摘要：打开AI绘图软件生成一张图要等半分钟，用大模型写篇短文频繁加载，很多人第一反应是“GPU不行了”。但很少有人知道，AI卡顿的真正元凶，可能是被忽视的“存储瓶颈”——就像给超跑配了条乡间小路，再强的算力也跑不起来。2025年，高带宽闪存（HBF）技术的全面爆发，
打开AI绘图软件生成一张图要等半分钟，用大模型写篇短文频繁加载，很多人第一反应是“GPU不行了”。但很少有人知道，AI卡顿的真正元凶，可能是被忽视的“存储瓶颈”——就像给超跑配了条乡间小路，再强的算力也跑不起来。2025年，高带宽闪存（HBF）技术的全面爆发，正改写AI存储的游戏规则，而国产存储厂商已经吹响冲锋号，向着万亿级赛道全力冲刺。
一、AI卡顿的底层真相：不是GPU不给力，是存储“拖后腿”
聊AI性能，大家总盯着GPU的核心参数，却忘了一个关键逻辑：AI运转就像工厂生产，GPU是高速运转的生产线，存储则是原材料输送管道和仓库。如果管道不够粗、仓库取货太慢，再先进的生产线也得停工等料。
这个“卡脖子”的问题，在大模型时代变得越来越突出。现在的AI模型动辄千亿、万亿参数，训练一次要调用海量数据，推理时还要实时调取上亿个参数。这时候传统存储的短板就暴露无遗了：要么像HBM（高带宽内存）那样，速度够快但容量太小、价格太贵，全球95%的产能被三星、SK海力士、美光垄断，2025年的订单都排到了2026年，溢价高达15%-20%；要么像机械硬盘（HDD）那样，容量够大但速度奇慢，顺序读写速度只有高端SSD的三十分之一，毫秒级的延迟让AI推理慢得像蜗牛，在高频交易、自动驾驶等场景完全没法用。
更关键的是，AI行业还面临“内存墙”和“容量墙”的双重困境。所谓“内存墙”，就是HBM、DRAM这些高速存储的容量有限，装不下庞大的模型参数，导致GPU空有算力却“无米下锅”；而“容量墙”则是传统大容量存储速度太慢，海量训练数据调不出来，拖累整个训练周期。有数据显示，采用传统存储的AI训练系统，算力闲置率能达到30%以上，原本一周能完成的训练任务，往往要拖到两周。
这就是AI卡顿的底层逻辑：不是GPU性能不够，而是存储系统的带宽和容量没跟上算力的进化速度。当GPU的“胃口”越来越大，传统存储的“输送能力”已经满足不了需求，这时候就需要一种既能提供高带宽，又能保证大容量的新型存储技术——HBF应运而生。
二、HBF技术到底牛在哪？破解AI存储的“两全之法”
HBF（高带宽闪存）之所以能在2025年爆发，核心就是它解决了传统存储“速度和容量不可兼得”的痛点。简单说，HBF就是给AI量身打造的“超级存储管道”，兼具高带宽、大容量、低功耗三大优势，完美适配AI训推的需求。
先看核心参数：铠侠推出的HBF原型模块，容量达到5TB，持续带宽更是高达64GB/s，远超目前最快的PCIe5.0固态硬盘，甚至接近HBM2E的吞吐量。更厉害的是它的扩展性，16个模块组队就能实现80TB容量和超过1TB/s的吞吐量，这在以前只有并行文件系统或DRAM缓冲区才能做到。对于需要处理海量数据的多模态大模型来说，这样的性能意味着训练周期能直接缩短40%以上。
HBF的技术革新藏在设计里。它没有采用传统的中央控制器，而是给每个模块配了独立控制器，紧挨着NAND芯片以菊花链方式连接。这种设计既减少了信号干扰，又解决了高速传输中的总线问题，数据以PAM4信号128Gbps的速度串行传递，效率大幅提升。同时，HBF还通过积极预读取和控制器级缓存的设计，弥补了NAND闪存延迟略高的短板，在流式数据集、AI检查点这些场景中，完全能满足需求。
功耗也是HBF的一大亮点。AI数据中心的功耗问题一直让人头疼，H100集群的大规模使用让电力成本居高不下。而HBF每个模块的功耗低于40瓦，相比传统Gen5固态硬盘效率提升显著，能帮数据中心大幅节省电费。对于追求绿色算力的AI行业来说，低功耗意味着更低的全生命周期成本，这也是HBF能快速普及的关键原因。
更重要的是，HBF和HBM不是竞争关系，而是互补关系。HBM负责AI运算时的“高速缓存”，处理最核心、最急需的数据；HBF则负责“大容量数据池”，存储海量训练数据和中间结果，两者协同工作，正好破解了AI存储的“内存墙”和“容量墙”。就像给超跑同时配了高速赛道和大型油箱，既能跑得快，又能跑得远。这也是为什么“UHB之父”都看好HBF，三星、SK海力士等巨头纷纷加码研发的原因——它不是替代某类存储，而是重构了AI存储的架构。
三、国产存储的逆袭：从跟跑到领跑，冲刺万亿赛道
