AI在不同阶段的存储需求人工智能（AI）正在改变世界，并成为驱动技术和社会变革的主要力量。从大数据到大语言模型（LLM），AI技术正在推动数据生成、处理和应用的快速发展。随着AI技术在云计算、边缘计算、物联网（IoT）、智能手机和智能汽车等领域的广泛应用，数据的数量和复杂性不断增加，这使得存储技术成为AI生态系统中的关键环节。 AI的本质在于数据的采集、处理与分析，而存储则贯穿于这一数据流的始终。从数据获取、准备、训练到推理，每个环节都对存储技术提出了独特的需求。从数据采集到模型训练再到推理应用，AI对存储的需求已经从单纯的高容量转向对低延迟、高吞吐量、数据安全和低功耗的综合需求。近年来，存储技术已不再是一个孤立的技术领域，而是AI系统中不可分割的一部分。AI的发展推动存储从“后台支持者”转变为“前台驱动力”，特别是在深度学习和AI推理的关键阶段，存储的速度和效率直接决定了AI系统的性能与可扩展性。摘要：AI在不同阶段的存储需求人工智能（AI）正在改变世界，并成为驱动技术和社会变革的主要力量。从大数据到大语言模型（LLM），AI技术正在推动数据生成、处理和应用的快速发展。随着AI技术在云计算、边缘计算、物联网（IoT）、智能手机和智能汽车等领域的广泛应用，数据
慧荣科技CAS业务群资深副总段喜亭
2024年11月，慧荣科技CAS业务群资深副总段喜亭接受了与非网记者的采访，他指出，AI的浪潮为存储行业带来了巨大的机遇，但也提出了前所未有的技术挑战。 “数据就是AI运算的中心，数据都放在哪里？数据都放在Memory和存储当中。”这一句话直击存储在AI生态系统中的核心地位。段喜亭表示，存储技术需要在AI生态系统中找到自身的定位，并通过技术创新推动行业发展。 “NAND Flash产业从诞生起就是在为AI的到来做准备。” 段喜亭表示，从数据中心到边缘设备，AI的应用范围在不断扩大，但其背后对数据存储的需求始终没有改变。例如，在数据采集阶段，存储系统需要具备高写入吞吐量和高队列深度，以支持大量实时数据的存储；在模型训练阶段，低延迟和高吞吐量的存储系统能够显著提升训练效率；而在推理阶段，快速的数据读取和较小的I/O延迟则成为存储系统的核心要求。这些需求推动了存储技术从传统的高容量发展到更高效、更智能的方向。
AI在不同阶段的存储需求
在AI数据流中，存储技术在不同阶段扮演着关键角色。数据获取阶段，随着物联网和智能终端产生海量的多模态数据（如语音、图片、视频），存储设备需要具备高吞吐量和高队列深度，以支持快速的写入和访问，同时确保数据的完整性和处理多重数据流的能力。进入数据准备阶段后，获取的非结构化数据需经过整理和预处理，存储系统需支持高效的数据流管理和多模态数据处理，以提高数据可用性和训练效率。到了模型训练阶段，存储设备需应对大规模数据的高速读写需求，支持高容量（如从8TB到64TB以上）和低延迟，且具备强大的故障恢复能力，以确保训练过程的稳定性和高效性。最后，在推理与边缘计算阶段，存储需求转向低延迟和多样化I/O访问能力，特别是在边缘计算中，存储设备还需具备低功耗和轻量化设计，以便支持更广泛的应用场景。
满足四大需求，慧荣科技在AI领域的战略布局段喜亭将存储在AI时代的需求归纳为四大能力：高容量、高效率、数据安全和低功耗。这些能力不仅是AI发展的关键支柱，也代表了存储行业未来发展的方向。 存储技术面临的核心挑战： 高容量随着全球数据量快速增长，存储需求从GB级扩展至TB级甚至更高。QLC NAND闪存以更低成本实现更高存储密度，但其性能瓶颈和可靠性问题对主控技术提出挑战。慧荣科技的第八代主控技术通过先进的错误校正码（ECC）算法和深度学习优化，解决了QLC性能与可靠性的平衡问题，为高容量需求提供了解决方案。
高效率高效率存储直接影响AI模型训练速度和推理表现。技术如区块存储命名空间（ZNS）和灵活数据放置（FDP）优化了数据的存储位置，显著降低I/O复杂度和写放大系数（WAF），提升了设备寿命与性能稳定性。
数据安全在AI场景中，数据安全至关重要。边缘设备中尤其需要保护隐私数据不被篡改或泄露。慧荣科技通过硬件级防篡改技术、智能加密机制和强抗入侵设计，实现了多层次的数据保护。
低功耗AI设备的高能耗问题尤为突出，尤其是在电池供电的边缘计算中。存储设备通过精细电路设计（如关闭未使用的电路区域）和先进制程工艺（如EUV技术），大幅优化功耗效率。慧荣科技提出的“Performance/watt”指标实现了性能与低功耗的最佳平衡。
