从“产能扩张”到“架构升级”，AI存储打响「升维战」

在全球科技行业驶入ai时代的高速路时，存储产业正经历一场深刻的范式转移，过去周期性波动明显的市场，正被一股强劲而持续的结构性增长力量所主导。这一转变在近日举行的gmif 2025创新峰会上成为共识。

长久以来，存储市场一直都有周期性的波动：当产能过剩时价格暴跌，需求回升又带来短暂反弹。在AI需求的带动下，存储行业正进入持续高增长通道。

市场预测显示，2025年新型存储市场规模将接近2000亿美元，同比增长约17%；到2027年，新型存储的市场规模预计将进一步扩大至约2300亿美元。

爱集微咨询总经理韩晓敏在GMIF 2025创新峰会上分析道：“这次推动存储行业复苏的动力，不再是手机和PC，而是AI驱动的计算需求。”他表示，目前，这一增长的主要驱动力仍来自北美互联网巨头的大规模投资，中国虽然在全球AI产业中位居第二，但由于先进芯片供应受限，发展能力受到一定程度的制约。

不过，近期包括阿里、字节在内的国内主要互联网企业，纷纷上调了未来几年在云基础设施建设方面的投资计划。韩晓敏认为，这一动向意味着市场的实际增速可能超出此前17%的普遍预期，有望达到约22%。

同时，AI模型训练的高密度算力需求也让数据量呈指数级增长，这也将推动对存储的需求。闪迪产品市场总监张丹总结了AI时代的数据特征——“4V”：体量巨大、种类多样、价值密集、实时性强，预计全球数据总量将在2025年突破200ZB。“AI正在让数据从被动存储变为主动驱动，存储性能正决定AI体验。”她强调。

在这一趋势下，市场焦点正从“存多少”转向“怎么存”，容量扩张不再是竞争核心，更重要的是如何让数据流动得更快、更智能、更节能。更多资讯，欢迎添加PHP中文网(公众号：PHP中文网)作者微信EATINGNTAE。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

直面“内存墙”：AI存储集体“破墙开路”

AI的高并行计算模式带来了前所未有的带宽与延迟挑战，也推动了以HBM、AI SSD、CXL和存算一体为代表的存储技术的发展，韩晓敏指出，这一轮增长的动力已从“产能扩张”转向“架构升级”。

在AI推动的架构变革中，存储产业首先感受到的是带宽与能效的双重压力。传统DRAM难以满足大模型训练的需求，HBM（高带宽内存）的出现由此成为产业转折点，它凭借3D TSV堆叠和2.5D/3D先进封装技术，大幅缩短了数据搬运的物理距离，将内存带宽提升至新的量级，从而充分释放了AI芯片的算力潜力。

在GMIF创新峰会上，三星电子副总裁Kevin Yong介绍，HBM是目前增长最快的细分市场，通过垂直堆叠和先进封装，为GPU提供了远超传统架构的数据吞吐能力，成为训练大模型的“刚需”。与此同时，韩晓敏进一步透露，国产厂商正在迎头追赶，以华为为代表的厂商在自研HBM上进展显著，预计2026年将实现国产HBM的大规模量产，初期产品主要以HBM3为主。

HBM推动了算力端的带宽突破，而AI SSD正在重新定义“存”。过去的SSD更多追求通用性能极限，如今企业则通过在固件算法层面引入智能调度和数据分级等机制，让存储能够感知并预测计算的节奏，从而极大提升AI训练和推理的效率。

英韧科技董事长吴子宁表示，AI SSD可通过直接连接GPU内存通道显著提升训练和推理速度，行业目标是在2027年前将AI SSD的IOPS（每秒输入/输出操作次数）性能从“百万级”提升至“亿级”。

然而，算力的提升也暴露了新的瓶颈，澜起科技肖扬指出：“当前AI发展的关键瓶颈已不是算力，而是由‘内存墙’造成的，问题的核心从计算本身，转移到了数据访问的效率上，GPU/CPU的强大算力因无法及时获得足够的数据而处于闲置等待状态。”

