在 AI 需求带动本轮存储 “超级” 周期的情况下，存储行业在昨晚再次迎来大涨（$Sandisk(SNDK.US)+27%，$美光科技(MU.US)+10%），而这主要是黄仁勋在 CES2026 上的演讲给原本火热的存储市场又添上了 “一把火”。

Source：Longport.app

首先我们回顾一下，黄仁勋在 CES2026 大会上的核心内容，一方面是谈物理 AI 的广阔前景和落地场景；另一方面就是 Rubin 架构的进展和提升。而本次存储领域的大涨，正是由 Rubin 架构中更大的存储需求带来的。

整体来看：$英伟达(NVDA.US)Rubin 中变化最大的就是，在 “算力层 + 网络层” 的基础上，又新增了 “存储和安全层”。下游需求的增长，无疑会加剧存储市场的 “供需失衡” 的状态。

Rubin 对存储的影响，具体细分：①HBM 符合预期。升级至 HBM4，但单 GPU 搭载的容量不变；②DDR 略好于预期。单 CPU 搭载的 DDR 量提升至原来的 3 倍，综合来看 2026 年大致对应关系是单卡 GPU 配置 0.5TB 的 DDR 量；③NAND 是最超预期的部分，新增的推理 “上下文存储平台”（ICMS 平台），通过利用 NAND 担任为 “外挂内存”，减轻 HBM 原有的压力。

整体来看，在本次老黄 CES2026 演讲后，HBM 的需求量预期未变；DDR 的需求量增加了 1EB 左右，对应供需缺口扩大 1% 左右；对 NAND 需求量直接影响是增加了 45EB 左右，对应的供需缺口将扩大 4-5% 左右。

由于 NAND 是最为受益的部分，从昨天至今的股价表现也能看出，闪迪和铠侠的股价涨幅更为明显，海力士、三星的股价表现相对更弱。

以下是海豚君关于 Rubin 及老黄在 CES2026 演讲的核心内容：

一、Rubin 架构对存储需求的影响：

从 Blackwell 到 Rubin，HBM 依然是 AI 服务器中最为核心的部分，不会被新增的存储层（NAND）所替代。随着推理模型越来越大，HBM 会有容量压力。而将一部分原本塞入 HBM 的 KV cache 迁移至 BlueField-4+NAND 上，一定程度上减轻了 HBM 的压力。

黄仁勋在演讲中提到 Rubin 将从 NVL144 改回 NVL72，实质上是一样的。因为此前 144 是以 die 的个数来计算，而这次 72 是以 GPU 个数（1 个 GPU=2 个 die）来计。因而，在下面的需求量考虑中，海豚君也用 NVL72 的口径来预估。

1.1 HBM 的影响：不可替代的刚需

相比于 Blackwell，Rubin 将使用 HBM4 芯片。虽然 HBM4 在单 GPU 带宽有望达到 22TB/s（是 HBM3E 的 2.8 倍），但单 GPU 的 HBM4 容量将和 HBM3E 同样为 288GB，增长主要来自于 GPU 出货量的带动，是符合市场预期的；

1.2 DDR 的影响：主要在 CPU 中负责系统控制、数据预处理与上下文管理

相比于 Grace，单颗 Vera CPU 的 DDR 需求量将提升至 1.5TB（是 Grace 的 3 倍），基于单个 NVL72（72GPU+36CPU）来看，大约对 DDR 的需求量为 54TB，是此前的 3 倍左右（Blackwell 约为 18TB）。

从市场对英伟达 CoWoS 的预期来看，2026 年英伟达的 CoWoS 中大约是 B300 和 Rubin 是 1:1，以平均值预估 2026 年单个 NVL72 对 DDR 的需求量约为 36TB。换算来看，大致对应关系是 1 个 GPU 需要 0.5TB 的 DDR（略好于市场预期，）。