存储在AI时代的四大能力
在AI技术的应用中，数据量的指数级增长推动了存储容量的极限扩展。尤其在大语言模型（LLM）和多模态模型的训练过程中，对高容量存储的需求尤为迫切。存储技术不仅需要满足巨量数据存储的需求，还必须在处理速度上达到极致。低延迟、高吞吐量和并行多任务处理能力成为存储设备的关键指标，这直接影响AI模型的训练和推理效率。
慧荣针对AI不同应用领域的解决方案围绕上述四大核心能力，慧荣推出了一系列面向AI的产品和技术解决方案。例如，在企业级存储领域，其MonTitan SM8366解决方案专为数据中心的AI工作负载设计，提供了高效能与高容量的支持。这个PCIe Gen5主控芯片不仅提升了性能，还显著降低了功耗，是AI数据中心的理想选择。 在边缘计算领域，慧荣科技的UFS 4.1主控芯片大幅提升了功耗效率，帮助AI智能手机和笔记本实现更长的续航时间和更高的性能。此外，慧荣科技还在存储核心技术上持续发力。例如，其第八代主控技术引入了深度学习算法，用于优化ECC（错误校正码）的性能。这项技术实现了ECC引擎的自适应调整能力，大幅提升了存储芯片的使用寿命和数据处理效率。 数据中心是AI发展的基石，对高效能、高容量的存储需求尤为迫切。慧荣科技推出了专为数据中心设计的MonTitan SM8366主控芯片。这款产品基于PCIe Gen5技术，与上一代产品相比，其效能提升了20%，专为应对AI大规模数据训练和推理设计。此外，慧荣科技已完成与多家大语言模型的对接测试，确保产品的兼容性和性能稳定性，为数据中心客户提供全方位的解决方案。 在智能设备方面，慧荣科技推出了UFS 4.1主控芯片SM2756，显著提升了设备的功耗效率和数据处理能力。与前一代产品相比，其功耗降低，寿命延长了两倍，且延长了电池续航能力1.5倍。该产品特别适用于AI智能手机和AI笔记本，为移动设备提供更高效的存储性能。慧荣科技的另一款产品SM2508 PCIe Gen5主控芯片，则面向AI笔记本市场，功耗小于7W，但数据效率提升了三倍，彰显了其行业领先地位。 汽车存储是慧荣科技布局的重要方向之一，特别是在电动车和智能汽车领域。慧荣首创了PCIe Gen4 SSD主控芯片，功耗降低了30%，支持多达8个虚拟功能和数据流并行处理能力。同时，慧荣科技取得了ISO和ASPICE认证，确保了汽车存储产品的高质量和高可靠性。正如段喜亭所言，“未来汽车就像一个装了四个轮子的AI服务器”，慧荣科技的主控芯片正是为这一趋势提供有力支撑。慧荣针对不同应用领域的产品方案
企业级与消费级存储需求的分化在人工智能技术的驱动下，存储市场呈现出企业级和消费级需求逐渐分化的显著趋势。 近年来，企业级市场表现出强劲增长，尤其是在AI服务器和数据中心的存储需求推动下。段喜亭先生提到，“AI的风还停留在资料中心，还没有吹到终端设备上来。”这一观察揭示了当前存储需求的冷热不均。AI服务器需要处理庞大的数据量，其存储容量已从传统的8TB逐步扩大到64TB甚至128TB。尤其是在大语言模型（LLM）的训练中，存储设备扮演了不可或缺的角色。当训练失败时，需要将中间结果保存在SSD中，以便从失败点重新开始。因此，企业级存储设备不仅需要高容量，还需具备低延迟、高吞吐量和高可靠性的特点。慧荣科技在此领域推出的企业级存储解决方案，如MonTitan系列，就致力于满足这些需求，其重新架构的主控芯片为数据中心的高效运行提供了技术支撑。 与企业级市场的火热相比，消费级市场的存储需求则显得较为疲软。智能手机、PC等消费终端设备的市场需求受到宏观经济环境和消费者购买力下降的影响增速放缓。尽管高端设备（如高端智能手机）逐步向大容量存储迈进，例如1TB甚至2TB的配置逐渐普及，但中低端设备仍以128GB或256GB容量为主。与此同时，存储产品价格的频繁波动进一步压缩了消费市场的利润空间。为应对这一情况，许多消费电子厂商开始在高端产品中采用QLC NAND技术，以期通过降低存储成本来实现更高的性价比。慧荣的核心技术优势慧荣的核心技术优势
