企业资讯

AI存储

2026.03.01

AI存储

AI存储（AI Storage）是专为人工智能应用全场景设计的数据存储系统及解决方案，涵盖云端 AI 训练 / 推理与端侧智能设备（AI 手机、AI PC、AI 穿戴设备、AI 汽车等）的存储需求，核心特征为 “AI 原生适配”，通过优化性能、容量、功耗等指标支撑 AI 模型全生命周期运行，是连接 AI 算力与数据价值的核心基础设施。其广义范畴打破云端局限，实现 “全场景覆盖” 与 “端云协同”，狭义则聚焦云端 HBM、HBF、eSSD 等高端存储介质。

定义与范畴

（一）核心定义

AI 存储本质是 “适配 AI 工作负载的专用基础设施”，需通过性能、容量、功耗、可靠性的多维优化，支撑数据归集、预处理、训练、推理全流程，满足云端大规模数据处理与端侧轻量化智能的双重需求。作为 AI 算力的 “战略物资库”，其性能直接影响 AI 任务的响应效率与运行稳定性。

（二）广义与狭义区分

狭义 AI 存储：聚焦云端场景，以 HBM（高带宽内存）、HBF（高带宽闪存）、eSSD（企业级固态硬盘）为核心介质，主要服务于数据中心的大规模 AI 训练与推理任务，强调极致带宽与容量扩展能力。

广义 AI 存储：延伸至端侧全场景，以高性能SSD/DIMM、LP/SOCAMM2、mSSD（集成封装存储介质）、UFS 4.1、LPDDR5x为核心，涵盖消费电子、智能交通、智能穿戴等领域，强调 “普适性” 与 “场景化适配”。中国信息通信研究院（信通院）在《新型人工智能存储研究报告（2025 年）》中明确，其核心是突破传统存储局限，实现 “端云协同” 的数据高效流动，成为智能设备的核心组成部分。

发展背景

随着以大模型为代表的人工智能技术迅猛发展，模型参数量和数据量呈指数级增长[9]。数据已成为决定AI模型高度的关键要素，对底层存储设施的性能、扩展性和数据治理能力提出了前所未有的挑战[1][5]。与此同时，AI应用正从云端训练快速向边缘和终端设备的推理阶段延伸，催生了从数据中心到智能手机、个人电脑、穿戴设备等全场景的差异化存储需求[2][6]。这一趋势推动存储产业进入由AI驱动的“超级增长”周期，市场重心从通用存储向高性能、场景化的专用AI存储加速演进[4][7][10]。

主要特征

根据中国信息通信研究院的研究，新型AI存储通常具备以下六大关键特征[1][5]：

1. 极致性能：提供超高带宽（可达百PB/s级）与超高IOPS（可达亿级），以匹配GPU/NPU等算力芯片的数据吞吐需求，减少因数据等待导致的算力闲置[1]。

2. 高扩展性：存储容量和性能能够线性、无瓶颈地扩展，以支撑从千卡到十万卡级的超大规模AI算力集群[1]。

3. 支持AI数据范式：原生支持向量、键值缓存（KV Cache）等大模型特有的数据结构和访问模式，显著提升推理效率[1][5]。

4. 数据编织（Data Fabric）：通过统一命名空间、数据版本与血缘管理，打破数据孤岛，实现跨域数据的可视、可管与高效流动，保障AI全流程的数据质量[1][5]。

5. 极致安全与韧性：通过加密、防勒索和高可用设计（如“六个九”的可靠性），保障海量训练数据和模型资产的安全，提升AI集群的持续服务时间[1][5]。

6. 绿色节能：致力于降低每TB数据的能耗和空间占用，符合可持续发展要求[1][5]。

关键技术

为满足上述特征，AI存储领域涌现出一系列关键技术：

1. 高性能存储介质与芯片：

1) 高带宽内存（HBM）：通过2.5D/3D堆叠技术与处理器（GPU/ASIC）集成，提供当前最高的内存带宽，是AI训练服务器的核心组件，其需求持续紧缺[3][8]。

2) 高性能固态硬盘（SSD）：企业级PCIe SSD是承载训练数据集和检查点（Checkpoint）的主要载体。AI推理场景对高速检索的需求，也推动了对高IOPS、大容量企业级SSD的需求增长[7]。

3) 集成封装固态存储介质（mSSD）：mSSD采用创新集成封装工艺，有效规避传统分离式设计的可靠性隐患，兼顾稳定与耐用性；mSSD在集成度、读写性能、散热设计和可靠性方面更适合AI终端的复杂应用环境。基于mSSD高速存储介质延展出的AI Storage Core技术架构在固件层针对AI负载进行定向优化，让AI Storage Core不再只是“更快的存储”，而是成为AI系统中的关键数据枢纽[11][12]。