摘要：硅谷那边的企业，现在花在存储上的钱，差不多到了算力总采购成本的一成，国内云厂商更夸张，存储设备在数据中心物料清单里的占比，都涨到四成了。

现在AI行业火得不行，大家以前聊智算中心，眼里几乎只有算力。

但最近明显不一样了，存储设备突然就站到了聚光灯下，成了行业里没人敢忽视的角色。

我之前也觉得算力是AI的“顶梁柱”，直到看到一些数据才改了想法。

硅谷那边的企业，现在花在存储上的钱，差不多到了算力总采购成本的一成，国内云厂商更夸张，存储设备在数据中心物料清单里的占比，都涨到四成了。

今年5月还有个大动静，三星、SK海力士那些做NANDFlash的头部厂商，居然一起减产了。

供给一收缩，全球存储市场的热度直接又往上冲了一截。

这背后其实都是AI在“搞事情”，不管是模型预训练还是日常推理，要处理的数据量越来越大，而且AI技术还没稳定下来，每天都有海量数据要存、要管。

国内的情况也挺让人惊喜的，2025中国算力大会上，信通院发的《2025存力发展报告》里说，咱们的存力规模一直在涨，结构也越来越优。

就拿闪存来说，2023年在外置存储里占25%，到2024年就升到28%了，明显是从拼容量转向拼性能。

像山东河口智算中心，今年8月刚弄好，里面先进存储占比超35%，上海更敢想，规划里智能算力基础设施的先进存储占比要冲50%以上。

这说明国内早就看清了趋势，存储这块儿是真的重视起来了。

不过存储火归火，想接住AI的需求可没那么容易，AI对存储的要求，跟以前完全不是一回事。

比如AI预训练，要存原始数据、训练中间结果，还有模型检查点，数据量动不动就到PB级，而且主要是读得多、写得少，到了推理环节，虽然不用那么大空间，但数据请求又多又急，还得实时响应，模型和参数都得靠存储缓存着。

这么一来，以前数据中心里堆着的“冷数据”越来越少，“温数据”“热数据”越来越多，照这趋势，2025年AI推理业务再涨涨，“温数据”占比还得往上走。

更关键的是，现在存储系统的核心目标变了，不再是随便处理点杂活，而是要跟GPU好好配合。

说白了就是得“喂饱”GPU，别让GPU等着要数据，不然GPU利用率上不去，多浪费啊。

但这事儿特别矛盾，既要存储容量大、反应快、带宽足、还得靠谱，又要控制能耗和成本，简直是“又要马儿跑，又要马儿不吃草”。

智算中心的能耗问题已经挺吓人了，现在都在搞万卡、十万卡集群，电力消耗大到都间接带动了核能投资。

美国能源部还预测，到2028年，他们数据中心的电力需求能占全国总需求的6.7%到12%。

而且企业钱也紧张，搞AI前期在算力和模型上投了太多，对存储价格特别敏感。

就像英特尔的Optane傲腾，以前多火啊，延迟低、寿命长，结果还是因为价格问题，2025年底就要全面停货了。

所以对从业者来说，找个性能和价格都合适的存储方案，成了最紧急的事。

本来想，这么难的需求，怕是得等阵子才有解决方案，后来发现平头哥早就拿出了镇岳510这款SSD主控芯片，还针对性地做了“六边形”能力设计，容量、时延、带宽这些关键指标都照顾到了。

最让人觉得靠谱的是，它从三个层面帮着省成本。

业务侧怕模型训练中断？镇岳510的不可恢复错误率是10的负18次方，比业界标准还低一个数量级，拿32TB硬盘举例，一天写一遍，十年才可能出一个无法恢复的错误，根本不用担心训练白做。

基建侧怕耗电？它的能效比能到420KIOPS/Watt，比竞品高20%，智算中心一半运营成本都花在电力和散热上，这一下就能省不少钱。

设备侧想平衡成本和寿命？它支持TLC、QLC，还探索pSLC和ZNS技术融合，既能保证性能和寿命，又能把成本降下来。

而且它把时延控制到了4微秒，比行业一线的6微秒还快，都快摸到PCIe链路的理论延迟下限了。

本来以为这没什么特别的，后来了解到，以前存储时延高是因为流程串行，还老要跟硬件交互，光等数据写完就得百来微秒。

平头哥是把命令解析这些步骤改成硬件并行处理，还搞了个巧办法，数据存到缓存就返回“完成”信号，再用算法保证断电不丢数据，这设计是真动了脑筋。

不光技术行，平头哥还在搭生态。

ODCC演讲里提到，它跟忆恒创源、得瑞领新这些厂商都有合作，忆恒创源都推出了基于镇岳510的国产企业级SSD产品PBlaze77A40。

现在从主控芯片、闪存颗粒，到SSD制造和应用，国内已经有了一条内循环产业链。

虽然国产高端存储产品的市场接受度还有提升空间，但手握核心技术，慢慢来肯定能行。

AI浪潮确实把存储推到了台前，以前被算力盖过的光芒，现在终于藏不住了，国内不管是存力发展还是企业技术突破，都跟上了节奏。

接下来就看行业怎么抓住机会，继续在技术和生态上发力，毕竟AI还在往前走，存储的故事肯定还有得讲。

来源：法之生活一点号