结合当前市场预期的 2026 年 CoWoS 的总量来看，海豚君预估 2026 年 AI 服务器对传统 DDR 的需求将达到 91.9 亿 GB（9.2EB），同比增长 250%，比市场原有预期提升了 1EB 左右。

具体来看，AI 服务器在 CoWoS 产量提升和单台配置数量提升的带动下，2026 年 AI 服务器领域对传统 DDR 的需求增量将达到 66 亿 GB 左右（6.6EB），占 DRAM 整体市场供应量的 15-20%，这将直接侵蚀原有 PC、手机等领域的供应量。

1.3 NAND 的影响：用于系统启动和模型权重的预加载，Rubin 引入了 “推理上下文存储平台”

NAND 原本在 Blackwell 架构中，主要是用在系统中，负责系统启动和模型权重的预加载，单个 NVL72 大约需要是 500-1200TB 的容量（取中值 850TB）。

在本次老黄的演讲中，英伟达将在 Rubin 结构中新增 “推理上下文存储平台”（ICMS 平台），这是超预期的。新增的 ICMS 专用上下文存储，将 KV Cache 从 HBM 下沉至更具性价比的存储介质，释放 HBM 带宽用于计算，是推理成本降低 90% 的核心创新之一。

其中每个 Rubin GPU 可以额外扩展 16TB 的 NAND（作为 “外挂内存”），对于单个 NVL72 可以拓展 1152TB 的 NAND 需求。由于在 Rubin 结构中仍然需要 850TB 左右的 NVMe SSD，单个 NVL72 的合计 NAND 需求量将达到 2000TB 左右。

当前市场预估 2026 年英伟达 Rubin 的 CoWoS 量约为 35 万片，进而测算大约能生产 3.9 万台 NVL72 机柜。由于单个机柜将新增了 1152TB 的 NAND 需求（最超预期的部分），那么老黄本次演讲后让英伟达 Rubin 对 2026 年的 NAND 需求量将再次提升 44.8EB，这相当于 2025 年全球 NAND 供应总量的 4-5%，加大了供需缺口，给原本紧张的 NAND 供需格局又 “添了一把火”。

二、老黄的 CES2026：从 GPU 厂商转型为 AI 全栈基础设施提供商

英伟达 CEO 黄仁勋在 CES2026 发表主题演讲，最主要是围绕物理 AI 和 Vera Rubin 架构两大方面展开。

2.1 物理 AI-“ChatGPT 时刻”

AI 的发展过程：感知 AI->生成式 AI->AI 智能体->物理 AI

物理 AI 的定义：让 AI 理解重力、惯性、因果关系等物理定律，具备在真实世界中推理、规划、行动和解释的能力。不再仅仅是预先录制的程序，而是能实时 “思考” 的智能体。

技术原理：①通过合成数据生成（基于物理定律的基准真理）解决物理 AI 训练数据稀缺问题；②依赖三台计算机协同（训练 AI 的 GPU、推理用机器人计算机、模拟用 Omniverse 系统）；③核心模型（Cosmos 世界基础模型、GR00T 人形机器人系统）实现物理世界理解与交互；

落地场景：①自动驾驶（Alpamayo 端到端训练，从摄像头输入到执行输出，支持推理与轨迹规划）；②工业制造（西门子合作，数字孪生、工厂自动化、芯片设计模拟）；③机器人（人形机器人、移动机器人、手术机器人的动作与环境交互）；④天气预测（Earth 2 结合 ForecastNet/Cordiff 革新预测方式）。

2.2 NVIDIA Rubin 平台：最大增量 Context Memory

在本次 CES2026 大会上，老黄宣布 NVIDIA Rubin 平台已经进入全面生产阶段，并预计将于 2026 年下半年开始出货。

当前 AI 行业正经历从训练主导到推理主导的结构性转变：①训练需求趋于稳定，而推理需求呈指数级增长；推理 token 成本已成为 AI 应用商业化的最大瓶颈，决定了产品定价与盈利能力。黄仁勋在本次 CES2026 演讲中，提到了本次 Rubin 将通过 “六芯片全系统重构” 的方式，将推理 token 成本降至 Blackwell 平台的约 1/10。

