不到存儲供過于求的理由，"他說。

為應對2026年下半年甚至第四季度可能出現(xiàn)的嚴重斷貨風險，群聯(lián)電子已全面進入緊急備料狀態(tài)。目前，該公司的NAND庫存金額已突破500億元新臺幣，并史無前例地啟動了總額達11.8億美元（約合430億元新臺幣）的籌資計劃。這筆龐大資金將被悉數(shù)用于提前鎖定晶圓與存儲顆粒貨源，以防范“有錢也買不到貨”的極端市場局面。

市場信號與機構判斷共同印證了這一預警。NAND Flash價格自2026年1月以來已接近翻倍，部分時段單日漲幅達50%。摩根士丹利預計，2026年下半年成熟制程NAND供給缺口或達40%，全年漲幅逾200%；高盛則預測2026年NAND供不應求幅度為4.2%，為行業(yè)歷史最大規(guī)模短缺之一。

籌資430億備貨，缺口高達70%

面對急速逼近的缺貨危機，群聯(lián)采取了一系列歷史性財務動作。據(jù)媒體報道，公司目前僅能滿足約30%的客戶需求，缺口高達70%。

潘健成透露，近期有PC大廠緊急追加100萬支SSD訂單，美國客戶亦頻繁臨時加單，公司必須調(diào)動各方資源才能勉強應付。他警告，若等到需求高峰才動手，屆時將面臨"有錢也買不到貨"的困境，因此庫存規(guī)劃已高度精準化，主要針對已取得設計導入（Design-in）的各類項目鎖定料源。

為鎖定料源，群聯(lián)規(guī)劃完整籌資布局：包括上限8億美元（約新臺幣254億元）的海外無擔保可轉(zhuǎn)換公司債（ECB）、國內(nèi)第三次無擔保可轉(zhuǎn)債60億元新臺幣，以及120億元新臺幣的銀行聯(lián)合貸款，合計籌資規(guī)模超過430億元新臺幣。潘健成坦言，由于NAND Flash價格維持高位，資金壓力明顯加劇，公司亦與客戶協(xié)議預付貨款機制，共同分擔備貨壓力。

英偉達新一代AI芯片Rubin系列即將開始出貨，潘健成預判屆時原廠產(chǎn)能將被瞬間吸納，市場供需失衡將成常態(tài)。

降耗新技術反而加劇缺貨

日前，谷歌一篇關于將KV Cache（鍵值緩存）壓縮至1/8的論文引發(fā)存儲行業(yè)恐慌，市場擔憂AI主機對存儲的單臺需求將大幅縮減。潘健成對此給出了截然相反的判斷。

他承認，該技術確實能將單臺主機的內(nèi)存和閃存占用壓縮至原來的1/8，單機存儲成本隨之大幅下降。但這恰恰意味著AI主機整體價格下行，更多企業(yè)和個人得以部署——"本來供一臺主機使用的內(nèi)存，現(xiàn)在可以供給8臺主機使用。"這8臺機器推理所產(chǎn)生的數(shù)據(jù)，仍然需要外部存儲，總需求反而大幅攀升。

他以群聯(lián)自身研發(fā)的aiDAPTIV+技術類比：該技術通過用閃存彌補DRAM不足，讓AI以更低成本運行，但"讓AI產(chǎn)生數(shù)據(jù)的機器變得更便宜，數(shù)據(jù)產(chǎn)生得就會越快，后續(xù)存儲缺貨搞不好會更嚴重。"

潘健成將這一邏輯比作汽車行業(yè)：全球只生產(chǎn)法拉利時，能買得起的人有限，汽油消耗量也不大；一旦豐田大量造出平價車，汽油就會缺貨。降低單機成本的技術創(chuàng)新，最終只會加速AI的普及，進而推升存儲總需求。

消費電子承壓，總需求不降反升

缺貨壓力在消費市場已陸續(xù)顯現(xiàn)。潘健成預警，下半年筆記本電腦主力機型存儲容量或退回256GB，消費類電子將是"最大受害者"。

然而他同時指出，總需求并未因此減少。以SSD與云服務的價格博弈為例：消費者看到SSD漲價3倍選擇暫緩購買，但云服務價格漲了5倍，用戶仍然爭相使用。"總需求其實沒有減少，反而增加了。只是有能力賺錢的企業(yè)繼續(xù)買，沒有能力的消費者先等一等。"

