Autor: Jacob Zhao @ IOSG
Heute ist die "erste Aktie der heimischen Speicherbranche" ChangXin Memory Technologies offiziell an der ChiNext-Börse notiert und hat mit einem atemberaubenden Anstieg von 500% für Aufsehen gesorgt. Obwohl der Speichersektor insgesamt noch unter den Nachwirkungen der Korrektur leidet, wird KI-Speicher in der aktuellen technologischen Erzählwelle von Kapital heftig neu bewertet. Gleichzeitig steckt der dezentrale Speicher im Web3-Bereich in einer langen Phase der Stille und Enttäuschung. Warum zeigen sich trotz des gleichen Begriffs "Speicher" so gegensätzliche Marktleistungen? Der grundlegende Grund liegt in der völligen Divergenz der zugrunde liegenden Wertfunktionen.
Die Neubewertung von Speicher im KI-Zeitalter ist im Wesentlichen eine Feier der "Heißdaten-Effizienz", die der maximalen Steigerung der Rechenleistungsauslastung und der kommerziellen Monetarisierung dient; der dezentrale Speicher hingegen vertritt das Wertversprechen der "Kaltdaten-Vertrauenswürdigkeit", das die Datengerechtigkeit, Zensurresistenz und das Langzeitgedächtnis der menschlichen Zivilisation verteidigt. Ersteres ist ein Effizienzsystem für Heißdaten, letzteres ein Vertrauenssystem für Kaltdaten. Der aktuelle Kapitalmarkt steht zweifellos fest auf der Seite der "Effizienz", aber die menschliche Zivilisation wird letztendlich eine unveränderliche Gedächtnisbasis benötigen. Der langfristige Wert vertrauenswürdiger Kaltdatenspeicherung ist nie verschwunden, er ruht nur im Schatten des Zyklus und wartet darauf, von der Zeit neu bewertet zu werden.
Warum Speicher wieder zum Fokus der KI-Industriekette wird
Im traditionellen IT-Zeitalter war Speicher ein "Kapazitätsgeschäft". Der CIO eines Unternehmens achtete auf Kosten pro Kapazitätseinheit, Festplattenzuverlässigkeit, Notfallwiederherstellungspläne, Archivierungsstrategien und Geräteaktualisierungszyklen von 3–5 Jahren. Speicher wurde als ein Zubehör betrachtet, das dem Serverkauf folgte.
Der aktuelle Speicherboom ist keine Erholung des traditionellen Zyklus, sondern eine Neubewertung der Datenflussfähigkeiten durch KI. Im Zeitalter großer Modelle hat sich die Speicherlogik von "Kapazität zuerst" zu "Effizienz über alles" gewandelt, mit einem Fokus auf extreme Metriken wie GPU-Auslastung, Checkpoint-Schreibvorgänge und extrem niedrige RAG-Latenz. Dies markiert den Wandel des Speicherwerts vom "endgültigen Abstellplatz für Daten" zur "Hochgeschwindigkeitsautobahn für Daten in die Berechnung".
Die Entwicklung der Ressourcenengpässe in der KI-Infrastruktur ist im Wesentlichen ein Kampf um die Behebung des „Fassprinzips“. Die tatsächliche Auslastung der Rechenleistung ist keine lineare Addition einzelner Vermögenswerte, sondern ein strenger Multiplikatoreffekt: Tatsächliche Rechenleistungsauslastung = GPU × HBM × DRAM × SSD × Netzwerk × Dateisystem. Jede Schwachstelle in einer Kette führt zum Zusammenbruch der Gesamtrechenleistungsauslastung. Im KI-Zeitalter wird Speicher zum ersten Mal vom „Kostenfaktor“ zur „Effizienzmaschine“. Dies ist die grundlegende Logik für die Neubewertung von Speicher.
