1. 首頁 > 生活百科 > >

AI SSD，熱鬧了起來

人工智能ai硬盤ssd美光

AI SSD，熱鬧了起來

文章圖片

AI SSD，熱鬧了起來

文章圖片

AI SSD，熱鬧了起來

文章圖片



這兩天 ， 存儲行業熱鬧非凡 。
8 月 5 日 ， 美光一口氣推出了三款基于美光 G9 NAND 打造的數據中心 SSD ， 號稱能滿足多樣化 AI 工作負載需求 。
無獨有偶 ， 鎧俠也推出了專為生成式AI 需求打造的 245.76TB NVMe SSD；此外 ， 閃迪發布最新的256TB AI專用SSD 。
存儲大廠們接連放大招 ， 發布SSD產品 ， 并且特意強調“賦能 AI” 。
01誰在呼喚AI SSD？



【AI SSD，熱鬧了起來】在AI 發展進程中 ， 訓練與推理兩大核心環節對存儲的特殊需求 ， 直接推動了 AI SSD 的快速崛起 。
與標準固態硬盤不同 ， AI SSD專為處理深度學習、神經網絡訓練和實時數據分析等人工智能應用的巨大數據吞吐量、低延遲和高 IOPS（每秒輸入/輸出操作數）需求而設計 。
AI訓練：高要求的存儲需求
大模型迭代速度迅猛 ， 每一次升級都伴隨著訓練數據量的指數級增長 ， PB 級數據已成為 AI 訓練的基本門檻。 訓練環節涉及GPU、HBM 及承擔快照、日志功能的 SSD 等組件 ， 且對存儲的要求遠高于推理環節 。
在訓練過程中 ， 系統需要反復讀取和寫入巨量數據 ， 包括訓練語料、模型參數、日志文件和中間結果等 。 數據流動的頻率極高、負載持續 ， IO密度遠超日常應用 。
在AI模型訓練過程中 ， SSD不僅負責儲存模型參數 ， 包含不斷更新的權重和偏差 ， 而且可以創建檢查點（check point） ， 以定期保存AI模型訓練進度 ， 即使訓練中斷也能從特定點恢復 。 上述功能都相當依賴高速傳輸以及寫入耐用度 ， 因此客戶主要選擇使用4TB/8TB TLC SSD產品 ， 以滿足嚴苛的訓練過程需求 。
AI 推理環節：SSD的核心支撐作用
AI推理環節中 ， SSD可在推理過程中協助調整、優化AI模型 ， 尤其SSD可以實時更新數據 ， 以便微調推理模型結果 。 AI推理主要提供檢索增強生成（RAG Retrieval-Augmented Generation）和大型語言模型（LLM Large Language Model）服務 ， 而SSD可以儲存RAG和LLM參考的相關文檔和知識庫 ， 以生成含有更豐富信息的響應 。 目前TLC/QLC 16TB以上等大容量SSD便成為AI推理主要采用的產品 。

AI 對存儲“高性能、大容量、高能效”的三重剛需 ， 讓SSD成為AI場景下的最優解 。
TrendForce數據顯示 ， 全球范圍內 ， 2024年AI相關的SSD采購容量將超過45EB ， 未來幾年 ， AI服務器有望推動SSD需求年增率平均超過60% ， 而AI SSD需求在整個NAND Flash（閃存）的占比有機會自2024年的5% ， 上升至2025年的9% 。
02大廠AI SSD比拼 ， 各有神通
鎧俠：AI SSD ， 兩方面入手
鎧俠在今年公布了AI時代中長期增長戰略 。 重點圍繞AI驅動的存儲技術創新、SSD業務拓展及資本效率優化 ， 以鞏固其在NAND閃存市場的競爭力 。
對于AI SSD有兩類產品線：
第一類是高性能SSD 。 鎧俠的CM9系列 ， 專為AI系統設計 ， 搭載針對數據中心優化的PCIe 5.0 ， 最大限度地發揮需要高性能和高可靠性的GPU功能 。
第二類是容量型SSD 。 鎧俠的LC9系列 ， 適用于推理中使用的大型數據庫等用例 ， 當時容量為122.88 TB ， 未來計劃推出更大容量產品 。
前兩天 ， 鎧俠推出了新的容量——245.76TB 。 據了解鎧俠LC9系列SSD采用的也是QLC 3D閃存 ， 但是特點是結合了CBA（CMOS直接鍵合到陣列）技術 ， 這就能夠實現在154球柵陣列（BGA）小型封裝中達到8 TB的容量 。 鎧俠稱這是業界首創 。