他還預判，一旦256GB筆記本下半年大量上市，約20%至30%的購買者將被迫赴售后市場將存儲升級至512GB，零售市場需求由此回流。"就像一公升汽油30塊，因為打仗漲到60塊，你要出門還是要加油——這是剛需。"

在企業(yè)市場，群聯(lián)消費類業(yè)務營收占比已降至5%至6%，企業(yè)級與工業(yè)應用已成絕對主力，且"非常缺貨"。2025年群聯(lián)營收同比增長23.3%，達726.64億元新臺幣。

"得存儲得天下"：存儲成AI時代核心資產(chǎn)

圍繞AI與存儲的深層邏輯，潘健成作出了帶有戰(zhàn)略意涵的判斷：未來的競爭關鍵，不在于誰擁有更多Token，而在于誰掌握充足的存儲空間。

"未來只要你有充足的存儲空間，就能獲得無止境的營收，"他說。他以2000年網(wǎng)絡泡沫作類比——破滅的是互聯(lián)網(wǎng)初創(chuàng)公司泡沫，而非互聯(lián)網(wǎng)本身。2000年后人類每日數(shù)據(jù)傳輸量從KB級攀升至今日難以計量的規(guī)模，AI的演進軌跡將與之相似。"今天人類大量使用AI了嗎？還沒有。會不會？一定會。什么時候？便宜普及的時候。"

他指出，目前全球真正具備建立云端AI能力的只有美國和中國大陸兩地，其他企業(yè)大多仍在觀望。一旦AI應用真正落地，全球數(shù)十億人口每人所需的一點存儲空間，將匯聚為龐大且持續(xù)的結構性需求，徹底終結存儲行業(yè)的傳統(tǒng)周期律。

潘健成在慶典上宣布，向任職滿一年的員工加發(fā)一個月獎金，新增獎金總額超4億元新臺幣。對于未來方向，他給出了簡潔的總結："AI要不要發(fā)生？要。數(shù)據(jù)要不要存？要。存儲在什么情況下會供過于求？我找不到答案。"