HBF的爆发，不仅解决了AI存储的技术痛点，更给了国产存储厂商一个“换道超车”的机会。在传统存储领域，国外巨头长期占据技术和市场优势，但在HBF这个新兴赛道，国产厂商实现了“从0到1”的突破，正在改写全球存储行业的竞争格局。
过去几年，国内存储企业一直在默默深耕。华为、忆恒创源、英韧科技等厂商，从硬件性能、架构优化、场景适配等多个维度发力，已经推出了多款对标国际水平的产品。华为的OceanDisk EX 560，随机写性能达到1500K IOPS，远超美光同类产品的900K IOPS；耐久性更是达到60 DWPD，每天能支持60次全盘数据擦写，完全适配千亿参数模型的高频训练场景，这一指标在国内处于领先水平。
国产存储的优势，不仅体现在产品参数上，更在于对国内AI场景的深度适配。国外存储产品往往是“通用型”，而国产厂商能根据国内大模型企业的需求，定制化开发存储解决方案。比如针对中文语料的训练特点优化数据读取策略，针对短视频、直播等多模态数据的存储需求调整架构，这些本地化优势让国产HBF产品在国内市场更具竞争力。
政策和市场的双重加持，也让国产存储迎来发展黄金期。随着“东数西算”工程的深入推进，数据中心建设进入高峰期，2025年国内AI存储市场规模预计将突破3000亿元，未来三年更是有望达到万亿级别。同时，国家对半导体产业的支持力度持续加大，在存储芯片设计、制造、封装测试等环节的产业链协同不断加强，良率稳步提升，成本持续下降，让国产HBF产品具备了价格优势。
现在的国产存储，已经不是过去“低端替代”的形象，而是在核心技术上实现了突破。在HBF的关键技术如独立控制器设计、菊花链连接、PAM4信号传输等方面，国产厂商已经掌握了自主知识产权，打破了国外的技术垄断。更让人振奋的是，国内已经形成了从存储芯片、模组到解决方案的完整产业链，从设计、制造到测试、应用的各个环节都有企业布局，协同效应日益凸显。
四、万亿赛道的未来：国产存储的机遇与担当
2025年HBF的爆发，只是AI存储革命的开始。随着大模型向万亿参数、多模态融合方向发展，对存储的带宽、容量、延迟要求会越来越高，这为国产存储提供了广阔的发展空间。但机遇背后也有挑战，要在万亿赛道站稳脚跟，国产厂商还需要在技术创新、生态建设、全球化布局三个方面持续发力。
技术创新是核心竞争力。目前国产HBF产品在部分参数上已经领先，但在极端场景的稳定性、先进制程的良率等方面，还需要持续打磨。未来需要加大研发投入，在3D堆叠技术、新型存储材料、智能缓存算法等领域突破，进一步提升产品性能，缩小与国际顶尖水平的差距。同时，要积极参与行业标准制定，争取在HBF的技术规范、接口协议等方面拥有更多话语权，从“跟随标准”向“制定标准”转变。
生态建设是关键支撑。存储不是孤立的产品，而是要与GPU、CPU、操作系统、AI框架深度适配。国产存储厂商需要加强与华为、百度、字节跳动等国内科技巨头的合作，共建AI存储生态。比如与大模型企业联合开发定制化存储解决方案，与硬件厂商合作优化接口设计，让HBF产品能无缝融入现有AI基础设施，提升用户体验。只有形成完整的生态闭环，才能让国产存储在市场竞争中占据主动。
全球化布局是必然选择。AI存储是全球性市场，国产厂商不能只盯着国内市场，还要积极“走出去”。可以通过与海外数据中心、AI企业合作，拓展国际市场份额；同时，在全球范围内建立研发中心和供应链体系，利用全球资源提升竞争力。这不仅能扩大市场规模，还能提升国产存储的国际影响力，让中国存储技术走向世界。
值得期待的是，2025年已经有不少国产HBF产品通过了国际认证，进入了海外数据中心的采购清单。随着技术的不断成熟和品牌影响力的提升，国产存储有望在全球AI存储市场占据一席之地，打破国外巨头的垄断格局。
结语：存储革命背后，是中国科技的崛起
AI卡顿不怨GPU，HBF的爆发让我们看到了AI产业的底层逻辑：算力的释放，离不开存储的支撑。2025年，HBF不仅破解了AI存储的瓶颈，更给了国产存储一个千载难逢的发展机遇。从被国外垄断到技术突破，从跟跑到部分领跑，国产存储的逆袭之路，正是中国科技产业崛起的缩影。
万亿赛道已经开启，国产存储厂商正以技术为刃、以生态为盾，在全球市场中奋勇争先。未来，随着HBF技术的不断迭代和产业链的持续完善，我们有理由相信，国产存储不仅能满足国内AI产业的发展需求，还能在全球存储市场中占据重要地位，为中国科技的高质量发展注入强劲动力。
这场存储革命，才刚刚开始。而国产存储的未来，值得我们每一个人期待。
来源：荔林摘红果