段喜亭表示，慧荣科技通过多项核心技术的突破，尤其在QLC NAND闪存、ECC算法、节能设计和AI应用领域，展现出在大模型训练、边缘计算及AI设备中的独特优势。 首先，慧荣科技在QLC NAND闪存技术上的研发进展显著。QLC NAND不仅能够显著提升存储容量，而且在成本上也具有优势，适应了日益增长的高容量存储需求。该技术的突破使得慧荣在存储设备中占据了重要位置，尤其是在需要大规模数据存储的AI模型训练和边缘计算中，QLC NAND的高效性和成本效益使其成为理想选择。 在提升存储性能的同时，慧荣科技还将深度学习技术应用于ECC（错误纠正编码）算法中，进一步优化了存储设备的可靠性和寿命。第八代主控芯片内置的ECC算法专为QLC NAND设计，能够根据不同NAND的属性和错误率自动调整。这一基于深度学习的优化技术，提升了存储数据的完整性，并显著延长了NAND的使用寿命。这种算法的“自我学习”特性，使得芯片能够实时根据实际使用状况动态调整，最大限度减少潜在的数据错误，确保系统稳定性和长期使用的可靠性。 针对AI应用对数据存取效率的高要求，慧荣科技开发了FDP（Flexible Data Placement）技术，该技术通过优化数据放置位置，提升了存储系统的运行效率。FDP技术能够将关键数据存储在更高效的区域，从而显著提高大语言模型等复杂AI任务的处理速度。此外，FDP技术还能够降低写放大因子（WAF），延长NAND Flash的使用寿命，并且在性能稳定性方面表现优异。这使得慧荣的存储解决方案在AI设备中具有强大的竞争力，尤其是在需要高效数据处理和高稳定性的场景下。 除了存储技术，慧荣科技在功耗优化方面也取得了显著成果。AI设备的高功耗一直是行业面临的重要挑战，慧荣通过优化ASIC架构和LDPC引擎设计，最大限度地降低了功耗。在PCIe Gen5产品中，慧荣采用EUV工艺进一步降低了功耗，并提出了新的Performance/Watt评估指标，有效平衡了性能与能效的需求。此举不仅提高了设备的能源利用效率，也为AI设备的长时间稳定运行提供了保障。 慧荣科技还将人工智能技术应用于芯片设计和开发过程中，进一步提升研发效率和产品质量。通过AI辅助设计，工程师能够迅速获取以往设计经验，避免重复错误，显著缩短开发周期。这种AI驱动的设计流程不仅提高了研发效率，也为公司未来的技术迭代提供了坚实的基础。此外，慧荣还通过内部AI系统提高工程师的设计效率，使得芯片设计和开发过程更加高效、精准。 最后，慧荣科技深刻认识到AI生态链的复杂性，因此积极与CPU、GPU厂商、闪存供应商以及系统集成商合作，构建从底层硬件到应用场景的完整生态系统。例如，与英伟达、AMD、英特尔等芯片巨头的合作，有助于优化数据流在存储与计算之间的协同效率；与模组厂商的紧密联手，则推动慧荣科技的存储解决方案进入更多应用场景，包括物联网设备、AI智能汽车和数据中心。
总结：存储技术未来的发展趋势最后，在AI时代，存储技术的未来发展将深受混合云、边缘计算以及AI应用的推动，重点关注高效性、可扩展性、安全性和智能化。随着数据量的持续增长，存储需求也将随之攀升，存储设备的容量和性能仍将是技术发展的核心方向。与此同时，低功耗设计、数据安全性以及成本控制在存储设备中也将变得愈发重要。 首先，高容量和高性能的存储设备需求依然强劲，尤其是在企业级应用中，AI模型训练和数据处理任务对于存储技术提出了更高要求。为了满足这种需求，存储技术需要不断升级，以支持数据流的高效处理和快速存取。在消费级市场，存储技术则需要兼顾性能与成本，以推动智能设备的普及和性能提升。通过QLC NAND等创新技术，可以在保证性价比的同时提供更高的存储容量，助力市场复苏。 其次，低功耗设计和数据安全是存储技术必须突破的关键领域。AI应用中，数据隐私和安全性问题愈加复杂，存储设备需要加强防护机制，提供更全面的安全保障。在这方面，慧荣科技通过持续投入研发，开发了多项针对数据安全的技术解决方案，确保存储设备能够应对AI场景中的各种安全挑战。 随着AI技术的不断渗透，混合云和边缘计算将成为存储技术发展的主要驱动力。混合云的灵活性和高效性使其成为处理和存储数据的优选方案，尤其是在企业级数据中心中，混合云的协同能力使得数据存储和计算任务能够在公有云和私有云之间高效分配。此外，在消费级市场，混合云也帮助智能设备减轻了计算和存储压力，使其能高效地与云端协同处理大规模数据任务。 总体来看，存储技术的未来发展趋势将围绕高效性、智能化、低功耗和数据安全展开。慧荣科技凭借其在高容量、低功耗和数据安全等方面的技术布局，已经为未来存储需求的增长做好了充分准备。未来，随着AI应用的不断深化，存储技术将在数据中心、边缘计算和多模态AI生态中发挥越来越重要的作用。慧荣科技凭借其技术优势，将继续在全球范围内与行业合作伙伴携手推进存储技术的发展，为AI生态注入源源不断的活力，成为存储行业的引领者和推动者。来源：与非网