以下為潘健成近日接受媒體訪談實錄，部分內(nèi)容有刪減：

主持人：
大家好，歡迎回到編輯室。今天的大來賓邀請到了群聯(lián)CEO潘健成。潘董，請您跟鏡頭打聲招呼。
潘健成：
各位觀眾大家好，兩位主持人好。
主持人：
我們先問一下，AI引爆了這一次的存儲缺貨潮，您看下來今年的狀況會不會跟去年類似？
潘健成：
從具體需求面來看，云端無論是美國還是中國大陸的需求都很強，基本上看不到放緩的腳步。
主持人：
連韓國SK集團的崔泰源董事長都說，這波熱潮會一路持續(xù)到2030年。這么夸張，您覺得呢？
潘健成：
毫不夸張。過去45年以來，全世界半導體產(chǎn)業(yè)鏈的燈塔就是Intel。他們每一年都會披露未來五年內(nèi)要做什么，把路線圖（Roadmap）畫出來。各個生態(tài)圈的廠商，比如三星，就會根據(jù)他們產(chǎn)出的新CPU去儲備DRAM（內(nèi)存）；主板廠就會去儲備PCB等各種供應鏈資源。中國臺灣的代工廠（OEM）也會根據(jù)藍圖做準備，這是一個有次序的準備過程。可是當年PC市場也花了大概十幾年，才從無到普及并將其產(chǎn)能消化掉。
認真講，AI是2022年ChatGPT加英偉達帶動起來的。在這之前沒有人相信，有了ChatGPT之后大家相信了，一窩蜂就跳進來了。在短短的時間內(nèi)，一窩蜂涌入的產(chǎn)能是消化不了的。
我這樣比喻，H100產(chǎn)出的時候，市場其實沒有看到這種需求。但在當時，因為后疫情時代DRAM產(chǎn)能供過于求，閃存供過于求，各種產(chǎn)品都供過于求。所以H100出來的時候，剛好趕得上這個需求。
到B200的時候——因為它是每一年出一個新機種——開始有一點點緊張了。到B300、再到Rubin架構，就來不及了。為什么？因為存儲行業(yè)從2022年后疫情時代開始，閃存公司累計5個季度賠掉了快400億美金，他們根本不想投資了。
當看到這種需求的時候，說真的，2024、2025年大家也在問：這是真的嗎？閃存需求是真的嗎？結果走到推理階段發(fā)生的時候，發(fā)現(xiàn)是真的，但此時再投資也來不及了。一項新的投資到產(chǎn)出需要兩年多。媒體界一堆名嘴說，兩年多有產(chǎn)出之后，市場就不會缺貨了。
那我就反問一個問題。手機剛出來的時候，我們拿手機傳信息，傳文字是KB級別；3G的時候是MB級別；4G的時候是幾十MB；5G則是實時直播。我反問一下，人類還會再退回去傳KB級別的數(shù)據(jù)嗎？不可能。手機走過了這種數(shù)據(jù)量突飛猛進的進步歷程。
你看AI今天的應用還停留在文字（如ChatGPT）階段，現(xiàn)在重點不是有文生視頻模型了嗎？幾分鐘內(nèi)產(chǎn)生一部視頻，就是幾百個GB。以前用人工去做，需要100號人花6個月去畫、去渲染、去調(diào)配，現(xiàn)在AI產(chǎn)出的數(shù)量是你沒法想象的。意思是說，如果現(xiàn)在投資，新的產(chǎn)出是在兩年后，那兩年后人類的需求有多大？這是我們看不到的，也沒法去想象的。
主持人：
可是這一波從供過于求到現(xiàn)在，已經(jīng)有點影響到民生了。大家會覺得，我現(xiàn)在就要買內(nèi)存，我要組裝電腦，卻根本買不到。
潘健成：
在未來的兩年多內(nèi)，最大的受害者是消費類電子產(chǎn)品，這已經(jīng)是避免不了的。打個比方，下半年的筆記本電腦（Notebook）主力機型，你可能無法相信存儲容量會退回到256GB。老實說256GB夠用嗎？夠用。
我在美國GTC大會的時候，很多朋友說沒問題，我用云服務。但云服務不是免費的，它是會漲價的。他說固態(tài)硬盤（SSD）這么貴，去買一個SSD劃不來，我去用云服務。我說那你算過嗎？兩年的云服務費用，剛好等于買一次SSD的錢。現(xiàn)在的最大問題是什么？消費者看到SSD漲價了3倍，他不買了；但云服務漲了5倍，大家還在搶。所以總需求其實沒有減少，反而增加了。只是有能力賺錢的企業(yè)會去買，沒能力賺錢的消費者就先等一等。
