当高带宽显存无法持续承接，KV Cache只能向下一层存储介质下沉，NVMe SSD由此正式进入大年夜模型推理的及时数据路径。
作者 | 杨依婷
编辑 | 包永刚
客岁的CFMS｜MemoryS峰会上，存储厂商们评论辩论的是：价格何时企稳、QLC何时上量、AI PC何时落地。彼时，“AI会让存储变得更基本、更关键”，还更像是一种行业断定，一种面向将来的趋势预演。
一年之后，站在MemoryS 2026的会场里，问题已经彻底变了。
人们谈论的不再只是位元成本、颗粒供给和容量节拍，而是GPU应用率、token成本、体系调剂效力，甚至物理AI场景中的及时决定计划才能。那些本来属于AI基本举措措施和体系架构层面的议题，正在越来越频繁地涌如今存储家当的评论辩论中间。
在传统计算架构里，存储的职责更多是“存”。数据被写入、留存，在须要时调取，不须要时则静静逗留在体系边沿。它经久是BOM成本中的一项，是容量筹划的问题，而很少直接介入算力效力的定义。
但在大年夜模型练习与推理时代，这一角色被彻底改写。
KV Cache的拜访延迟，开端直接影响token生成速度；Checkpoint的写入效力，决定着GPU在练习过程中的等待时光；SSD的IOPS密度，则进一步影响大年夜模型推理场景下的并发才能和体系吞吐。
存储开端进入计算主路径，它决定命据流动的速度，也在某种程度上决定GPU算力可否被充分兑现。而这，正在反向重塑全部存储家当链的分工逻辑。
存储进入计算路径，旧分工开端掉效
大年夜模型在处理长高低文时，须要把每一层、每一个token生成过程中的Key和Value成果临时保存下来，以避免反复计算。高低文越长，并发越高，这部分缓存的体量就越惊人。
假如说以前SSD的任务是“晋升加载速度”，那么在AI时代，它开端直接束缚或决定推理吞吐的上限。
慧荣科技总经理苟嘉章的总结更为直接：“新一代存储，正在从数据存储进入计算存储。”
这句话几乎点破了全部行业变更的本质。一旦存储进入计算路径，它就不再只是静态保存数据，而是开端影响token生成效力：拜访时延影响输出速度，IOPS密度决定并发才能，写入效力阁下Checkpoint节拍，最终合营感化于单位token成本。
也正因如斯，AI场景对存储提出的请求，已经明显超出了“标准颗粒 + 通用主控 + 标准模组产线”这套旧模式的才能界线。
AI推理有一个被反复评论辩论的瓶颈：KV Cache。
2026年，全球也许没有任何一款主流AI存储产品可以或许实现供需均衡。
外面看，这是先辈产能持续向高毛利AI产品倾斜，花费级市场被进一步挤压；但更深层的问题在于，即便产能跟上，旧有分工模式也难以高效承接AI场景对定制化、快速迭代的需求。
存储厂商集体越界
当存储真正进入计算路径，家当链上本来清楚的角色界线开端松动：主控厂介入体系定义，模组厂延长至固件与筹划优化，各自补全以前并不属于本身的才能疆土。
以慧荣为例，传统主控的核心义务，是治理闪存介质、优化读写效力，并在稳定性、兼容性和寿命之间寻找均衡。但在AI时代，这套才能模型已经不敷。
如今，慧荣开端反复强调一种新的才能——机能动态调节。
慧荣科技总经理苟嘉章在与雷峰网("大众,"号：雷峰网)交换时多次强调，主控须要“根据工作负载、功耗和需求量，在动态中快速调剂”。这已经不再是传统意义上的硬件参数调优，而是直接响应英伟达新架构中“高低文内存存储（Context Memory Storage）”对及时调剂的需求。
这种变更，也在推动主控厂进一步向下流延长。
慧荣正在积极与长江存储结合推动车规级筹划，目标是在第三季度末至第四时度实现范围上量，直接供货国内车厂。以前卖芯片的公司，如今越来越多地以“结合筹划供给方”的身份出现。
这意味着主控厂的贸易角色也在变更：一方面向上懂得AI工作负载，把主控纳入体系调剂；另一方面向下输出完全筹划，从卖芯片走向卖体系才能。