來源：鎧俠
對于未來的AI SSD ， 鎧俠也提出了自己的設想 ， 主要從兩個方面突破 。 第一是速度更快 。 現在的SSD每秒能處理200萬-300萬次小文件讀寫 ， 多采用TLC和QLC， 而新產品將采用XL-FLASH的SLC閃存 ， 速度提升到每秒1000萬次以上 ， 特別適合AI需要頻繁讀取零碎數據的場景 。
這里解釋一下 ， XL-FLASH是鎧俠開發的具有極低延遲、高性能NAND ， 用于填補易失性存儲器（如DRAM）和當前閃存之間存在的性能缺口 。 最開始鎧俠把XL-FLASH定位為英特爾已停產的 Optane 內存的競爭對手 。 目前 ， 鎧俠的第二代 XL-Flash 采用 MLC（多層單元）架構 ， 密度翻倍 ， 芯片容量從 128Gb 提升至 256Gb 。
第二是更智能 。 目前AI檢索數據要依賴內存 ， 2026年鎧俠將推出AiSAQ軟件 ， 讓SSD自己就能處理AI的檢索任務 。 這樣不僅能減輕內存負擔 ， 還能讓AI應用運行更高效 ， 尤其適合智能終端和邊緣計算設備 。
美光：AI SSD三劍客
美光最新發的AI SSD是三款 。
第一款是美光9650 SSD ， 全球首款PCIe 6.0的SSD ， 主要用在數據中心領域 。 能夠提供28 GB/s的性能 。 據美光測試 ， 相較于PCIe 5.0 SSD ， 9650 SSD的隨機寫入與隨機讀取的存儲能效分別提升高達25%和67% 。
第二款是美光6600 ION SSD ， 單盤容量最高達245TB ， 主要應用在超大規模部署與企業級數據中心整合服務器基礎設施、構建大型AI數據湖 。 相較于競品 ， 該產品的存儲密度提升高達67% ， 單機架存儲容量突破88PB ， 大幅降低總體擁有成本（TCO） 。
第三款是美光7600 SSD ， 主要用于AI推理與混合工作負載 。 據稱 ， 能夠在高度復雜的RocksDB工作負載下實現業界領先的亞毫秒級延遲 。
從美光推出的產品來看 ， 瞄準的正是：速度、容量、性價比 。 從美光最新的財報來看 ， 截至2025年5月29日 ， 美光Q3財季營收93億美元 ， 同比增長37%；凈利潤21.81億美元 ， 同比增長210.7% 。 其中 ， 美光的NAND收入21.55億美元 ， 占總收入的23% ， 環比增長16.2% 。 NAND Bit出貨量環比增長約25% 。 美光表示 ， 2025財年有望實現創紀錄的營收 。
Solidigm：優化AI效率的存儲產品組合
Solidigm將AI 存儲方案大致分為兩類 。
一類是 ， 直連式存儲（DAS） ， 針對訓練等對性能極度敏感的場景 ， 它更關注單位功耗下的IOPS；另一類是網絡存儲（包括NAS文件/對象存儲） ， 針對數據攝取、歸檔和RAG（檢索增強生成）等大容量場景 ， 對讀性能要求較高 ， 同時也追求最低成本存儲海量數據 。