但是人類有個通病。打個比方，現(xiàn)在一張存儲卡是10塊錢，預測下禮拜是12塊錢，你會說太貴不買。結果等到你真正需要的那一天，你被迫跑去花18塊錢買。
我們看過太多這種案例了。所以到下半年，如果256GB的筆記本電腦開始大量上市，100個買電腦的人里，大概會有20到30個被迫去售后市場升級成512GB的，那售后市場就回來了。貴嗎？貴。就像買汽油，一公升30塊，如果因為打仗變成60塊，你要出門加不加油？肯定要加，這是剛需。所以消費類電子會很辛苦。這是沒辦法的事。什么時候供需會平衡？老實說，目前還看不到。
主持人：
你們?nèi)郝?lián)自己也在做NANDFlash，也受到這一波的影響嗎？但你們開發(fā)了一個叫做aiDAPTIV+的技術。在這種狀況下，您覺得有機會緩解缺貨嗎？
潘健成：
沒有辦法緩解。關于我們的做法，我來講一下原理。AI計算最大的瓶頸其實不是算力，大家被誤導了。GPU都能算，只是快跟慢的區(qū)別而已。真正的問題是內(nèi)存不足，內(nèi)存不夠它就算不動，就罷工了。所以為了讓一個模型可以持續(xù)計算，你需要的不是算力，而是內(nèi)存的容量。
為了補足內(nèi)存容量，目前只有一招，就是一直買GPU卡，這需要花很多很多錢。這是根本原因。為什么說搞AI很貴？就是因為你要買很多GPU卡，把內(nèi)存容量湊起來，這是最大的問題。
潘健成：
群聯(lián)電子看到這個痛點之后就在想：DRAM的容量小又貴，而閃存容量大又便宜，可不可以用閃存去彌補DRAM的不足？我們花了一些時間，發(fā)現(xiàn)這條路似乎走得通。于是我們花了三年半的時間，把這個技術從概念、應用到商業(yè)化真正做出來了。
做出來之后能解決存儲荒嗎？不可能，反而會讓存儲缺得更嚴重。我這樣比喻：如果全世界做汽車的只有法拉利，能買得起、開得上車的人不多，所以汽油消耗量也不大；但是當很多豐田造出來普及之后，汽油就缺貨了。我們做的這個應用，是讓AI生成的數(shù)據(jù)能夠更低成本地存儲。如果運行AI、產(chǎn)生數(shù)據(jù)的機器變得更便宜，數(shù)據(jù)產(chǎn)生得就會越快，所以后續(xù)存儲缺貨搞不好會更嚴重。
主持人：
但有沒有可能會出現(xiàn)另一種情況，就是存儲界的“特斯拉”會出來打破局面？
潘健成：
特斯拉就算出來，它也要消耗能源。它的能源來自于電，發(fā)電就需要很多。你可以用可再生能源，但是總消耗量是增加的。
我們就講上禮拜才發(fā)生的Tableconc技術（注：指代某種降低緩存需求的AI技術），Google的一篇論文——其實去年就有了——造成了整個存儲行業(yè)的恐慌。其實這有兩種解讀。因為這項技術可以把KVCache（鍵值緩存）壓縮到1/8，所以單臺主機對于內(nèi)存和閃存的需求減少了，這個觀點是對的；但如果認為這會造成總需求減少，那就是錯的。
什么意思呢？以前一臺AI主機要用到很多的RAM和Flash，成本太貴了，所以沒法賣得多。一方面RAM和Flash本來就缺貨，單機用量太大，導致能制造出來的機器臺數(shù)很有限，使用者能用到的機會就變少。
但是如果把內(nèi)存占用壓縮成1/8，本來供一臺主機使用的內(nèi)存，現(xiàn)在可以供給8臺主機使用。機器價格變得更便宜，消費者可以更廣泛地去使用。那么這8臺機器推理產(chǎn)生的數(shù)據(jù)要不要存？肯定要存。存在哪里？還是需要存儲器，這就又會導致缺貨。
所以，單機成本下降后，反而會造成整體設備使用量的大幅增加。針對這個論點，新技術出來之后，單臺主機的存儲用量減少是對的；可是因為主機便宜了，設備產(chǎn)出更多了，反而會造成外部存儲市場的大缺貨。