将来存储家当的竞争，不再只产生在颗粒、主控或模组层，而是进一步延长到封装架构、异构互连和体系级协同，是生态、技巧、产能、客户、本钱的综合战斗。
端侧AI反向定义存储
AI对存储的重构，显然不只产生在数据中间。
正如浩瀚厂商在峰会上提到的，物理AI/端侧AI将迎来更广泛的成长，并带来更智能化的体验。而这些更新更好的体验将带来更多的产品溢价，足以抵抗存储价格上涨的压力。 “
这也是为什么，端侧AI正在比数据中间更早倒逼存储筹划走向场景化重构。
这句话背后，点出了端侧AI最实际的贸易逻辑：只要体验晋升足够明显，存储成本就不再只是成本，而会转化为产品价值的一部分。
但与数据中间不合，端侧AI面对的不是单一机能问题，而是高度碎片化的场景挑衅。
一台AI PC，须要在本地运行大年夜模型，对存储的核心诉求是大年夜容量 + 高速读取；一台机械人，须要在高震动、高移动性的复杂情况中持续稳定运行，同时还要支撑后期扩容；一副智能眼镜，则把需求进一步推向极致的小尺寸、低功耗和高集成度。
可插拔、可扩容、高抗震、小尺寸、高容量——这些请求往往彼此拉扯，很难经由过程同一款标准化模组同时知足。
佰维给出的解法异常具有代表性。
针对机械人场景，其推出了一套 “BGA SSD + Mini SSD” 的组合筹划：BGA SSD直接焊接在主板上，以更强抗震性承担体系盘角色，保障操作体系和本地AI模型稳定运行；Mini SSD则采取类SIM卡槽设计，支撑用户无对象插拔，作为数据盘解决嵌入式设备后期无法扩容的经久痛点。
换句话说，主控正在从“闪存控制器”，演变为AI存储体系里的调剂层，它不只是负责把数据写进去、读出来，更开端介入数据在GPU、显存和SSD之间的流动节拍定义。
这套筹划的关键，并不只是形态立异，而是它背后的产品逻辑：把“稳定”和“灵活”拆分为两个自力部件，并分别做到最优。这本质上已经不是传统意义上的“卖一块SSD”，而是在从新定义机械人存储架构。
它正在推动Mini SSD从企业级筹划，进一步走向行业标准。经由过程联百口当链高低游成立IP公司，并同步制订鼓励机制和权益金分派规矩，佰维试图把“可插拔存储”推动为下一代AI终端的标准才能。
其目标场景并不局限于机械人，而是进一步覆盖AI PC、游戏掌机等多类设备——这些终端当前仍采取不合形态的本地存储筹划，而Mini SSD的野心，是用同一接口去从新组织它们。
换句话说，它争夺的不只是产品份额，而是下一代端侧AI设备的标准定义权。
而在这个过程中，以前那套面向PC和手机时代的标准化存储模组，已经越来越难承接碎片化、多形态、高迭代的终端需求。
更深层的变更在于，设备与存储之间的关系，正在产生偏向性的逆转——以前，是设备定义存储：设备要做什么，存储就被动适配什么。
而如今，跟着本地AI才能越来越依附容量、带宽、功耗和形态协同，存储开端反过来影响设备形态、产品定义，甚至最终用户体验。
下一战：功耗、延迟、智能
AI最大年夜的痛点并非算力不足，而是数据在存储与计算单位间的频繁搬运，降低体系效力。若何削减数据在存储与计算单位之间的频繁搬运，已成为行业合营攻关的核心命题。
这句话放在一年前，可能还有点抽象。但经由以前一年家当链高低游连续串几乎同步产生的变更之后，它开端落到一个个极其具体的技巧指标上：KV Cache的拜访时延、Checkpoint的写入效力、单位token成本等等。
以前十年，家当比拼的是单位容量的成本；下一个十年，胜负手将取决于数据在计算与存储之间流动的效力、功耗与智能。
另一条同样重要的疆场正在端侧敏捷展开——AI PC、机械人、游戏掌机、智能眼镜，甚至更多尚未被完全定义的新型终端，都在把存储推向更核心的地位。
至于那些仍固守在旧分工里、只盯着颗粒价格波动的玩家，留给他们的时光，或许真的不多了。
更值得存眷的是，佰维的动作并未逗留在单一产品层面。
雷峰网
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
发表评论 取消回复