0
| 本文作者： 楊依婷 | 2025-10-10 11:00 |
作者|楊依婷
編輯|包永剛
在全球科技行業駛入AI時代的高速路時，存儲產業正經歷一場深刻的范式轉移，過去周期性波動明顯的市場，正被一股強勁而持續的結構性增長力量所主導。這一轉變在近日舉行的GMIF 2025創新峰會上成為共識。
長久以來，存儲市場一直都有周期性的波動：當產能過剩時價格暴跌，需求回升又帶來短暫反彈。在AI需求的帶動下，存儲行業正進入持續高增長通道。
市場預測顯示，2025年新型存儲市場規模將接近2000億美元，同比增長約17%；到2027年，新型存儲的市場規模預計將進一步擴大至約2300億美元。
愛集微咨詢總經理韓曉敏在GMIF 2025創新峰會上分析道：“這次推動存儲行業復蘇的動力，不再是手機和PC，而是AI驅動的計算需求?！彼硎?，目前，這一增長的主要驅動力仍來自北美互聯網巨頭的大規模投資，中國雖然在全球AI產業中位居第二，但由于先進芯片供應受限，發展能力受到一定程度的制約。
不過，近期包括阿里、字節在內的國內主要互聯網企業，紛紛上調了未來幾年在云基礎設施建設方面的投資計劃。韓曉敏認為，這一動向意味著市場的實際增速可能超出此前17%的普遍預期，有望達到約22%。
同時，AI模型訓練的高密度算力需求也讓數據量呈指數級增長，這也將推動對存儲的需求。閃迪產品市場總監張丹總結了AI時代的數據特征——“4V”：體量巨大、種類多樣、價值密集、實時性強，預計全球數據總量將在2025年突破200ZB?！癆I正在讓數據從被動存儲變為主動驅動，存儲性能正決定AI體驗?！彼龔娬{。
在這一趨勢下，市場焦點正從“存多少”轉向“怎么存”，容量擴張不再是競爭核心，更重要的是如何讓數據流動得更快、更智能、更節能。更多資訊，歡迎添加雷峰網(公眾號：雷峰網)作者微信EATINGNTAE。
AI的高并行計算模式帶來了前所未有的帶寬與延遲挑戰，也推動了以HBM、AI SSD、CXL和存算一體為代表的存儲技術的發展，韓曉敏指出，這一輪增長的動力已從“產能擴張”轉向“架構升級”。
在AI推動的架構變革中，存儲產業首先感受到的是帶寬與能效的雙重壓力。傳統DRAM難以滿足大模型訓練的需求，HBM（高帶寬內存）的出現由此成為產業轉折點，它憑借3D TSV堆疊和2.5D/3D先進封裝技術，大幅縮短了數據搬運的物理距離，將內存帶寬提升至新的量級，從而充分釋放了AI芯片的算力潛力。
在GMIF創新峰會上，三星電子副總裁Kevin Yong介紹，HBM是目前增長最快的細分市場，通過垂直堆疊和先進封裝，為GPU提供了遠超傳統架構的數據吞吐能力，成為訓練大模型的“剛需”。與此同時，韓曉敏進一步透露，國產廠商正在迎頭追趕，以華為為代表的廠商在自研HBM上進展顯著，預計2026年將實現國產HBM的大規模量產，初期產品主要以HBM3為主。
HBM推動了算力端的帶寬突破，而AI SSD正在重新定義“存”。過去的SSD更多追求通用性能極限，如今企業則通過在固件算法層面引入智能調度和數據分級等機制，讓存儲能夠感知并預測計算的節奏，從而極大提升AI訓練和推理的效率。
英韌科技董事長吳子寧表示，AI SSD可通過直接連接GPU內存通道顯著提升訓練和推理速度，行業目標是在2027年前將AI SSD的IOPS（每秒輸入/輸出操作次數）性能從“百萬級”提升至“億級”。
然而，算力的提升也暴露了新的瓶頸，瀾起科技肖揚指出：“當前AI發展的關鍵瓶頸已不是算力，而是由‘內存墻’造成的，問題的核心從計算本身，轉移到了數據訪問的效率上，GPU/CPU的強大算力因無法及時獲得足夠的數據而處于閑置等待狀態?！?/p>