主持人：
所以是用AI的人更多了，反而不管是存儲，還是這些新技術的應用規(guī)模都會變得更大。
潘健成：
我們先問，2000年的網(wǎng)絡泡沫后，網(wǎng)絡有泡沫嗎？
主持人：
沒有。
潘健成：
那是網(wǎng)絡初創(chuàng)公司泡沫，網(wǎng)絡沒有泡沫，因為人類需要網(wǎng)絡。你再回想2000年后，你一天傳輸?shù)臄?shù)據(jù)量只有千字節(jié)（KB），現(xiàn)在呢？源源不斷，你已經(jīng)沒法想象了。今天人類大量使用人工智能了嗎？還沒有。會不會大量使用AI？一定會。什么時候大量使用？便宜的時候，也就是普及的時候。
所以這還需要一段過程。那這段過程當中會不會大量鋪設基礎建設？2000年泡沫后，2004年谷歌證明它是有用的，全世界是不是在鋪設光纖、建立無線電傳輸？那個就叫基礎建設，就是黃仁勛講的基礎建設。AI要不要發(fā)生？要。什么時候完成？不知道。
但是基本上AI的基礎建設真的太貴了。它貴不是說成本貴，我們打個比方，我們看看存儲公司，前陣子不是有財報嗎？毛利率80%是什么概念？毛利80%，意味著我產(chǎn)出成本一塊錢，售價是9塊錢。做圖形處理器的公司，買下這個存儲產(chǎn)品之后再看，毛利率也是80%。
什么意思？等于說一塊變9塊，9塊變90塊。一個產(chǎn)出只要一塊錢的東西，到用戶手上變成了90塊，這個成本是很嚇人的。你有沒有覺得便宜？這個很難說，因為市場緊缺。但是因為比特幣挖礦的技術需求，把它壓縮成了1/8，省下了很多錢。一塊變90塊，省下1/8有沒有幫助？有，這就變便宜了。便宜了就有機會普及。普及之后，每個人使用的數(shù)據(jù)要存在哪里？這才是最頭痛的地方。
主持人：
可是像Turbofan這樣，理論值上真的有辦法運作到只用這樣的壓縮比例，就能實現(xiàn)原本這么好的性能嗎？
潘健成：
其實在壓縮方面，研究團隊給我的報告顯示，這沒有什么了不起的。因為鍵值緩存（KVcache）在運算過程當中就是文字，文字的壓縮比可以很高，照片就不好壓縮了。這種壓縮技術并不離譜，那種實時的壓縮是很簡單的。所以這其實是協(xié)助解決內(nèi)存不足的最好方法。
主持人：
所以你覺得Turbofan出來對你們也是利好，不算是太大的影響。
潘健成：
對我來說是利好嗎？這會讓我買不到更充足的閃存。但是從另外一端來看是利好，因為客戶需求變得更強了。所以你要看從哪個角度定義利好。我希望能買到更多，其實我常講，我們不是種大米的，種稻米的要花錢買土地；我是買米的，買米做加工品，米最好不要錢，因為做加工品還是能賺錢。米越貴，我東西賣出去就越辛苦。所以從我們的角度，我們并不希望米一直漲價，這對我不利。
主持人：
因為剛才潘董也有聊到，上周你們?nèi)TC大會，看了現(xiàn)在整個業(yè)界的狀況。你覺得現(xiàn)在像是開放調(diào)用（Opencall）或是AI智能體（AIAgent）算不算是已經(jīng)開始提前爆發(fā)了？
潘健成：
到今天為止，我們認真地問，真正會去操作使用AI的人多嗎？不多。基本上大家都是在用ChatGPT，你只是提問而已，你很簡單地問，它給出答案。你有沒有辦法具體把一個AI系統(tǒng)安裝到自己家里來？沒有安裝。AI要普及必須要這樣做，所以目前你只是一個簡單的用戶，不能叫做你會用AI。
我們往后看市場，因為有很多落地AI的需求。一月份參加國際消費類電子產(chǎn)品展覽會（CES）的時候，我們跟英特爾、AMD合作，使用他們中央處理器（CPU）的筆記本電腦。在不做任何硬件改變的情況下，換上了特殊的自適應固態(tài)硬盤（AdaptiveSSD），加上我們的中間件（middleware），那一臺電腦就可以跑AI推理。