为从根本上缓解数据在计算与存储单元间搬运产生的效率瓶颈，存算一体技术被视为关键路径。北京大学孙广宇教授在报告中系统阐述了这一技术，他认为存算一体并非特指某一种具体介质或形态，而是一个广泛的技术概念，其根本目标是解决“内存墙”问题，即通过拉近计算单元与存储单元的距离，减少数据搬运的开销，从而提升整体效率。

同时，孙教授强调，不存在一种通用的存算一体技术可以应对所有场景，“我们会根据存储介质和呈现的场景的需求，做不同颗粒度的融合，未来的方向是构建‘层次化的、异构的存算一体架构’。”

与存储密切相关的CXL（Compute Express Link）技术也正在成为业界焦点。澜起科技与英特尔联合测试的结果显示，采用CXL内存与本地内存混搭的方案，可以达到本地内存95%-100%的吞吐量性能，而延迟增加幅度在5%以内，大约为5~10微秒。

肖扬指出，在典型配置下，该方案最高可降低单服务器内存总体TCO达27%，并且在当前高容量内存价格持续走高的背景下，这一收益更为凸显。在AI推理场景下的实验证明，用一颗CPU加CXL扩展内存，跑同样的模型，最终获得的Tokens生成速度与两颗原生内存CPU的方案几乎一致，这为在保证性能的同时降低系统功耗与成本提供了新思路。

这些变化标志着存储行业的竞争，已从粗放地“堆叠更多芯片”转向精细化地“组织更高效的数据路径”。这种本质上的转变，也使得产业合作的焦点必然转向更高阶、更复杂的全链条协同。

AI驱动：存储产业链的“协同突围”

存储领域的竞争不是单一产品，而是一种系统能力，AI时代的产业竞争焦点也随之转向全链条协同。从主控芯片设计，到先进封装，再到系统验证，技术创新正在跨越企业边界，形成紧密的生态合作，为AI训练、推理和边缘计算提供系统化支撑。

在芯片设计端，联芸科技总经理李国阳介绍，其新一代主控芯片正向PCIe 5.0/6.0高速接口与6nm/4nm制程升级，并通过“实时电源管理算法”与“健康巡检机制”提升能效与可靠性。

在封装端，广芯封装基板研发中心总监陆然指出：“高性能计算和高性能存储是生成式AI和端侧AI发展的底层基座”，而AI应用正驱动封装技术快速演进：在算力层面向2.5D/3D集成发展，在端侧存储层面追求薄型化，并在高性能存储芯片中广泛应用混合键合等技术。

佰维存储总经理何瀚也表示，“存和算之间深度融合依托的就是先进封装的能力”，封装技术构成了其提供存算合封解决方案的物理基础。

而在产品最终验证环节，欧康诺电子科技总经理赵明表示，AI存储产品必须具备极高的可靠性、性能一致性和极端环境适应性。为此，他介绍其公司推出的高端测试系统能够模拟-70度到150度的严苛环境，以验证产品能否稳定运行。

这些看似独立的创新，正在形成一条贯穿“芯片—封装—系统验证”的完整创新链。每一次局部突破，都在为AI的系统效率买单，这也正在重塑企业的角色。佰维存储集团总经理何瀚认为：“AI时代，存储企业必须从传统模组厂商转型为解决方案提供商”，企业需要整合主控芯片、协议标准与封装工艺，为AI训练、推理及边缘计算提供系统化方案。

从HBM到CXL，从存算一体到先进封装，这场以AI为引擎的存储革命，正在让整个行业完成一次从“容量逻辑”向“架构逻辑”的转身。

当算力不再是瓶颈，决定AI系统效率的，不是算力峰值，而是数据流动的速度与能效，真正的竞争，不再是“谁的存储更大”，而是“谁让数据更聪明地流动”，在这个意义上，AI时代的存储，不只是信息的容器，更是智能的发动机。

欢迎添加PHP中文网作者微信EATINGNTAE进行交流。

# express # 市场规模 # 推动了 # 峰会上 # 这也 # 能效 # 互联网 # 高性能 # 的是 # 中文网 # 这一 # 算法 # 堆 # 接口 # 封装 # php # 架构 # 2025 # 2025年 # 数据访问 # 三星电子 # 大模型 # 英特尔 # 边缘计算 # ai # 三星 # 华为 # 字节 # 微信