Gesamtbild der KI-Speicherarchitektur: Vom HBM-Bandbreitenorgan zur Data-Lake-Basis
KI-Speicher ist keineswegs eine bloße Ansammlung einzelner Hardware, sondern ein eng gekoppeltes, mehrschichtig orchestriertes komplexes System. In diesem System konzentrieren sich der industrielle Wert und die Kapitalaufmerksamkeit stark auf HBM, Enterprise-SSDs, SSD-Controller, NVMe/CXL-Protokolle und Hochleistungsspeichersysteme. Um die Wertströme klar aufzuschlüsseln, unterteilen wir die KI-Speicherarchitektur von oben nach unten in vier Kernschichten:
Rechennahe Speicherschicht (Bandbreitenkern): Dominiert von HBM, ergänzt durch DRAM und CXL-Speicher-Pooling. Diese Schicht liegt direkt am GPU/CPU-Gehäuse oder -Bus an und zielt darauf ab, die „Speicherwand“ zu durchbrechen. Sie ist die erste Hürde, die darüber entscheidet, ob die Rechenleistung voll ausgeschöpft werden kann.
Hochgeschwindigkeits-Persistenzspeicherschicht (IO-Knotenpunkt): Kernlogik ist Enterprise-SSD = NAND-Flash + SSD-Controller + NVMe/PCIe-Datenpfad. Diese Schicht übernimmt hochfrequente Checkpoint-Schreibvorgänge, das Laden großer Trainingsdatensätze und das Caching von RAG-Heißdaten und stellt den klarsten inkrementellen Persistenzspeicher in KI-Rechenzentren dar.
Kostengünstige Massenspeicherschicht (Kapazitätsbasis): Bestehend aus HDDs, Kühlspeicher und Data-Lake-Archivierungssystemen. Angesichts exponentiell wachsender multimodaler Rohdaten, historischer Logs und Compliance-Backups bietet diese Schicht weiterhin unersetzliche TCO-Vorteile (Total Cost of Ownership).
KI-Speichersysteme und Daten-Software (Orchestrierungsgehirn): Umfasst Hochleistungs-Paralleldateisysteme, verteilten Objektspeicher, Vektordatenbanken und die RAG-Datenverwaltungsschicht. KI konsumiert nicht wirklich nackte Hardware, sondern die durch Software-Stacks effizient organisierte, indizierte und berechtigte Datenverfügbarkeit.
Als Erweiterung des Ökosystems ist dezentraler Speicher nicht direkt in das Millisekunden-Rennen der KI-Heißdaten verwickelt, sondern konzentriert sich auf die Nachweisführung öffentlicher Datensätze, die Rückverfolgbarkeit (Provenance) von KI-Trainingsdaten und die langfristige Kaltgedächtnis-Archivierung, wodurch er seine einzigartige Nische als „vertrauenswürdige Kaltschicht“ etabliert.
HBM: Das rechenleistungsnächste „Bandbreitenorgan“ in der KI-Speicherkette
High Bandwidth Memory (HBM) ist kein traditioneller Speicher, sondern eine GPU-nahe Hochbandbreiten-Speicherschicht. Seine Kernaufgabe besteht nicht darin, Daten zu speichern, sondern die Rechenleistung kontinuierlich mit extrem hoher Bandbreite mit Daten zu „füttern“. HBM ist das rechenleistungsnächste und deterministischste Glied in der KI-Speicherkette, das direkt darüber entscheidet, ob die GPU „gesättigt“ werden kann, und stellt den derzeit kritischsten Engpass in der Lieferkette dar.
Die Kernarchitektur von HBM ist „3D-DRAM-Stapelung + 2.5D-Advanced-Packaging“: Durch TSV-vertikales Stapeln und CoWoS-heterogene Integration wird der Speicher-Rechnen-Abstand extrem verkürzt, was einen Generationssprung in der Bandbreite ermöglicht. Die industriellen Barrieren liegen nicht nur im DRAM-Design, sondern im System-Engineering aus DRAM-Prozess, TSV, ultradünnem Stapeln, Packaging, Kühlung, Test und Kundenqualifikation. Jeder Ausbeutemangel in einer Kette führt zur Verschrottung des gesamten HBM-Stacks.
Derzeit können weltweit nur die drei Giganten SK Hynix, Samsung und Micron stabil in Massenproduktion fertigen und bilden einen dreifachen Burggraben aus hochmoderner DRAM-Fertigung, Verpackungstechnologie und NVIDIA/AMD-Kundenzertifizierung.