目前 ， Solidigm構建了覆蓋SLC、TLC和QLC的完整SSD產品序列 。 從高性能的D7系列到高密度的D5系列 ， Solidigm能夠為數據攝取、準備、訓練、檢查點、推理和歸檔等AI全流程的各個環節 ， 提供最合適的產品 。 這其中包括了D7-PS1010、D7-PS1030PCIe 5.0 SSD ， 大容量D5-P5336QLC SSD等 。
Solidigm在AI SSD中的另一個亮點是QLC SSD 。 自2018年發布首款QLC SSD以來 ， Solidigm已累計出貨超過100EB的 QLC ， 并為全球70%的領先OEM AI解決方案提供商提供服務 。
Solidigm不僅推動QLC技術的普及與應用 ， 還在液冷SSD技術領域進行大膽嘗試 。 2025年3月 ， Solidigm展示其首款采用SolidigmD7-PS1010 E1.S 9.5mm外形規格的冷板液冷SSD ， 該方案顯著提升了散熱效率 。
03一路向上
盡管大多數AI SSD預計是在2026年推出 ， 但從前文的對比來看 ， AI SSD已經有了雛形 。
從顆粒的選擇上 ， AI SSD會朝著QLC顆粒方向走 。 鎧俠CEO柳茂知也表示 ， QLC SSD是AI行業最好的選擇 。 盡管從SLC到MLC ， 再到TLC ， 最終到QLC ， SSD的性能一直在下降 ， 但隨著技術的演變 ， 2025年QLC SSD的速度已經比2017年的TLC SSD快很多了 。 如今QLC SSD的順序讀寫速度可達7000MB/s左右 ， 性能十分強大 ， 能夠滿足AI大模型數據存儲和調用的要求 。

基于100 兆瓦數據中心的AI基礎設施規模 來源：Solidigm
從實際測試中 ， Solidigm構建了一個新100兆瓦AI數據中心的模型 ， 評估 QLC 固態硬盤、TLC 固態硬盤和基于機械硬盤的混合部署的影響 。其中發現 ， QLC 固態硬盤的能效比 TLC 固態硬盤高19.5%；比混合TLC 固態硬盤和機械硬盤高 79.5% ， 同一數據中心內 ， 使用QLC 固態硬盤時可部署的全套 AI 基礎設施數量更高 。
從傳輸接口與協議層面來看 ， 采用PCIe接口并支持NVMe協議 ， 未來大概率會成為 AI SSD 的標準配置 。 PCIe 接口憑借不斷升級的帶寬能力 ， 從 PCIe 3.0 發展到如今的 PCIe 5.0 ， 目前業內已經推進到了PCIe 7.0（6月份發布了） 。
可以從前文看到 ， 目前推出的SSD大多是支持PCIe 5.0的 ， 美光已經推出了PCIe 6.0的產品 ， 順序讀取速率高達 28GB/s ， 到明年有競爭力的AI SSD應該都用上PCIe 6.0 。
不過 ， PCIe目前在成本上還是比較昂貴 ， 首批PCIe 6.0 SSD產品價格高達500-800美元（1TB） ， 是普通PCIe 4.0 SSD的3倍-5倍 。 同時 ， 產品需搭配支持PCIe 6.0的CPU及主板 。
此外 ， NVMe 協議專門針對閃存存儲進行優化 ， 為SSD提供了極高的I/O吞吐量和低延遲 ， 這對于減少數據訪問瓶頸非常重要 。 在PCIe 接口之上構建了高效的數據訪問機制 ， 極大地降低了延遲 ， 提升了 IOPS 性能 ， 能充分發揮閃存的快速讀寫特性 。 隨著技術發展 ， PCIe 接口和 NVMe 協議還會持續演進 ， 融入如CXL等新興技術 。
04熱鬧之下
AI SSD的賽道 ， 越來越擁擠 。
從云端訓練到邊緣推理 ， 存儲不僅要保證基礎性能 ， 更需要與AI計算流程深度適配 。 存儲廠商正在調整技術路線 ， 從單純追求性能指標轉向優化整體系統協同 。 這種轉變反映了行業對AI工作負載特性的深入理解 。
當前的技術競爭焦點 ， 已從硬件參數的比拼 ， 轉向如何實現存儲與計算的無縫配合 。 畢竟在AI時代 ， 最好的SSD不是跑分最高的那塊 ， 而是讓AI“忘記”存儲存在的那塊 。
想要獲取半導體產業的前沿洞見、技術速遞、趨勢解析 ， 關注我們！

    推薦閱讀