AI技术的演进正在重塑全球存储产业的底层逻辑。从生成式AI到智能体AI，算力的指数级增长正将存储推向系统瓶颈的中心位置。容量不足会导致KV Cache失效，直接浪费GPU算力；性能不稳则会让多智能体并发场景下的链路延迟失控。与此同时，存储市场正经历一轮由AI需求驱动的上行周期，缺货与涨价交织，给产业链带来挑战与机遇。
作为连接NAND闪存介质与主机系统的核心部件，SSD主控芯片的架构设计直接决定了一块SSD在AI工作负载下的表现。慧荣科技企业级存储暨显示接口解决方案事业处资深副总裁Alex（周晏逸）表示，行业大约从2023、2024年初开始大量讨论“存力”概念，算力曾是焦点，但AI场景下存力已变成系统瓶颈。他预计未来五年全球闪存存储市场将迎来新一轮“跃迁式”发展。
AI存储需求与传统场景存在本质差异。传统计算场景SSD普遍为4TB至16TB，而AI存储追求超高容量，企业级SSD动辄32TB、64TB乃至128TB。有机构预测，到2028年推理存储需求将达到当前的两倍。推理过程中大量产生的KV Cache，一旦存储容量不足便会失效，迫使GPU重新运算，造成算力浪费。英伟达提出的CMX架构正是为解决KV Cache扩展问题而生，最终落地环节仍然是SSD闪存。
如果说生成式AI对存储的挑战是“量变”，智能体AI带来的则是“质变”。Alex指出，智能体AI时代，存储已成为AI系统非常关键的部分，智能体之间需要互相交换信息、检索数据、维持上下文，产生Context Memory、KV Cache以及向量数据等多种数据类型，存储已演变为持久内存层的扩展。不同智能体对性能维度有不同侧重：规划智能体需不停检索历史，检索智能体需流式传输大量数据，执行智能体需持续产生更新，这要求存储系统在多智能体之间同时平衡吞吐量、延迟、QoS和耐久性。
面对智能体AI带来的混合负载，存储行业正形成共识：性能可预测性正成为比峰值性能更重要的指标。行业解决思路是在SSD主控层级进行性能塑形，将不同Agent映射为不同优先级队列，每个队列对应独立QoS策略。量测数据显示，在多智能体并发场景下，经过性能塑形优化后，写性能一致性从62％提升至93％，读性能从74％提升至95％。慧荣的流量整形技术在多租户IO争抢场景中，可将底线QoS达标率从约68％提升至98％以上。目前，面向AI推理负载的第二代性能塑形引擎已有国内客户落地。
这一趋势正从企业实践走向行业标准。NVMe TP4176等新标准的推进，让主机可以对SSD进行基于配置的可预测调度。关于QLC企业级SSD，Alex认为已走到关键阶段，AI存储普遍采用分层架构：TLC做前端缓冲，后端大量部署QLC大容量盘，压缩比可达20:1。CMX的KV Cache场景对DWPD有3次要求，仍需TLC，但大容量温冷AI存储场景QLC是主流方向。对于CXL是否会重新定义企业级SSD角色，Alex判断CXL属于内存扩展架构，若缓存未命中延迟会提升约500倍，CXL与SSD是共存、重新分工的关系，将催生新的存储分层。
2026年存储市场正经历特殊的上行周期。Alex表示，从去年年底到今年年初，整个存储产业出现前所未有的上行周期，主要驱动力来自AI产业界需求的特殊增加。存储大厂因未扩充产能导致行业缺货严重。对于主控厂商而言，多颗粒适配能力在货源紧张环境下尤为重要，能够快速适配不同厂商的NAND颗粒意味着更强的供应链韧性。Alex透露，慧荣与产业链上下游保持广泛合作，与模组厂商共同推进产品迭代是重要的增长机会。对于市场机构预测到2030年闪存价格仍将高于2025年两倍以上的判断，Alex保持审慎态度，认为需持续观察供需变化。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