DRAM und CXL: Systemspeicher-Basis und Speicher-Pooling-Engine
HBM löst das Problem der nahen Bandbreitenbegrenzung von GPUs, DRAM festigt die Systemspeicher-Basis von Servern, und CXL versucht, physische Grenzen zu durchbrechen und die Organisation von Speicherressourcen in Rechenzentren neu zu gestalten.
DRAM: Hauptsächlich zuständig für CPU-seitige Caches, Datenvorverarbeitung, Zwischenzustandsspeicherung und Systembetrieb, ist es die grundlegendste Systemspeicherschicht von Servern. Der globale DRAM-Markt ist stark auf die drei Giganten SK hynix, Samsung und Micron konzentriert; ChangXin Memory Technologies (CXMT) ist die zentrale Variable für den chinesischen DRAM-Ersatz.
CXL (Compute Express Link): Ein neuartiges Cache-Kohärenz-Interconnect-Protokoll für Rechenzentren, das darauf abzielt, die Einschränkungen traditioneller DIMM-Steckplätze, lokaler Speicherkapazitäten und isolierter Serverspeicherressourcen zu überwinden und die Entwicklung der Speicherarchitektur hin zu Erweiterung, Pooling und gemeinsamer Nutzung voranzutreiben. Derzeit befindet sich CXL noch in einer frühen Phase des Übergangs von Plattformunterstützung zu skalierter Bereitstellung, mit einem mittel- bis langfristig hohen Architekturwert; zu den Kernunternehmen gehören Astera Labs und Montage Technology.
Enterprise-SSDs: NAND, Controller und NVMe als Datenknotenpunkt
Enterprise-SSDs sind der zentrale Hochdurchsatz-Persistenzinkrement in KI-Rechenzentren. Mit extrem hohem Durchsatz, extrem niedriger Latenz und stabiler QoS „füttern“ sie die GPUs kontinuierlich mit Daten und durchlaufen den gesamten Lebenszyklus von Trainingsdatenladung, Checkpoint-Schreiben, RAG-Abfrage, Inferenz-Caching und Log-Rückfluss.
In der KI-Speicherarchitektur ist eine SSD keine isolierte Hardware, sondern ein hochgradig gekoppeltes System, das sich als Industrieformel zusammenfassen lässt: Enterprise-SSD = NAND-Flash + SSD-Controller + NVMe/PCIe-Datenpfad. Die drei Schichten repräsentieren unabhängige Industriekettenglieder:
NAND-Flash (Rohmaterialebene): Bestimmt Speicherdichte und Stückkosten, der Controller steuert Leistungsentfaltung und Lebensdauer. Repräsentative Unternehmen: Samsung, SK hynix (Solidigm), Micron, Kioxia, Western Digital, Yangtze Memory Technologies
SSD-Controller (Leistungsermöglichungsebene): Bestimmt Leistungsentfaltung, Datenfehlerkorrektur, QoS-Stabilität und Wear-Leveling. Repräsentative Unternehmen: Phison, Silicon Motion, Marvell, Maxio.
NVMe/PCIe (Datenpfadebene): Bestimmt die Übertragungseffizienz von Speicher zu Berechnung. In Kombination mit GPUDirect Storage reduziert es CPU-Speicher-Bounce-Buffer und CPU-Beteiligung und mildert I/O-Engpässe erheblich. Repräsentative Unternehmen: Broadcom, Marvell, Astera Labs
HDD / Kühlspeicher / Archivierung: Kostengünstige Basis des KI-Datensees
KI wird HDDs nicht eliminieren. Mit dem Hunger multimodaler großer Modelle nach Video- und Bilddaten sowie der exponentiellen Zunahme von Compliance-Protokollen und historischen Datensätzen steigt die Nachfrage nach kostengünstiger Kühlspeicherung explosionsartig. In der KI-Speicherarchitektur arbeiten SSD und HDD schichtweise basierend auf dem Geschäftswert zusammen: SSD für heiße Daten und hohen Durchsatz, HDD für niedrige Kosten und langfristige Aufbewahrung. Repräsentative Unternehmen: Seagate, Western Digital, Toshiba.