每一個品牌我們都去展覽了，來看的人都說很好，但是具體的應用場景，老實說我也講不出來。我說，你看這個可以做AI，可以怎么樣？可以做推理。你做給我看，可以，怎么運行？消費者才不管你的速度多快、產(chǎn)出多少Token。你得教我怎么用。在CES說了半天，結束會議后，我跟團隊干部說，不要再去找硬件公司談了，我們開始找軟件公司、獨立軟件供應商（ISV），看能不能創(chuàng)造一些應用。不然你做了半天賣不掉，因為沒有應用場景。
剛好是在龍年前后，怎么突然拋出一個Opencall（開放調(diào)用）？其實我不知道是什么東西，團隊告訴我它就是一個簡單的應用程序（App），可以執(zhí)行指令。你叫它去買機票，它上網(wǎng)幫你找完之后直接幫你執(zhí)行。那我覺得這東西好用。年后，我看到中國大陸瘋狂地在“養(yǎng)大模型”。養(yǎng)了兩個禮拜之后把大模型撤掉。為什么？因為費用爆倉了。
這樣子我看到了一個機會：如果小模型可以養(yǎng)在本地端（端側(cè)），需要高算力時再上云端；不需要高算力時，就用我們自適應的這種個人電腦來算，算得動的話是可以省費用的。
我的團隊就認真用了一個星期的時間去做了各種各樣的實驗。當然也花了錢，最終發(fā)現(xiàn)我們走混合的方式，就是需要高算力時上ChatGPT，不需要高算力時跑在本地，這種混合云的概念可以省下超過70%的費用。既可以達到我要求的速度，又可以節(jié)省費用，那我說這個需求量就會上來。
所以GTC大會后，我們積極地在研究怎么把小模型商業(yè)化。上周在深圳有一個中國閃存峰會，全場所有人都在講AI。雖然有的公司跟AI什么關系都沒有，也在蹭AI，也在蹭大模型。我說真的，最有資格講小模型的是我們，因為我們有便宜的平臺，有具體的方案。
主持人：
因為之前聽到一套邏輯，就是說現(xiàn)在本地端的成本費用，第一個是不好用，第二個是它的部署建設成本也相當高。那這樣本地端和云端，你覺得誰優(yōu)誰劣？
潘健成：
我們先講個實際的案例，先不看以后，先講以前。2025年美國科技公司大部分在進行大裁員，同意嗎？為什么這些公司都很賺錢卻要裁員？原因是公司開始要花錢部署AI，產(chǎn)生了當期的費用。這個費用短期內(nèi)賺不回來，公司為了平衡增加的AI部署費用，就把人工砍掉，節(jié)省薪水開支。
部署AI本來就要花錢，我們來打個比方。有個老前輩跟我講，什么叫云端AI？什么叫邊緣AI？云端AI就像人住酒店，每天付一筆房費。你起床后不用洗被單，不用洗廁所，出了門就結束了，晚上回來干干凈凈就能睡覺。缺點是每天要付一筆費用；第二個缺點是，你在里面沒辦法自己裝修，沒辦法挪床位，做自己喜歡的東西。
那本地端是什么意思？就是買房子。先付一筆首付，很貴，壞處是還要自己洗廁所、洗被單，但是不用每天付房費。
這兩個選擇，人會一輩子住酒店嗎？不會。有些人會，他覺得比較便宜。但大部分人都住家里。你會一輩子住家里嗎？也不會，你出去玩的時候會住酒店。所以就有了混合的概念，一年365天，可能10天、20天住酒店，大部分時間住家里。買房子貴，那為什么要買房子？因為你有需要。所以本地端的投資是必然要發(fā)生的，只是早晚的問題。
其次，如果隨便買個房子都要幾億新臺幣，那就算了吧。但房子有首付100萬的、200萬的、1000萬的，你可以根據(jù)情況選擇。如果買房子真的全都是1億，能買得起的人就不多了。去年的方案就是給你選擇，有50萬的首付，也有100萬、200萬的，你要3000萬的我也有，就是給你提供定制化。
主持人：
那看起來，剛才潘董您提到終端設備在COMPUTEX展上就能看到。您覺得它會為消費者以及制造商帶來怎樣的商機和機會？
潘健成：
