《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。