KI-Speichersoftware-Stack: Steuerzentrale der Datenverfügbarkeit
KI konsumiert nie rohe Platten, sondern „Datendienste“, die durch den Software-Stack präzise organisiert sind. Diese Architektur wandelt die zugrunde liegende Hardware in Wissensressourcen um, die von der oberen KI-Schicht direkt aufgerufen werden können, und gliedert sich in vier Ebenen:
Hochleistungsspeichersystem (Zuführungssystem): Fokussiert auf gleichzeitigen Durchsatz und niedrige Latenz, löst das Problem des „Datenhungers“ von GPU-Clustern durch parallele Dateisysteme und gewährleistet schnelle Abläufe bei Training und Inferenz. Repräsentative Unternehmen: VAST Data, WEKA, Pure Storage.
Objektspeicher (Rohdaten-See): Zentriert auf Object-, Key- und Metadata-Verwaltung, beherbergt massive unstrukturierte Daten. Strebt nicht nach extrem niedriger Latenz, sondern baut mit niedrigen Kosten und Cloud-nativen Eigenschaften eine Kapazitätsbasis auf. Repräsentatives Unternehmen: AWS S3
Vektordatenbank (Semantische Indexebene): Die Vektordatenbank speichert, indiziert und ruft Vektoren ab, die von Embedding-Modellen generiert werden, sodass KI aus riesigen Wissensmengen präzise relevante Inhalte lokalisieren kann. Repräsentative Unternehmen: Pinecone, Milvus
RAG-Datenebene (Wissensabrufebene): Geht über einfaches Retrieval hinaus, umfasst Datensegmentierung, Bereinigung, Zugriffskontrolle und Quellenverfolgung, um sicherzustellen, dass Unternehmensdaten sicher, genau und nachvollziehbar von großen Modellen abgerufen werden können. Repräsentatives Unternehmen: Databricks
Von KI-Heißspeicher zu dezentralem Kühlgedächtnis: Effizienzmaximierung vs. Vertrauensmaximierung
KI-Speicher ist ein extrem effizienzgetriebenes System, dessen Wertfunktion auf die Maximierung der Rechenleistung abzielt. HBM-Bandbreite bestimmt, ob die GPU gesättigt werden kann, SSD-Durchsatz bestimmt die Lese-/Schreibleistung von Datensätzen und Checkpoints, niedrige Latenz betrifft die Echtzeiterfahrung von RAG und Inferenz. Diese Metriken münden schließlich in GPU-Auslastung und Token-Kosten pro Einheit, die direkt über den kommerziellen Erfolg von KI-Anwendungen entscheiden. Das ultimative Ziel von KI-Speicher ist nicht die Aufbewahrung, sondern die Beschleunigung, und sein Dienstobjekt ist die Produktivität.
Die Wertfunktion von dezentralem Speicher ist dagegen grundlegend anders. Sie fragt, ob Daten nach zehn Jahren noch existieren, ob sie manipuliert wurden und ob sie einer zentralen Zensur standhalten können. Durch kryptografische Beweise und ein verteiltes Netzwerk schafft sie eine offen zugängliche und dauerhaft gespeicherte öffentliche Datenbasis. Ihr ultimatives Ziel ist es, die absolute Authentizität und Souveränität der Daten zu verteidigen, und sie dient Fairness, Zensurresistenz und dem Gedächtnis der Zivilisation.
KI-Speicher ist der „heiße Speicher“, der die zukünftige Produktivität mit Treibstoff versorgt, während dezentraler Speicher das „kalte Gedächtnis“ ist, das unauslöschliche historische Aufzeichnungen für die menschliche Zivilisation bewahrt. Ersteres dient der Effizienz und strebt nach höchster Geschwindigkeit; Letzteres dient der Vertrauenswürdigkeit und verteidigt das stille Gedächtnis. Ersteres bestimmt, wie schnell Modelle laufen, Letzteres, ob Erinnerungen gelöscht werden. Derzeit belohnt der Marktmechanismus die Effizienz der Produktivität: KI-Speicher steht im Rampenlicht, während dezentraler Speicher scheinbar einen Bewertungskollaps und eine Ausblutung der Narrative erlebt.
