作者 | 楊依婷

編輯 | 包永剛

去年的CFMS｜MemoryS峰會(huì)上，存儲(chǔ)廠商們討論的是：價(jià)格何時(shí)企穩(wěn)、QLC何時(shí)上量、AI PC何時(shí)落地。彼時(shí)，“AI會(huì)讓存儲(chǔ)變得更基礎(chǔ)、更關(guān)鍵”，還更像是一種行業(yè)判斷，一種面向未來(lái)的趨勢(shì)預(yù)演。

一年之后，站在MemoryS 2026的會(huì)場(chǎng)里，問(wèn)題已經(jīng)徹底變了。

人們談?wù)摰牟辉僦皇俏辉杀?、顆粒供給和容量節(jié)奏，而是GPU利用率、token成本、系統(tǒng)調(diào)度效率，甚至物理AI場(chǎng)景中的實(shí)時(shí)決策能力。那些原本屬于AI基礎(chǔ)設(shè)施和系統(tǒng)架構(gòu)層面的議題，正在越來(lái)越頻繁地出現(xiàn)在存儲(chǔ)產(chǎn)業(yè)的討論中心。

在傳統(tǒng)計(jì)算架構(gòu)里，存儲(chǔ)的職責(zé)更多是“存”。數(shù)據(jù)被寫(xiě)入、留存，在需要時(shí)調(diào)取，不需要時(shí)則靜靜停留在系統(tǒng)邊緣。它長(zhǎng)期是BOM成本中的一項(xiàng)，是容量規(guī)劃的問(wèn)題，而很少直接參與算力效率的定義。

但在大模型訓(xùn)練與推理時(shí)代，這一角色被徹底改寫(xiě)。

KV Cache的訪問(wèn)延遲，開(kāi)始直接影響token生成速率；Checkpoint的寫(xiě)入效率，決定著GPU在訓(xùn)練過(guò)程中的等待時(shí)間；SSD的IOPS密度，則進(jìn)一步影響大模型推理場(chǎng)景下的并發(fā)能力和系統(tǒng)吞吐。

存儲(chǔ)開(kāi)始進(jìn)入計(jì)算主路徑，它決定數(shù)據(jù)流動(dòng)的速度，也在某種程度上決定GPU算力能否被充分兌現(xiàn)。而這，正在反向重塑整個(gè)存儲(chǔ)產(chǎn)業(yè)鏈的分工邏輯。

存儲(chǔ)進(jìn)入計(jì)算路徑，舊分工開(kāi)始失效

AI推理有一個(gè)被反復(fù)討論的瓶頸：KV Cache。

大模型在處理長(zhǎng)上下文時(shí)，需要把每一層、每一個(gè)token生成過(guò)程中的Key和Value結(jié)果臨時(shí)保存下來(lái)，以避免重復(fù)計(jì)算。上下文越長(zhǎng)，并發(fā)越高，這部分緩存的體量就越驚人。

當(dāng)高帶寬顯存無(wú)法繼續(xù)承接，KV Cache只能向下一層存儲(chǔ)介質(zhì)下沉，NVMe SSD由此正式進(jìn)入大模型推理的實(shí)時(shí)數(shù)據(jù)路徑。

如果說(shuō)過(guò)去SSD的使命是“提升加載速度”，那么在AI時(shí)代，它開(kāi)始直接約束或決定推理吞吐的上限。

慧榮科技總經(jīng)理茍嘉章的總結(jié)更為直接：“新一代存儲(chǔ)，正在從數(shù)據(jù)存儲(chǔ)進(jìn)入計(jì)算存儲(chǔ)?！?/p>

這句話幾乎點(diǎn)破了整個(gè)行業(yè)變化的本質(zhì)。一旦存儲(chǔ)進(jìn)入計(jì)算路徑，它就不再只是靜態(tài)保存數(shù)據(jù)，而是開(kāi)始影響token生成效率：訪問(wèn)時(shí)延影響輸出速度，IOPS密度決定并發(fā)能力，寫(xiě)入效率左右Checkpoint節(jié)奏，最終共同作用于單位token成本。

也正因如此，AI場(chǎng)景對(duì)存儲(chǔ)提出的要求，已經(jīng)明顯超出了“標(biāo)準(zhǔn)顆粒 + 通用主控 + 標(biāo)準(zhǔn)模組產(chǎn)線”這套舊模式的能力邊界。

2026年，全球也許沒(méi)有任何一款主流AI存儲(chǔ)產(chǎn)品能夠?qū)崿F(xiàn)供需平衡。

表面看，這是先進(jìn)產(chǎn)能持續(xù)向高毛利AI產(chǎn)品傾斜，消費(fèi)級(jí)市場(chǎng)被進(jìn)一步擠壓；但更深層的問(wèn)題在于，即便產(chǎn)能跟上，舊有分工模式也難以高效承接AI場(chǎng)景對(duì)定制化、快速迭代的需求。

