存力接棒算力：AI智能体把存储推上主战场

AI正在重塑全球存储产业的底层逻辑。从生成式AI到智能体AI，从训练到推理，算力的指数级增长正在将“存力”推向系统瓶颈的中心位置——容量不够，KV Cache（键值缓存）失效会直接浪费GPU算力；性能不稳，多智能体并发会让整条链路延迟失控。

与此同时，存储市场正经历一轮前所未有的上行周期，缺货、涨价与AI需求的持续爆发交织在一起，给整个产业链带来巨大的挑战与机遇。

在这场变革中，SSD主控芯片是一个关键却常被忽视的角色。作为连接NAND闪存介质与主机系统的“大脑”，主控的架构设计直接决定了一块SSD在AI工作负载下的真实表现。站在主控厂商的视角看，AI正在从需求、技术到产业格局，全方位改写存储行业的游戏规则。

AI正在让存储从“配角”变成“瓶颈”

“几年前市场热炒AI算力、GPU、DPU的时候，我们就知道存储非常重要。”慧荣科技企业级存储暨显示接口解决方案事业处资深副总裁Alex（周晏逸）坦言，“大概从2023、2024年初开始，行业开始大量讨论‘存力’。算力曾经是焦点，但现在AI场景下，存力已经变成系统瓶颈。”

这一判断已得到越来越多产业链参与者的认同。在Alex看来，没有闪存技术的进步，就没有今天HPC和AI的蓬勃发展，他预计未来五年全球闪存存储市场将迎来新一轮“跃迁式”发展。业界普遍认为，存储正在完成从“传统数据载体”到“AI全链路运转数据基础设施”的价值重塑。

Alex梳理了AI存储需求与传统的本质差异。传统计算场景SSD普遍是4TB、8TB、16TB；而AI存储追求超高容量，企业级SSD动辄32TB、64TB乃至128TB。AI从训练走向推理阶段，存储需求量进一步放大。有机构预测，到2028年推理存储需求将达到当前的两倍。推理过程中会大量产生KV Cache，一旦存储容量不足，KV Cache就会失效，GPU必须重新运算，造成算力的巨大浪费。如何把KV Cache卸载到存储介质上，已成为行业重点课题。

英伟达提出的CMX（Context Memory Storage）架构正是为了解决KV Cache扩展问题。上层依靠DPU做多租户调度，但最终落地的环节仍然是SSD闪存。大量租户并发访问SSD时，会直接拉高访问延迟。因此，AI场景对存储分层、QoS服务质量的要求极高，这也是当前存储厂商技术竞争的核心方向。

如果说生成式AI对存储的挑战是“量变”，那么Agentic AI（智能体AI）带来的就是“质变”。

Alex表示，随着AI更加自主，存储已经成为AI系统非常关键的部分，要使得智能体能够保持上下文、检索知识、持续更新。传统AI的工作负载就像单个应用程序在跟存储交互，但在智能体AI时代，整个交互模式有很大的变化——它们在互相交换信息、检索数据、维持上下文的同时，需要更大的存储进行持续不断的交互。

Alex进一步解释，这些智能系统产生了各种各样的数据类型，包括Context Memory、KV Cache以及向量数据等，这意味着存储已经成为一个持久内存层的扩展。这一转变为存储尤其是SSD带来了全新的需求。

更具挑战性的是，Agentic AI的工作负载行为与传统场景截然不同。不同的智能体对不同性能维度有着不同的侧重：规划智能体需要不停地检索过往历史，检索智能体需要流式传输大量数据，执行智能体需要持续不断地产生相应更新。性能优化不再关乎单一工作负载，而是需要在多智能体之间同时平衡吞吐量、延迟、QoS和耐久性——这对存储带来了前所未有的困难和挑战。

性能可预测：AI存储的下一个主战场

面对Agentic AI带来的复杂混合负载，存储行业正在形成一个共识：性能可预测性正在成为比峰值性能更重要的指标。在多智能体、多租户并发的场景下，稳定的延迟和可靠的QoS保障，直接决定了AI系统的整体效率。

Alex介绍，行业的解决思路是在SSD主控层级进行性能塑形，将AI的工作意图转化为SSD存储的性能优化策略，把不同的Agent映射为不同的优先级队列，每个队列对应独立的QoS策略。这样一来，规划智能体能够获得稳定的延迟和响应时间，检索智能体可以获得稳定的吞吐量，执行智能体能够获得可靠的QoS保障。

