2026 年 6 月初，一家很多台灣人沒聽過的日本公司，市值一度超越豐田，登上日本市值榜首。
它不做車、不做家電、不做遊戲機。
它做的東西，藏在你手機裡、藏在你每天用的 ChatGPT 背後的伺服器裡——卻幾乎沒人叫得出它的名字。
它叫鎧俠（Kioxia，キオクシア），前身是東芝的記憶體部門。
我一開始也以為這只是「又一檔 AI 概念股」。但把它的產品和財報攤開來看完才發現：它賣的不是運算力，而是 AI 時代最被低估的一塊基礎建設——記憶。
先搞懂一件事：「記憶體」和「儲存」不是同一件事
這是台灣讀者最常搞混的地方，但其實一個生活比喻就能講清楚。
記憶體（RAM）像你的書桌。
你工作時，把正在用的資料攤在桌上，拿取超快——但一斷電（下班把桌子收掉），桌上的東西就全沒了。這叫「揮發性」。
儲存（SSD、記憶卡）像你的書櫃、倉庫。
東西放進去，就算斷電、關機、放三年，它都還在。這叫「非揮發性」。
鎧俠做的，就是後者裡最關鍵的那種晶片——NAND 型快閃記憶體（NAND Flash）。
你手機的相簿、SSD 固態硬碟、相機記憶卡，能在斷電後還記得住資料，靠的就是 NAND。而這項技術，正是 1980 年代由鎧俠的前身——東芝的工程師舛岡富士雄博士所發明。
換句話說：NAND 的「親生父親」，就是這家公司。
AI 越聰明，為什麼反而更需要「倉庫」？
過去大家覺得，儲存晶片是便宜、沒技術含量的「米飯」生意——景氣好就漲、景氣壞就崩，賺不到什麼錢。
鎧俠自己也吃過大苦頭：2024 年 3 月那個會計年度，它一口氣虧掉超過 2,500 億日圓。
但生成式 AI 把這套邏輯整個翻過來了。
AI 訓練要吞下天量資料、AI 推論時還得隨時暫存你跟它的對話上下文（業界叫 KV Cache），這些都需要又大、又快、又能長期保存的儲存設備。
於是「企業級 SSD（eSSD）」——專門裝進資料中心伺服器的高階固態硬碟——需求瞬間爆炸。
結果有多誇張？
鎧俠在 2026 年 3 月期繳出營收 2.3 兆日圓、營業利益 8,703 億日圓的歷史新高；光是最後一季，單季利潤率就逼近 60%。它甚至宣布：2026 年整年的產能，已經全部「完售」。
一塊曾被當成米飯的晶片，突然變成了被搶破頭的精品。
它的護城河，是把記憶體「蓋成大樓」
那為什麼是鎧俠，而不是隨便哪家工廠都能賺這筆錢？
關鍵在三個聽起來很硬、但其實不難懂的技術詞：
BiCS（3D NAND）= 把記憶體像蓋大樓一樣往上疊。
早年晶片是「平房」，大家在同一層樓擠空間；鎧俠把儲存單元一層層往上堆，現在已疊到 218 層、未來要挑戰 332 層。樓蓋得越高，同樣一塊地（晶片面積）就能裝越多資料。
CBA = 把「管理室」和「倉庫」分開蓋好，再精準貼合。
傳統做法是在同一片晶圓上又蓋電路、又疊倉庫，互相干擾；鎧俠改成兩片各自蓋到最好，最後用銅對銅技術貼起來，面積更小、速度更快。
QLC = 一個儲存格塞進 4 份資料。
密度更高、成本更低，這才撐得起單顆容量高達 245TB 的超大 SSD（你家筆電可能才 1TB）。
這些不是靠錢就能買到的技術——它們被層層專利保護，新玩家很難在短時間內追上。
下一步更狂：讓 SSD 直接跟輝達的 GPU 對話
最值得台灣讀者記住的，是鎧俠正在和輝達（NVIDIA）一起做的事。