存儲(chǔ)廠商集體越界

當(dāng)存儲(chǔ)真正進(jìn)入計(jì)算路徑，產(chǎn)業(yè)鏈上原本清晰的角色邊界開(kāi)始松動(dòng)：主控廠介入系統(tǒng)定義，模組廠延伸至固件與方案優(yōu)化，各自補(bǔ)全過(guò)去并不屬于自己的能力版圖。

以慧榮為例，傳統(tǒng)主控的核心任務(wù)，是管理閃存介質(zhì)、優(yōu)化讀寫(xiě)效率，并在穩(wěn)定性、兼容性和壽命之間尋找平衡。但在AI時(shí)代，這套能力模型已經(jīng)不夠。

如今，慧榮開(kāi)始反復(fù)強(qiáng)調(diào)一種新的能力——性能動(dòng)態(tài)調(diào)節(jié)。

慧榮科技總經(jīng)理茍嘉章在與雷峰網(wǎng)交流時(shí)多次強(qiáng)調(diào)，主控需要“根據(jù)工作負(fù)載、功耗和需求量，在動(dòng)態(tài)中快速調(diào)整”。這已經(jīng)不再是傳統(tǒng)意義上的硬件參數(shù)調(diào)優(yōu)，而是直接響應(yīng)英偉達(dá)新架構(gòu)中“上下文內(nèi)存存儲(chǔ)（Context Memory Storage）”對(duì)實(shí)時(shí)調(diào)度的需求。

換句話說(shuō)，主控正在從“閃存控制器”，演變?yōu)锳I存儲(chǔ)系統(tǒng)里的調(diào)度層，它不只是負(fù)責(zé)把數(shù)據(jù)寫(xiě)進(jìn)去、讀出來(lái)，更開(kāi)始參與數(shù)據(jù)在GPU、顯存和SSD之間的流動(dòng)節(jié)奏定義。

這種變化，也在推動(dòng)主控廠進(jìn)一步向下游延伸。

慧榮正在積極與長(zhǎng)江存儲(chǔ)聯(lián)合推進(jìn)車(chē)規(guī)級(jí)方案，目標(biāo)是在第三季度末至第四季度實(shí)現(xiàn)規(guī)模上量，直接供貨國(guó)內(nèi)車(chē)廠。過(guò)去賣(mài)芯片的公司，如今越來(lái)越多地以“聯(lián)合方案提供方”的身份出現(xiàn)。

這意味著主控廠的商業(yè)角色也在變化：一方面向上理解AI工作負(fù)載，把主控納入系統(tǒng)調(diào)度；另一方面向下輸出完整方案，從賣(mài)芯片走向賣(mài)系統(tǒng)能力。

未來(lái)存儲(chǔ)產(chǎn)業(yè)的競(jìng)爭(zhēng)，不再只發(fā)生在顆粒、主控或模組層，而是進(jìn)一步延伸到封裝架構(gòu)、異構(gòu)互連和系統(tǒng)級(jí)協(xié)同，是生態(tài)、技術(shù)、產(chǎn)能、客戶(hù)、資本的綜合戰(zhàn)爭(zhēng)。

端側(cè)AI反向定義存儲(chǔ)

AI對(duì)存儲(chǔ)的重構(gòu)，顯然不只發(fā)生在數(shù)據(jù)中心。

另一條同樣重要的戰(zhàn)場(chǎng)正在端側(cè)迅速展開(kāi)——AI PC、機(jī)器人、游戲掌機(jī)、智能眼鏡，乃至更多尚未被完全定義的新型終端，都在把存儲(chǔ)推向更核心的位置。

正如眾多廠商在峰會(huì)上提到的，物理AI/端側(cè)AI將迎來(lái)更廣泛的發(fā)展，并帶來(lái)更智能化的體驗(yàn)。而這些更新更好的體驗(yàn)將帶來(lái)更多的產(chǎn)品溢價(jià)，足以抵抗存儲(chǔ)價(jià)格上漲的壓力。 “

這句話背后，點(diǎn)出了端側(cè)AI最現(xiàn)實(shí)的商業(yè)邏輯：只要體驗(yàn)提升足夠明顯，存儲(chǔ)成本就不再只是成本，而會(huì)轉(zhuǎn)化為產(chǎn)品價(jià)值的一部分。

但與數(shù)據(jù)中心不同，端側(cè)AI面臨的不是單一性能問(wèn)題，而是高度碎片化的場(chǎng)景挑戰(zhàn)。

一臺(tái)AI PC，需要在本地運(yùn)行大模型，對(duì)存儲(chǔ)的核心訴求是大容量 + 高速讀取；一臺(tái)機(jī)器人，需要在高震動(dòng)、高移動(dòng)性的復(fù)雜環(huán)境中持續(xù)穩(wěn)定運(yùn)行，同時(shí)還要支持后期擴(kuò)容；一副智能眼鏡，則把需求進(jìn)一步推向極致的小尺寸、低功耗和高集成度。