Vision und Realität des dezentralen Speichers
Es gibt viele dezentrale Speicherprojekte, aber gemessen an der Branchenmentalität und der ökologischen Verankerung sind die Kernvertreter stets Filecoin und Arweave. Obwohl beide zum „dezentralen Speicher“ gehören, unterscheidet sich ihre zugrunde liegende Architekturphilosophie grundlegend – Ersteres nähert sich mit marktbasierten Verträgen der Elastizität von AWS, Letzteres mit einem einmaligen Gesellschaftsvertrag der Ewigkeit einer Bibliothek.
Filecoin: Durch PoRep und PoSt wurde das vollständigste verifizierbare Wirtschaftssystem aufgebaut. Es sollte nicht weiterhin mit AWS auf dem Verbraucher-Cloud-Speichermarkt konkurrieren, sondern sich auf KI-Datenherkunft (Provenance), öffentliche Datensatz-Hosting und Compliance-Archivierung verlagern, um eine verifizierbare Kette für Modellprüfungen und Urheberrechtsnachweise bereitzustellen. Der unvermeidliche Weg ist die Kapselung als S3-kompatible API und die Unterstützung von Fiat-Zahlungen, um vom „günstigen Speichermarkt“ zur „verifizierbaren Recheninfrastruktur“ aufzusteigen.
Arweave: Mit dem Narrativ „Einmal bezahlen, für immer speichern“ zwingt es durch den Blockweave- und SPoRA-Mechanismus Miner dazu, möglichst viele, insbesondere seltene historische Daten zu speichern und schnell darauf zuzugreifen. Seine optimale Position ist die öffentliche Gedächtnisbasis der Menschheit – Bewahrung von Menschenrechtsaufzeichnungen, Kriegsverbrechen, kulturellen Texten, Archivierung von Rechts- und Finanzgeschichte, Bereitstellung eines dauerhaft zugänglichen Langzeitgedächtnisses für KI-Agenten. Der Wert von Arweave liegt nicht in der Geschwindigkeit, sondern in der Fähigkeit, zivilisatorisches Gedächtnis über Zyklen hinweg zu tragen.
Die Schwierigkeiten dezentraler Speicherprojekte wie Filecoin und Arweave liegen nicht in falschen Wertversprechen, sondern in der langfristigen Fehlanpassung von Produktentwicklung, Abruferfahrung, realer Nachfrage und Token-Anreizen. Dies offenbart die große Kluft zwischen der Nerd-Idee und der kommerziellen Mainstream-Anwendung:
Fehlanreiz von Angebot und Nachfrage: Frühe Netzwerke wie Filecoin skalierten schnell durch Token, schufen aber keine ausreichend starke zahlende Nachfrageseite, was zu enormer Kapazität bei geringer Auslastung und geringer Zahlungsbereitschaft führte. Belohnt wurde „Ich kann speichern“, nicht „Ich werde zum Speichern benötigt“.
Fehlende Enterprise-Fähigkeiten: Die Hürde von AWS sind nicht die Festplatten, sondern die API, SLA, Berechtigungsverwaltung, Compliance-Prüfung und technischer Support – ein „Datenbetriebssystem“. Unternehmen kaufen „Sicherheit“, nicht experimentelle Infrastruktur, bei der sie selbst Schlüssel und Knoten auswählen müssen.
Schwächen bei der Abrufleistung: „Gespeichert“ bedeutet nicht „stabil und mit niedriger Latenz abrufbar“. Verteilte Knoten, komplexe Topologie und fehlende einheitliche SLA erschweren die Nutzung für KI-Workflows mit heißen Daten; besser geeignet für vertrauenswürdige Kaltarchivierung und Datenherkunft.
Unzureichende Datenschutz-Compliance: Private Unternehmensdaten können nicht einfach in ein öffentliches permanentes Netzwerk geschrieben werden; das Recht auf Löschung und die Unveränderlichkeit stehen im natürlichen Konflikt. Dezentrale Speicherung eignet sich besser für öffentliche Daten und Langzeitarchive als für unterschiedslose Aufnahme von Kern-Privardaten.
Token-Ökonomie verstärkt Zyklen: Im Bullenmarkt überdeckt Finanzialisierung die mangelnde Nachfrage, im Bärenmarkt zeigt der sinkende ROI der Miner die kommerziellen Schwächen. Token können das Angebot kalt starten, aber nicht automatisch Nachfrage und nachhaltige Einnahmen schaffen.