現在 AI 伺服器有個痛點：GPU 要的資料，必須先經過 CPU 一層層轉手才拿得到，又慢又塞。
鎧俠規劃在 2027 年推出一種新 SSD——透過新一代介面直接連上 GPU、跳過 CPU，目標讀取速度達 1 億 IOPS，約是現在一般 SSD 的 100 倍。
這代表什麼？
代表 NAND 這種「倉庫」，未來有機會部分頂替掉那個又貴又搶手的 HBM 高頻寬記憶體，成為 AI 晶片的「高容量外掛大腦」。
如果成功，記憶體和儲存之間那條被畫了幾十年的界線，可能會被它重新擦掉。
這就是鎧俠最迷人的地方：它不做最性感的運算晶片，卻悄悄成了 AI 這棟大樓底下，那塊沒人看見、卻誰也拆不掉的地基。
我目前還沒想通的是——
當 AI 的瓶頸從「算得快不快」慢慢轉向「記得多不多、拿得快不快」，下一個十年真正的贏家，會是做運算的，還是做記憶的？
你會把賭注押在哪一邊？
（這家公司怎麼從東芝手裡獨立、又怎麼一度市值超越豐田，是另一段曲折的重生故事；而它做 SSD 時缺的那兩塊拼圖，剛好握在台灣手上——我們下兩篇接著說。）
讀者來信 FAQ
文章說「企業級 SSD（eSSD）」是獲利引擎，它跟我筆電裡那顆 SSD 到底差在哪？
編輯部： 兩者底層都用 NAND，但 eSSD 是專門裝進資料中心伺服器、要 24 小時不間斷運轉的「工業級」版本，對容量、速度、耐用度與穩定性的要求高出消費級好幾個檔次。它的單顆容量可以做到一般筆電的幾十倍（鎧俠甚至有 245TB 的型號），出貨前還得通過雲端業者長達半年到一年的嚴格驗證。正因為門檻高、做得出來的廠商少，又剛好卡在 AI 需求的風口上，它的售價與毛利遠遠甩開消費級 SSD。打個比方：你家那顆 SSD 像家用小轎車，eSSD 則是跑長途的聯結貨車——看起來都是車，但能載的量、能跑的時數和賣的價錢，完全不是同一個級別。
內文提到 AI 推論需要「KV Cache」，這個詞看不懂，可以白話解釋嗎？
編輯部： 你可以把 KV Cache 想成 AI 跟你對話時的「短期記憶便條」。大型語言模型每多回一句，都得「記得」前面整段對話的來龍去脈，否則就會前言不對後語；KV Cache 就是把這些上下文暫存起來、隨時快速調用的地方。對話越長、同時服務的人越多，這疊便條就越占空間，對「又大又快的儲存」需求也就越兇。這就像餐廳尖峰時段，廚房旁邊得擺一張大檯子鋪滿一張張點單，廚師才不會把哪桌點了什麼搞混——AI 伺服器要的，就是一張夠大、又拿取夠快的「點單檯」。
文章說 NAND 未來可能「部分頂替 HBM」，HBM 是什麼？它跟 NAND 差在哪？
編輯部： HBM（高頻寬記憶體）是目前貼在 AI 晶片旁邊那種「貴桑桑、但快到爆」的記憶體，專門高速餵資料給 GPU，缺點是容量小、又貴又搶手。NAND 則是「便宜、大碗、但傳統上比較慢」的儲存晶片。鎧俠想做的，就是透過直連 GPU 的新架構，把 NAND 的速度大幅拉高（衝上 1 億 IOPS、約現行的 100 倍），讓它在「需要超大容量、又不能太慢」的場景裡，部分接手原本只能靠 HBM 的工作。打個比方：HBM 像廚房檯面上隨手可拿的高級食材，又快又貴擺不多；NAND 像後頭那間大冷凍庫，便宜又能囤貨——鎧俠等於想把冷凍庫改裝到「幾乎跟檯面一樣好拿」，這樣就不必什麼都塞進那塊昂貴的檯面。