為從根本上緩解數據在計算與存儲單元間搬運產生的效率瓶頸，存算一體技術被視為關鍵路徑。北京大學孫廣宇教授在報告中系統闡述了這一技術，他認為存算一體并非特指某一種具體介質或形態，而是一個廣泛的技術概念，其根本目標是解決“內存墻”問題，即通過拉近計算單元與存儲單元的距離，減少數據搬運的開銷，從而提升整體效率。
同時，孫教授強調，不存在一種通用的存算一體技術可以應對所有場景，“我們會根據存儲介質和呈現的場景的需求，做不同顆粒度的融合，未來的方向是構建‘層次化的、異構的存算一體架構’?！?/p>
與存儲密切相關的CXL（Compute Express Link）技術也正在成為業界焦點。瀾起科技與英特爾聯合測試的結果顯示，采用CXL內存與本地內存混搭的方案，可以達到本地內存95%-100%的吞吐量性能，而延遲增加幅度在5%以內，大約為5~10微秒。
肖揚指出，在典型配置下，該方案最高可降低單服務器內存總體TCO達27%，并且在當前高容量內存價格持續走高的背景下，這一收益更為凸顯。在AI推理場景下的實驗證明，用一顆CPU加CXL擴展內存，跑同樣的模型，最終獲得的Tokens生成速度與兩顆原生內存CPU的方案幾乎一致，這為在保證性能的同時降低系統功耗與成本提供了新思路。
這些變化標志著存儲行業的競爭，已從粗放地“堆疊更多芯片”轉向精細化地“組織更高效的數據路徑”。這種本質上的轉變，也使得產業合作的焦點必然轉向更高階、更復雜的全鏈條協同。
存儲領域的競爭不是單一產品，而是一種系統能力，AI時代的產業競爭焦點也隨之轉向全鏈條協同。從主控芯片設計，到先進封裝，再到系統驗證，技術創新正在跨越企業邊界，形成緊密的生態合作，為AI訓練、推理和邊緣計算提供系統化支撐。
在芯片設計端，聯蕓科技總經理李國陽介紹，其新一代主控芯片正向PCIe 5.0/6.0高速接口與6nm/4nm制程升級，并通過“實時電源管理算法”與“健康巡檢機制”提升能效與可靠性。
在封裝端，廣芯封裝基板研發中心總監陸然指出：“高性能計算和高性能存儲是生成式AI和端側AI發展的底層基座”，而AI應用正驅動封裝技術快速演進：在算力層面向2.5D/3D集成發展，在端側存儲層面追求薄型化，并在高性能存儲芯片中廣泛應用混合鍵合等技術。
佰維存儲總經理何瀚也表示，“存和算之間深度融合依托的就是先進封裝的能力”，封裝技術構成了其提供存算合封解決方案的物理基礎。
而在產品最終驗證環節，歐康諾電子科技總經理趙明表示，AI存儲產品必須具備極高的可靠性、性能一致性和極端環境適應性。為此，他介紹其公司推出的高端測試系統能夠模擬-70度到150度的嚴苛環境，以驗證產品能否穩定運行。
這些看似獨立的創新，正在形成一條貫穿“芯片—封裝—系統驗證”的完整創新鏈。每一次局部突破，都在為AI的系統效率買單，這也正在重塑企業的角色。佰維存儲集團總經理何瀚認為：“AI時代，存儲企業必須從傳統模組廠商轉型為解決方案提供商”，企業需要整合主控芯片、協議標準與封裝工藝，為AI訓練、推理及邊緣計算提供系統化方案。
從HBM到CXL，從存算一體到先進封裝，這場以AI為引擎的存儲革命，正在讓整個行業完成一次從“容量邏輯”向“架構邏輯”的轉身。
當算力不再是瓶頸，決定AI系統效率的，不是算力峰值，而是數據流動的速度與能效，真正的競爭，不再是“誰的存儲更大”，而是“誰讓數據更聰明地流動”，在這個意義上，AI時代的存儲，不只是信息的容器，更是智能的發動機。
歡迎添加雷峰網作者微信EATINGNTAE進行交流。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
