江南jnan

“AI的运行面临三重存储压力。”东芯半导体市场销售部副总经理潘惠忠介绍，模型要“装得下”，当前主流AI大模型参数量从千亿级迈向万亿级，存储容量需求不断变大；数据要“喂得上”，AI推理过程中，GPU和NPU处理器的算力远超内存供数速度，计算单元大部分时间在等待数据，这是高带宽存储需求爆发的根本原因；从云端大模型到手机、汽车等端侧AI设备，对存储的需求也在持续增加。

“AI对存储的需求是立体的。”英韧科技创始人、董事长吴子宁表示，例如，存储原始数据集需要大容量、高性价比的解决方案；在数据清洗和精炼阶段，则面临复杂的混合读写和高频随机访问压力；到了模型训练和推理环节，高并发、低延迟的KV Cache(键值缓存)又成为关键。此外，边缘计算的兴起，也对设备的小型化、功耗和性能提出了严苛挑战。