希捷：輝達下一波AI升級關鍵可能不是GPU

《Benzinga》報導，輝達（NVDA-US）的AI晶片正驅動當前AI浪潮，但希捷科技（Seagate Technology）（STX-US）認為，AI下一階段的效能突破，未必來自更強大的運算能力。

這家資料儲存公司指出，更聰明的儲存架構（storage architecture）能讓AI系統在相同數量、且價格高昂的GPU下完成更多工作，不僅可降低基礎設施成本，也能提升整體生產力。

AI需要的不只是更快的晶片

Seagate的論點來自近期與SK海力士（SKHY-US）共同發布的一份白皮書，探討推論（Inference）與代理型AI（Agentic AI）工作負載，如何改變資料管理方式。

報告指出，相較於不斷重新生成相同資訊，現代AI應用愈來愈依賴保存可重複利用的上下文，讓後續互動能直接調用，而非重新運算。

Seagate執行長Dave Mosley在公司2026會計年度第四季財報電話會議中表示，「我們與SK海力士共同發布的最新白皮書，說明了分層儲存（tiered storage）對推論及代理型AI工作負載的重要性，而這也直接凸顯硬碟儲存的價值。」

這項架構的核心是Key-Value Cache（KV Cache，鍵值快取）。

它會儲存AI先前產生的上下文內容，讓模型在後續互動時可直接讀取，而不必每次都重新生成。

Mosley表示，「Key-Value（KV）快取可有效保存並重複利用這些上下文。」

Seagate認為，看似簡單的改變，實際上對AI的成本效益具有重大影響。

透過在記憶體、固態硬碟（SSD）與傳統硬碟（HDD）之間管理及移轉上下文資料，而不是讓GPU每次都重新計算，AI基礎設施就能更充分利用最昂貴的GPU資源。

Mosley表示，「這將帶動硬碟儲存需求成長，同時降低代理型AI應用在最耗費運算資源階段的GPU使用量。因此，GPU資源便能釋放出來，執行更多可創造營收的工作負載。」

GPU仍是核心，但儲存重要性正快速提升

Seagate強調，這並不代表GPU的重要性下降。

相反地，隨著AI推論工作負載增加，以及模型需要保留愈來愈多的上下文資訊，儲存系統正逐漸成為影響AI效能的重要一環。

未來，除了運算能力與記憶體之外，儲存架構（Storage Architecture）也將成為AI基礎設施（AI Stack）的關鍵組成。

Seagate認為，AI正持續帶動高容量儲存設備的結構性需求。

管理層指出，目前雲端資料中心已占公司Exabyte（EB）級硬碟出貨量約90%，而隨著AI基礎設施持續擴建，客戶也正將長期供貨承諾延伸至2029年甚至更久。

對投資人而言，Seagate傳達的重點是：AI下一階段的競爭，未必只是打造規模更大的GPU叢集。

隨著企業希望從每一顆輝達AI加速器榨出更多效益，真正帶來下一波升級的，可能是那些默默在幕後運作的儲存系統，而非GPU本身。