可插拔、可擴(kuò)容、高抗震、小尺寸、高容量——這些要求往往彼此拉扯，很難通過(guò)同一款標(biāo)準(zhǔn)化模組同時(shí)滿足。

這也是為什么，端側(cè)AI正在比數(shù)據(jù)中心更早倒逼存儲(chǔ)方案走向場(chǎng)景化重構(gòu)。

佰維給出的解法非常具有代表性。

針對(duì)機(jī)器人場(chǎng)景，其推出了一套 “BGA SSD + Mini SSD” 的組合方案：BGA SSD直接焊接在主板上，以更強(qiáng)抗震性承擔(dān)系統(tǒng)盤(pán)角色，保障操作系統(tǒng)和本地AI模型穩(wěn)定運(yùn)行；Mini SSD則采用類(lèi)SIM卡槽設(shè)計(jì)，支持用戶(hù)無(wú)工具插拔，作為數(shù)據(jù)盤(pán)解決嵌入式設(shè)備后期無(wú)法擴(kuò)容的長(zhǎng)期痛點(diǎn)。

這套方案的關(guān)鍵，并不只是形態(tài)創(chuàng)新，而是它背后的產(chǎn)品邏輯：把“穩(wěn)定”和“靈活”拆分為兩個(gè)獨(dú)立部件，并分別做到最優(yōu)。這本質(zhì)上已經(jīng)不是傳統(tǒng)意義上的“賣(mài)一塊SSD”，而是在重新定義機(jī)器人存儲(chǔ)架構(gòu)。

更值得關(guān)注的是，佰維的動(dòng)作并未停留在單一產(chǎn)品層面。

它正在推動(dòng)Mini SSD從企業(yè)級(jí)方案，進(jìn)一步走向行業(yè)標(biāo)準(zhǔn)。通過(guò)聯(lián)合產(chǎn)業(yè)鏈上下游成立IP公司，并同步制定激勵(lì)機(jī)制和權(quán)益金分配規(guī)則，佰維試圖把“可插拔存儲(chǔ)”推進(jìn)為下一代AI終端的標(biāo)準(zhǔn)能力。

其目標(biāo)場(chǎng)景并不局限于機(jī)器人，而是進(jìn)一步覆蓋AI PC、游戲掌機(jī)等多類(lèi)設(shè)備——這些終端當(dāng)前仍采用不同形態(tài)的本地存儲(chǔ)方案，而Mini SSD的野心，是用統(tǒng)一接口去重新組織它們。

換句話說(shuō)，它爭(zhēng)奪的不只是產(chǎn)品份額，而是下一代端側(cè)AI設(shè)備的標(biāo)準(zhǔn)定義權(quán)。

而在這個(gè)過(guò)程中，過(guò)去那套面向PC和手機(jī)時(shí)代的標(biāo)準(zhǔn)化存儲(chǔ)模組，已經(jīng)越來(lái)越難承接碎片化、多形態(tài)、高迭代的終端需求。

更深層的變化在于，設(shè)備與存儲(chǔ)之間的關(guān)系，正在發(fā)生方向性的逆轉(zhuǎn)——過(guò)去，是設(shè)備定義存儲(chǔ)：設(shè)備要做什么，存儲(chǔ)就被動(dòng)適配什么。

而現(xiàn)在，隨著本地AI能力越來(lái)越依賴(lài)容量、帶寬、功耗和形態(tài)協(xié)同，存儲(chǔ)開(kāi)始反過(guò)來(lái)影響設(shè)備形態(tài)、產(chǎn)品定義，乃至最終用戶(hù)體驗(yàn)。

下一戰(zhàn)：功耗、延遲、智能

AI最大的痛點(diǎn)并非算力不足，而是數(shù)據(jù)在存儲(chǔ)與計(jì)算單元間的頻繁搬運(yùn)，降低系統(tǒng)效率。如何減少數(shù)據(jù)在存儲(chǔ)與計(jì)算單元之間的頻繁搬運(yùn)，已成為行業(yè)共同攻關(guān)的核心命題。

這句話放在一年前，可能還有點(diǎn)抽象。但經(jīng)過(guò)過(guò)去一年產(chǎn)業(yè)鏈上下游一連串幾乎同步發(fā)生的變化之后，它開(kāi)始落到一個(gè)個(gè)極其具體的技術(shù)指標(biāo)上：KV Cache的訪問(wèn)時(shí)延、Checkpoint的寫(xiě)入效率、單位token成本等等。

過(guò)去十年，產(chǎn)業(yè)比拼的是單位容量的成本；下一個(gè)十年，勝負(fù)手將取決于數(shù)據(jù)在計(jì)算與存儲(chǔ)之間流動(dòng)的效率、功耗與智能。

至于那些仍固守在舊分工里、只盯著顆粒價(jià)格波動(dòng)的玩家，留給他們的時(shí)間，或許真的不多了。

雷峰網(wǎng)