NVIDIA Rubin 平台将由6 款全新的定制芯片（Vera CPU+Rubin GPU+ConnectX-9+BlueField-4+NVLink 6 Switch+Spectrum-6）组成。具体来看，英伟达从 Blackwell 架构到 Rubin 架构，在整体结构上实现了从 “算力层 + 网络层” 升级成了 “算力层 + 网络层 + 存储与安全层”。其中存储与安全层是在 Rubin 架构下最为明显的增量，这也是带动昨夜存储大涨的主要原因。

1）算力层：核心依然是 Vera CPU+ Rubin GPU。

①Vera CPU：专为大规模 AI 工厂的代理推理（Agentic Reasoning）设计，承担模型协同、任务拆解与算力分配的 “调度” 角色。

Vera CPU采用 88 个定制化 Olympus 核心，支持空间多线程（Spatial Multi-Threading），176 个全性能线程。具有 1.8TB/s NVLink-C2C 互连速率、1.5TB LPDDR5X 系统内存（为前代 Grace CPU 的 3 倍），内存带宽 1.2TB/s；

②Rubin GPU：还是超大规模模型训练与高吞吐量推理的“算力引擎”。

Rubin GPU的推理算力为 50 PFLOPS（NVFP4 精度下，为 Blackwell GPU 的 5 倍），训练算力为 35 PFLOPS（NVFP4 精度下，为 Blackwell 的 3.5 倍）。搭载的 HBM4 内存带宽将达到 22TB/s（为 Blackwell 的 2.8 倍），NVLink 带宽也将是单 GPU 3.6TB/s（为 Blackwell 的 2 倍）。

2）网络层：ConnectX-9+ Spectrum-6 的“AI 以太网”

①ConnectX-9负责处理节点间的 AI 流量，解决传统以太网在 AI 场景下的 “高延迟、易拥堵” 问题。具有 800Gb/s 以太网速率（单端口），支持 200G PAM4 串并转换技术；

②Spectrum-6负责连接数千个 Rubin 机架，支持吉瓦级数据中心的规模化部署。支持 128 个 800Gb/s 或 512 个 200Gb/s 端口，实现 102.4Tb/s 的可扩展交换架构。

3）存储与安全层（新增）：BlueField-4

当 AI 服务器的重心从训练侧转向推理侧的过程中，明显遇到了 AI 推理阶段 “上下文内存不足” 的问题。针对于这一问题，英伟达在 Rubin 结构中增加了 BlueField-4 芯片，来承担起存储卸载、安全隔离、KV 缓存管理三大角色。

通过 BlueField-4，Rubin 平台实现了机架级 KV 缓存共享池和安全隔离：

a）每台 BlueField-4 可管理 150TB 上下文内存，为每个 Rubin GPU 额外扩展 16TB 的 NAND（作为 “外挂内存”），满足 10 万字长文档理解、数小时多轮对话等场景；

b）与传统存储相比，KV 缓存访问速度提升 5 倍，每秒 Token 处理量（推理吞吐量）和能效同步提升 5 倍，也能避免 GPU 因等待数据空转的问题；

c）通过高级安全可信资源架构（ASTRA）构建系统级安全屏障，解决 “数据隐私” 与 “多租户隔离” 难题：实现全链路加密、多租户隔离和可追溯性。

整体来看，从黄仁勋在本次 CES2026 的演讲来看，英伟达将从 GPU 厂商转型为 AI 全栈基础设施提供商。而公司在 AI 领域也已经开始了全栈布局：①芯片层（Vera CPU、Rubin GPU、Orin/Thor 芯片）；②硬件系统层（Vera Rubin 超级计算机、DGX Cloud）；③模型层（NeMo Tron、Cosmos 等开源基础模型 + 垂直领域模型）；④工具层（NeMo 系列库、蓝图构建框架）；⑤生态层（联合 Palantir、西门子等企业）。