Andere dezentrale Speicherprojekte konzentrieren sich meist auf bestimmte Ökosysteme oder Nischen: Storj/Sia haben eine geringere branchenübergreifende Wahrnehmung und Web3-Erzählkraft als Filecoin/Arweave; BNB Greenfield/Walrus sind an die spezifischen Blockchain-Ökosysteme von BNB oder SUI gebunden; Celestia/EigenDA gehören zur Data Availability (DA)-Schicht und dienen der Rollup-Transaktionsbestätigung, nicht der Langzeitarchivierung; hybride KI/DA-Projekte wie 0G versuchen, Speicher, Datenverfügbarkeit, Rechnen und KI-Agent-Abrechnung in eine KI-native modulare Infrastruktur zu integrieren, aber ihre tatsächliche Nachfrage, Entwicklerakzeptanz und kommerzielle Schließung müssen noch validiert werden.
Zukünftige Chancen dezentraler Speicherung: Das langfristige Pendel zwischen Effizienz und Vertrauenswürdigkeit
In Zeiten technologischer Boomphasen jagt das Kapital wild der Effizienz hinterher, GPU, HBM und andere Assets erhalten extrem hohe Prämien, und die dezentrale Speicherung, die für „Vertrauenswürdigkeit und Fairness“ steht, wird natürlich marginalisiert. Doch das historische Pendel bleibt nicht ewig auf der Seite der Effizienz. Grundlose Sperrungen und Inhaltslöschungen durch Superplattformen, KI-Urheberrechtsklagen, die den Nachweis der Datenherkunft erzwingen, geopolitische Konflikte, die zu Kämpfen um Datenhoheit führen, Datenmonopole, die zum Verschwinden öffentlicher Archive führen, und regulatorischer Prüfdruck auf die Compliance von Trainingsdaten – all diese Ereignisse könnten eine Neubewertung der „vertrauenswürdigen Speicherung“ auslösen, und die zukünftigen Chancen dezentraler Speicherung könnten in folgenden Bereichen ihren einzigartigen Wert zeigen:
KI-Daten-Provenance: Kombination mit kryptografischen Beweisen zur Schaffung eines „Datenabstammungsnachweises“ als Reaktion auf regulatorischen und Prüfdruck.
Öffentliche Datensätze und Zivilisationsarchive: Verankerung von zensierten Archiven und Kulturerbe als unersetzliches, unauslöschliches Gedächtnis.
Vertrauenswürdige Archivierung und Compliance-Nachweise: Durch Hash-basierte Nachweise vertrauenswürdige Selbstbelege schaffen und hochwertige digitale Notariatsdienste anbieten.
Integration von ZK/TEE/DID-Technologien: Lösung von Datenschutzspannungen, Aufstieg von einem reinen „Speicherprotokoll“ zu einer „vertrauenswürdigen Dateninfrastruktur“.
Unsichtbare Produktstrategie: Bereitstellung von S3-kompatiblen APIs und Fiat-Abrechnung, sodass Nutzer direkt einen „vertrauenswürdigen Archivierungsdienst“ kaufen können.
KI-Speicher und dezentrale Speicherung – eines jagt der ultimativen Effizienz hinterher und liefert uns den Treibstoff für die Zukunft; das andere verteidigt das stille Gedächtnis und bewahrt unser Recht, auf die Vergangenheit zurückzublicken. Der aktuelle Markt belohnt Effizienz vorbehaltlos, weshalb dezentrale Speicherung still und sogar kollabierend wirkt; aber wenn das KI-Zeitalter die Verletzlichkeit von Datenmonopolen, Urheberrechtsstreitigkeiten und historischem Gedächtnis weiter vergrößert, könnte dezentrale Speicherung als „vertrauenswürdige Kälte-Schicht“ eine Neubewertung erfahren. Die Erinnerungen, die nicht einfach von Plattformen, Unternehmen oder einer einzelnen Macht gelöscht werden können, könnten sich von idealistischer Romantik und Randglauben zu einer notwendigen Infrastruktur entwickeln.