回答這個問題，我還是回到以前蘋果推出第一代iPhone的時候。根據(jù)我了解到的情況，他們當時是要解決視頻銷售的問題。因為當時不是有一款播放視頻的iPod嗎？但那只能用Wi-Fi。如果加上SIM卡，可以直接通過3G/4G網(wǎng)絡購買，是不是更方便？既然都已經(jīng)做了iPhone，那就順便做幾個應用程序（App）吧。今天人類的任何需求，App都可以解決，同意嗎？20年前，你問他們有想到這一天嗎？他們一開始可能會說有這種可能，但是絕對沒想到今天會有這么多App，現(xiàn)在你出門只要帶一部手機就全解決了。
第一個，它得有一個平臺。以前這個平臺的算力不怎么樣，從一代到十七代，英偉達也在跟進，每一年新的平臺都越來越便宜。做軟件的人看到有需求可以做，這就是商機，所以產(chǎn)生了無數(shù)個App在市場上買賣。
同樣道理，如果我們生產(chǎn)的筆記本電腦都能運行AI推理，今天的算力是這樣，兩年后，CPU公司看到有利可圖，會不會增加算力？一定會。算力達到一定階段之后，做軟件的人就會發(fā)現(xiàn)可以開發(fā)相關應用。這種應用不僅會發(fā)生在手機的App上，也一定會發(fā)生在個人電腦的AIApp上。這只是時間問題，前提是成本要降下來，成本降不下來就不可能發(fā)生。
主持人：
那從這樣的趨勢來看，是不是跟當年我們從個人電腦過渡到手機一樣，先從筆記本電腦開始普及，之后這個技術在手機上也會實現(xiàn)？
潘健成：
憑良心說，在手機上放本地端AI，我直接說這是多此一舉。第一，手機本來就時刻連著網(wǎng)絡，本來就有云端后臺；第二，手機電池容量有限。手機電池是為了維持續(xù)航力的，而不是搞個AI，五分鐘就把電耗光了。
但是手機上面會不會有一些本地的App？一定會有。它可能一部分運算在本地做，另一部分回到云端后臺去做，必定會有一些應用能讓AI落地。但是，我不認為使用手機的人會覺得數(shù)據(jù)上云端是機密泄露，因為你手機本來就是時刻連著云端的。但是PC不一樣，我工作的數(shù)據(jù)都在PC里，我不想上云端就可以不上。這是兩種完全不同的思維。
主持人：
您剛才提到電池電量有限這件事，我想提到另外一點，就是黃仁勛在GDIC上講的“五層蛋糕理論”。這個理論的最底層是能源（Energy），然后是芯片（Chips），到最后是模型（Model）。您怎么看待他這個理論？
潘健成：
他的理論一定是正確的。如果不正確，就不會有今天，這個邏輯并不難。今天人類面臨的是AI，面臨的挑戰(zhàn)就是電力不夠，所以電力問題需要解決。
面臨的另一個問題是算力不夠。算力如果不夠，讓臺積電多生產(chǎn)一些GPU就可以了。存儲不夠怎么辦？GPU買來組裝好之后就可以一直算，大概率也不會壞。存儲就是存儲空間（Storage），數(shù)據(jù)放進去，除非你刪掉不要了，但你的數(shù)據(jù)大概率是不會刪掉的。就像你用Facebook，肯定沒有為存儲數(shù)據(jù)付過錢。
20年前的數(shù)據(jù)還在嗎？在。因為數(shù)據(jù)就是一座礦，所以數(shù)據(jù)不會消失。你放了100太字節(jié)（Terabyte）進去，它就在那里。你要再擴充容量，才會放進第二個100太字節(jié)。
所以數(shù)據(jù)的最大問題是，你需要源源不斷地為它提供容量。我這樣比喻，很多人說存儲是周期性產(chǎn)業(yè)，這是對的，但在今天就不對了。什么叫周期性產(chǎn)業(yè)？我不講理論，就拿閃存（Flash）來說。閃存什么情況下使用量會減少？不是經(jīng)濟不好，而是需求太強之后，需求就變差了。
假設一個8G容量的閃存成本是100美元，因為需求太好，價格漲到了200美元。手機公司為了控制成本，就把容量砍到64G（減半），讓成本回到100美元。結果需求少了一半，市場馬上崩盤。那閃存什么時候需求會變好？在需求極度糟糕的時候，馬上就會變好。當成本從50美元掉到剩10美元時，我的容量就能增加5倍。
這是閃存過去的規(guī)律。可是今天的AI情況是，云服務公司花了萬億美元建立的AI應用所產(chǎn)生的模型，其收入來自于消費者付費產(chǎn)生的推理。推理輸入的是電力，輸出的是數(shù)據(jù)。