量测数据显示，在多智能体并发场景下，经过性能塑形优化后，写性能一致性从62%提升至93%，读性能从74%提升至95%。Alex还透露，慧荣的流量整形技术在多租户IO争抢场景中，可将底线QoS达标率从约68%提升至98%以上，极大改善了CMX场景的业务稳定性。目前，面向AI推理负载的第二代性能塑形引擎已有国内客户落地。

值得关注的是，这一趋势正在从企业实践走向行业标准。NVMe TP4176等新标准的推进，让主机可以对SSD进行基于配置的可预测调度。Alex指出，多个行业正在发生汇聚，Agentic AI的采用在火速增长，多Agent系统对存储产生多种多样的要求，行业标准也在同步演进。“基于这样的汇聚，性能塑形技术正是为此而设计。”

关于业界高度关注的QLC企业级SSD，Alex认为已经走到很关键的阶段。AI存储普遍采用分层架构：TLC做前端缓冲，后端大量部署QLC大容量盘，压缩比可以达到20:1。三星等厂商QLC产能占比已经超过20%。CMX的KV Cache场景对DWPD有3次的要求，这类场景依旧需要TLC；但大容量温冷AI存储场景，QLC是主流方向。

对于CXL是否会重新定义企业级SSD的角色，Alex给出了清晰的判断：CXL属于内存扩展架构，如果 CXL缓存未命中（cache miss），延迟会提升约500倍，严重冲击QoS。CXL和SSD是共存、重新分工的关系，不会直接替代SSD，而是催生新的存储分层——Tier 2.5、Tier 3.5。

产业链的机遇与选择

2026年的存储市场正经历一轮特殊的上行周期。Alex感受深刻：“从去年年底到今年年初，整个存储产业有一个前所未有的上行周期，带来缺货、涨价等现象。以前2020到2022年也有一波半导体的缺货上行周期，但这一轮主要是AI产业界需求的特殊增加。”

他在FMS闪存峰会上与一线客户交流时发现，只要采购服务器、存储硬件部署完成，资源马上就被使用者全部占满，处于满载运行状态——背后驱动力就是AI。存储大厂因为没有之前的旧经验、没有扩充产能，导致整个行业缺货严重。

但挑战之中亦蕴含机遇。对于主控厂商而言，多颗粒适配能力在货源紧张环境下显得尤为重要。能够快速适配不同厂商的NAND颗粒，就意味着更强的供应链韧性。Alex表示，慧荣与产业链上下游保持着广泛合作，在当前市场环境下，与模组厂商共同推进产品迭代，也是重要的增长机会。

对于市场机构预测即便后续价格小幅回调、到2030年闪存价格依旧会高于2025年两倍以上的判断，Alex保持审慎：“美光、铠侠、长江存储都在新增产能。如果产能释放速度追上需求增长，几年后供需格局又会发生变化。半导体周期是客观规律，AI高昂成本反过来也会约束AI基础设施投资。”

在存储产业自主可控方面，国内产业链正加速成熟。Alex介绍，国内盘厂、模组制造、IC设计能力已经很成熟，字节、腾讯都有自研存储架构团队。主控厂商深度参与本土存储生态建设，与国内上游颗粒厂商、下游模组厂协同推进，成为产业共识。企业级SATA等细分市场，国产方案的份额已远超50%。

与此同时，AI也在推动存储产业链的协同模式发生变化。Alex特别提到，标准主控解决不了多租户容器SSD等AI场景下的业务痛点，因此主控厂商需要深度对接服务器OEM，针对GPU、CPU、DPU等硬件提前规划接口和特性。很多大型互联网公司内部有专门的存储架构团队，能够识别QoS优化、性能塑形这类差异化功能的价值——算力和存力协同打通瓶颈，客户的硬件投资才能真正发挥价值。

展望2026年的闪存产业，Alex归纳了四个最值得关注的方向：市场价格波动风险需重点关注；Gen5/6/7持续迭代，AI推理带动AI Storage、CMX、Storage-NexT发展；Token经济学驱动下，整个行业围绕存力做持续优化；技术追求方向是更高带宽、更低延迟、优秀QoS、更低功耗。

AI浪潮下，存储的战略价值仍在抬升。从介质到主控，从硬件到软件，从标准到生态，整个产业链都在围绕“存力”重新校准方向。对于身处其中的企业而言，这既是挑战，也是新一轮的结构性机会。（本文首发钛媒体APP，作者 | AGI-Signal，编辑 |秦聪慧 ）