从算力到存储：AI规模化推理带来哪些产业新变化？

随着AI从模型训练进一步走向规模化推理，产业对存储的需求会发生什么变化？

9月23日，第五届GMIF2026创新峰会在深圳举行。本届峰会由深圳市存储器行业协会与北京大学集成电路学院联合主办，以“AI存储 驱动未来”为主题，来自存储原厂、主控芯片、存储解决方案、服务器与算力基础设施、汽车电子、AI应用等产业链企业和机构参与讨论。

图：GMIF2026峰会现场

从当天上午的议题看，一个被反复提及的变化是：随着AI由模型训练进一步走向规模化推理和Agentic AI，产业对存储的关注正在从容量，延伸至带宽、时延、功耗以及数据调度等更多维度。

图：Morgan Stanley（摩根士丹利） 执行董事 颜志天

摩根士丹利执行董事颜志天在现场分享中提到，随着AI资本开支持续增长，存储在AI基础设施中的投入同步提升，围绕“内存墙”等问题，存储架构、先进封装及相关芯片技术正在成为新的创新方向。北京大学集成电路学院院长蔡一茂则从技术路线出发，谈到HBM、NAND、RRAM等多种存储介质协同的可能性，希望在AI推理不断增长的容量、带宽和成本需求之间寻找新的平衡。

对于非存储行业人士而言，这套技术并不容易理解。简单来说，如果GPU承担主要计算任务，HBM可以理解为紧靠GPU的高速内存，用于快速提供计算所需的数据；NAND Flash则更多承担大容量、非易失的数据存储。SSD是在NAND基础上形成的完整存储产品，而主控芯片负责其中的数据读写、调度、纠错和资源管理。

AI推理的发展，使这些环节面对新的工作负载。

图：三星电子副总裁、Memory事业部首席技术官 Kevin Yoon

三星电子副总裁、Memory事业部首席技术官Kevin Yoon在峰会上提到，Agentic AI带来的Token生成及KV Cache增长，对存储容量、带宽和能效提出了更高要求。Sandisk资深产品市场总监张丹也表示，多模态、长上下文和智能体持续迭代正在推动KV Cache规模增长，进一步增加NAND Flash在AI基础设施中的应用。

作为NAND Flash主控厂商，慧荣科技也处在这一轮变化之中。据 CFM 闪存市场统计，2025 年慧荣约占全球独立第三方 SSD 主控出货的 47%。

慧荣科技AVP黄士德在上午演讲中将AI Agent的工作负载拆分为规划、检索和执行等不同环节：不同任务对低时延、高吞吐和瞬时带宽的要求并不相同，这意味着SSD不仅需要提供容量，也需要针对不同任务进行资源调度。

他介绍，慧荣正在通过主控和资源调度技术应对多智能体并发下不同QoS和时延需求，并将相关产品延伸至企业级SSD、服务器存储、移动端UFS、智能驾驶和机器人等场景。

图：慧荣科技总经理苟嘉章

当天接受媒体群访时，慧荣科技总经理苟嘉章则更多谈到了供需变化。

在他看来，AI带来的需求并非短期现象，目前存储产业的供货紧张也难以在短时间内完全解决。他提到，包括HBM、DRAM、NAND以及先进制程相关资源，都受到AI基础设施建设和云端需求增长的影响。

对于未来两到三年的市场，他判断，2027年可能仍是供应压力较大的阶段，到2028年前后新增产能逐步释放之后，部分紧张状况才可能有所缓解。

苟嘉章同时提醒，不能再简单按照过去消费电子周期理解这轮变化。过去PC和手机是存储行业重要的需求来源，而在这一轮AI基础设施投资中，大量资源正在流向云端、服务器和企业级产品。这也意味着，企业需要重新考虑产品布局和资源配置。

除了供需，苟嘉章还多次提到产业生态。

谈到中国存储产业发展时，他认为，本土厂商近年来在技术和产业能力上持续推进，但未来如果希望进一步加快AI相关产业发展，还需要形成更多可以共享的技术规范和产业协作方式。

在他看来，海外头部企业的优势不仅来自单一产品，也来自围绕平台和技术标准形成的产业协同。“单打独斗已经过去。”苟嘉章表示，如果能够形成更多共享的技术和研发资源的行业生态，可以减少重复投入，也有利于更多厂商参与其中。

从与会者的讨论，可以看到，随着AI推理规模扩大，存储产业面对的已经不只是容量增长。

HBM、NAND Flash、企业级SSD以及主控芯片等不同环节，都在围绕更高带宽、更低时延、更大容量和更稳定的数据供给进行调整。与此同时，AI也在由云端向边缘和终端延展，不同应用场景开始对存储提出更加细分的要求。

这也是今年GMIF将主题落在“AI存储”的背景之一，从AI推理到Agentic AI，从新型存储介质到企业级SSD，再到云端数据中心、边缘与智能终端，计算、内存、存储和软件调度之间正在形成更深入的协同。

撰文｜郭妍