數(shù)據(jù)需要存儲，如果沒有空間存儲，就沒有收入。所以它的收入與存儲空間成正比，有多少收入就需要多少存儲。因此，這是無限的，是永無止境的。那還會呈現(xiàn)周期性循環(huán)嗎？循環(huán)不了了，因為需求是永無止境的。
主持人：
所以未來等于是“得Token者得天下”，可以這樣講嗎？
潘健成：
我必須要說，未來只要你有充足的存儲空間，就能獲得無止境的營收。不然您說營收怎么來？而且還有一個很現(xiàn)實的問題，今天的存儲不足，是美國的云服務公司追逐AI造成的。
全世界能夠建立云端AI、開發(fā)AI技術的地方只有兩個：美國和中國。其他企業(yè)開始積極追趕了嗎？我看到的只有一家或一家半，其他的都還在觀望。為什么？因為去年AI公司根本沒賺錢，云服務公司都在大打Token的價格戰(zhàn)，因為沒有實際應用。現(xiàn)在美國證明了應用的可行性，中國一定會跟進。之后美國一家公司就能讓你分一杯羹，中國大陸的市場也會再釋放出來。
會不會缺第三朵云？AI應用落地了沒有？還沒有。會不會落地？一旦落地，全球這么多人口，每個人都需要一點存儲空間，你說缺不缺存儲？我再打個比方，很多年以前的VR（虛擬現(xiàn)實）大家還記得嗎？當時說得非常棒。我就不相信，現(xiàn)在VR還在嗎？
主持人：
還在啊。
潘健成
還在，但是很少。對產(chǎn)業(yè)造成影響了嗎？沒有。當初我就認為我不會用它，因為它不是剛需。但AI是不是剛需？是。如果是的話，你告訴我存儲在什么情況下會供過于求？我找不到供過于求的理由了。
主持人：
在這個環(huán)境下，普通民眾應該如何去擁抱AI？在未來的應用上，我們還可以怎樣去精進自己扮演的角色？
潘健成：
首先要定義什么叫擁抱AI。使用AI的話，你每個月付給ChatGPT幾百塊錢就可以用，但這真的對你有幫助嗎？可能只有一點點幫助。對于企業(yè)來說，如果你為了用AI增加效率卻不想投資，那就別想了。這就好比你說：“我不買房子，我住酒店。”那只能祝福你，你的商業(yè)機密就會外泄，費用也會隨之增加。所以，這需要魄力。
要不要自己建立AI？有人說要，有人說不要。選擇“要”的人，兩年后會證明是對的；選擇“不要”的人，到時候只能被迫跟進。我沒有看到誰建立了AI之后不用的，這是不可能的。
我們現(xiàn)在這樣講，幾十年前到處都是雜貨店。今天只有鄉(xiāng)下還有雜貨店。老板如果有商業(yè)嗅覺的話，就會想辦法先進行數(shù)字化，這樣才有辦法做集中管理。所以有人數(shù)字化之后，引進了7-Eleven等便利店模式，傳統(tǒng)的雜貨店就被淘汰了。
作為企業(yè)主，時代要發(fā)生的事情你是擋不住的。你可以選擇不讓它發(fā)生，可以在有生之年把自己的生意顧好，但到了你下一代，這個產(chǎn)業(yè)就做不下去了。所以擁抱AI你必須要投資，而且不僅是投資金錢。
還要投資人力資源。現(xiàn)在全世界最欠缺的就是AI的“藍領”。你可以上GitHub下載各種各樣免費的模型，但是怎么用？怎么建？數(shù)據(jù)你怎么處理？
到目前為止，學校沒法培養(yǎng)出大量可以操作AI的人才，是因為GPU太貴了。學校有一些H100、H200，都被少數(shù)教授和實驗室拿去做開發(fā)研究了，普通學生根本用不了。學生畢業(yè)來到工作崗位之后，老板也沒有多余的GPU，所以學生依然不會用。
因此，學校必須要快速引進低價的GPU來訓練學生，讓學生可以開始實際操作。學生在學校掌握了一定技能，進入企業(yè)后，只要企業(yè)有設備，馬上就能上手工作。這就叫擁抱AI。但是我發(fā)現(xiàn)，全世界的政治領袖、商業(yè)領袖、名嘴都在講AI，講得頭頭是道，講得都對。但具體怎么做？三個字：“不知道”。這才是根本的問題。