摘要：前几天参加一个科技行业分享会，做AI大模型的朋友吐槽得特别实在。他说现在算力卡脖子的问题刚缓解，存储又成了新麻烦。训练一个千亿参数的多模态模型，每天产生的数据量能塞满几百个普通硬盘，老设备传数据的速度比蜗牛还慢，模型训练周期硬生生拖长了一倍多。散场后翻行业报告

前几天参加一个科技行业分享会，做AI大模型的朋友吐槽得特别实在。他说现在算力卡脖子的问题刚缓解，存储又成了新麻烦。训练一个千亿参数的多模态模型，每天产生的数据量能塞满几百个普通硬盘，老设备传数据的速度比蜗牛还慢，模型训练周期硬生生拖长了一倍多。散场后翻行业报告才发现，这不是个别情况，2025年全球AI存储市场规模已经突破千亿，三星、SK海力士这些巨头早就打得火热，连英伟达都在暗中布局。更关键的是，这场竞争根本不是拼容量，而是三大核心技术在重新定义游戏规则。很多人只盯着国外巨头的动向，其实国产玩家已经在关键环节悄悄卡位，这波风口的机会，可能比想象中更近。

要搞懂这波AI存储风口的核心，得先明白AI对存储的需求到底特殊在哪。跟我们平时存照片、存文件不一样，AI尤其是大模型的运行，对存储有三个“极致要求”。一是带宽要够大，就像高速公路得够宽，才能同时容纳海量数据快速通行，不然GPU再强也得等着要数据；二是延迟要够低，数据请求发出去得立刻有回应，不然模型训练会频繁“卡顿”；三是容量要灵活，训练时要海量存，推理时要精准取，还得控制成本。

过去的存储技术根本满足不了这些需求。传统内存速度快但容量小，扩容成本高得吓人；普通闪存容量大但速度慢，延迟能差出几十倍。这就形成了一个明显的瓶颈，直到2025年，三大技术路线的突破才真正打开了缺口，这也是巨头们抢食的核心战场。

第一个技术是HBM（高带宽内存），堪称AI算力的“超级燃料管”。它用3D堆叠技术把很多层内存叠在一起，带宽能做到传统内存的十倍以上。比如现在高端AI芯片用的HBM4，带宽已经达到8.0TB/s，相当于一秒钟能传完两千部高清电影，正好匹配GPU的算力需求。现在这个领域的竞争已经到了白热化阶段，SK海力士是目前的领头羊，不仅完成了HBM4的开发，还具备大规模量产能力，已经拿到了英伟达、微软这些大客户的定制订单。三星则在奋起直追，董事长亲自督战，一边用更先进的工艺提升性能，一边用低溢价策略抢市场，甚至“过度生产”样品来抢占份额，看得出来是背水一战了。

第二个技术是HBF（高带宽闪存），主打“大容量性价比”。如果说HBM是短跑健将，HBF就是长跑能手。它用NAND闪存堆叠而成，容量比HBM大得多，还能兼顾一定的带宽，特别适合处理像Sora那样生成长视频时的海量数据。要知道，这类多模态模型训练时的中间数据能达到数TB，HBM根本装不下，普通闪存又太慢，HBF正好补上了这个缺口。现在Sandisk已经联合SK海力士开始研发，计划明年下半年出样品，2027年初就能正式商用，消息一出来，Sandisk的股价直接翻了一倍，足见市场有多期待。不过HBF也有挑战，比如速度还是比不上DRAM，需要软件和基础设施配合才能发挥作用，但它和HBM不是竞争关系，更像是互补，一个负责高速运算，一个负责海量存储。

第三个技术是围绕接口的升级，比如曙光存储的“超级隧道”技术，解决的是“数据搬运效率”问题。就算内存和闪存本身性能强，如果连接它们的“高速公路”不通畅，数据还是会堵车。以前很多设备用的PCIe 3.0，双向带宽只有32GB/s，根本跟不上AI的需求。而曙光的“超级隧道”技术，直接把带宽拉到了256GB/s，延迟降到202微秒，能把大模型的训练周期压缩60%以上，推理时延下降80%，关键是还能适配未来的PCIe 6.0标准，提前占好了位。这种接口技术看似不起眼，却是整个存储系统的“命脉”，没有它，再强的HBM、HBF也发挥不了全力。

看到这里可能有人会问，这些技术都是国外巨头在主导，国产玩家有机会吗？其实不用慌，国产力量已经在多个环节实现了突破，不是简单的跟跑。

在接口和系统层面，咱们已经走在了前面。像曙光的“超级隧道”技术，不仅性能远超很多国外同行的现有方案，还提前布局了下一代标准，已经在国内多个数据中心落地使用。还有华为、浪潮这些企业，在存储软件优化上很有一套，能把现有硬件的性能发挥到极致，比如通过算法减少数据搬运次数，间接提升存储效率，这在AI推理场景特别吃香。

在芯片和硬件层面，国产替代的速度也在加快。虽然HBM的核心产能还在国外，但国内已经有企业开始布局相关技术，比如长鑫存储在3D堆叠技术上的研发一直在推进。更重要的是，国产AI芯片的崛起带动了适配需求，华为升腾910B、海光DCU5这些芯片的算力已经达到英伟达H100的70%，价格却低很多，2025年国产AI芯片的市场份额预计能突破45%。这些芯片需要配套的存储方案，自然给国产存储企业带来了大量机会，形成了“芯片-存储-应用”的国产生态闭环。

还有政策和市场的双重加持。国家一直在推动“东数西算”工程，数据中心建设需要大量存储设备，而且明确鼓励采用国产技术。像字节跳动、阿里巴巴这些互联网巨头，今年的AI预算增幅超过65%，其中60%以上的增量都投向了国产设备，这给国产存储企业提供了宝贵的试错和迭代机会。

不过也得客观看待，国产存储要全面赶超还有很长的路要走。比如HBM的核心材料和制造工艺，咱们和SK海力士、三星还有差距；HBF的底层架构研发，也需要和国际巨头同步推进。但这不代表没有机会，巨头们聚焦的是通用高端市场，而国内的很多细分场景，比如工业AI、边缘计算，对存储的需求更具体，国产企业反应快、能定制，反而能找到突破口。

其实从这波AI存储的竞争里，能看出一个明显的趋势：AI产业的竞争已经从单一的算力比拼，变成了“算力+存储+算法”的综合较量。存储就像AI的“粮仓”，没有充足且高效的粮食供应，再强的算力也打不了持久战。而三大技术的突破，不仅让AI能跑得更快，更能让AI从实验室走向更多普通人的生活，比如更流畅的生成式AI应用、更精准的医疗影像分析、更智能的自动驾驶，这些都离不开存储技术的支撑。

对普通人来说，看懂这波技术变革的逻辑，比单纯追热点更重要。不管是投资还是择业，盯着那些能解决实际问题的技术方向，比如接口优化、国产存储系统、细分场景适配，总能找到靠谱的机会。而对整个产业来说，国产存储的崛起不是偶然，是技术积累、政策支持和市场需求共同作用的结果，就像国产AI芯片从跟跑到并跑一样，存储领域也终将迎来自己的爆发期。

说到这儿，你对AI存储的这三大技术有啥看法？你觉得国产存储在哪个环节最有机会率先突破？如果以后生成式AI能更流畅地创作长视频、做复杂设计，你最想用它来解决生活里的什么问题？可以在评论区聊聊你的想法，也能跟其他朋友交流下见解。我是秘境，我每天会分享有用的知识，感谢大家的喜欢，咱们明天见！！

来源：秘境