AI SSD：从“存得快”到“让AI用得好”
过去几年，AI算力的讨论焦点多集中于GPU。然而，随着大模型进入长上下文、复杂推理及多智能体阶段，GPU的实际利用率愈发依赖于模型权重、KV Cache和MoE专家能否在正确的时间抵达计算节点。存储正从“外围设备”跃迁至Token生成的实时主链路，这正是AI SSD诞生的核心背景。
简而言之，AI SSD是专为AI大模型训练、推理及工作负载深度优化的固态存储设备。与普通SSD侧重通用数据存储不同，AI SSD的核心逻辑在于通过软硬件协同，解决AI场景下的数据供给瓶颈，其本质区别主要体现在以下三个维度：
- 负载调度重构：普通SSD优先优化大文件顺序读写；AI SSD则针对性优化4K小块随机读写及混合并发场景，大幅降低推理延迟抖动。
- 性能侧重点转移：普通SSD侧重峰值速度，缓存耗尽后性能易下跌；AI SSD强化无缓存状态下的稳态持续性能，并拉满4K随机读IOPS，适配高频小块访问。
- 架构存算协同：传统SSD仅作为被动存储，数据需经“SSD→CPU→内存→GPU”链路；AI SSD引入专用AI Cache区，实现冷热数据智能分层，部分产品具备预取和调度能力，直接参与推理运行时数据调度，并在温控、耐久性及容量上针对AI高负载进行专门优化。
需明确的是，eSSD（企业级SSD）与AI SSD并非并列关系。eSSD强调可靠性与数据中心适配，回答“给谁用”；AI SSD强调针对AI负载的固件与架构优化，回答“懂不懂AI”。AI SSD可基于eSSD形态实现，也可用于端侧，二者在产业链中相互支撑。
AI SSD部分玩家盘点：国际厂商与国内厂商
全球AI SSD产业链已形成从颗粒、主控、模组到系统方案的完整分工，主要分为国际与国内两大阵营。
国际厂商
国际存储巨头凭借长期技术积累，布局最早且体系最为成熟。
- 三星：作为全球存储龙头，全栈布局HBM、SSD及CXL。在2026年GTC大会上展示了面向NVIDIA Vera Rubin的量产HBM4及PM1753 SSD，并规划了512TB PCIe 6.0 SSD及兼容CXL 3.1的CMM-D产品。
- SK海力士：英伟达核心合作伙伴。披露代号“AI-N P”的次世代存储方案，基于PCIe Gen 6，目标IOPS高达2500万，计划2026年底出样，2027年底性能提升至1亿IOPS，正与英伟达联合验证以优化能效与速度。
- 美光：批量出货Vera Rubin用的HBM4及PCIe Gen6 SSD。其9650系列SSD针对代理AI工作负载优化，支持28GB/s顺序读取和550万随机读取IOPS；6600 ION系列提供高达245TB的大容量版本。
图片来源：美光
- 铠侠：推出搭载XL-FLASH的GP系列超高IOPS SSD，使GPU可直接存取高速闪存扩展HBM。针对长上下文推理，推出25.6TB TLC容量的CM9系列PCIe 5.0 E3.S SSD，并新增直接液冷型号。
图片来源：铠侠
国内厂商
国内厂商在闪存原厂、主控芯片、模组品牌及系统方案各环节均有代表性企业崛起。
- 长江存储：国内3D NAND原厂，依托自研晶栈Xtacking 4.0技术，推出PE522、PE511等多款企业级PCIe 5.0 SSD，成为核心增长方向。
- 平头哥半导体：镇岳510企业级主控已大规模出货，被忆恒创源、得瑞领新等采用，持续优化软件栈与AI框架兼容性。
- 紫光闪芯：新紫光旗下核心AI存储企业，推出E5300系列PCIe 5.0 SSD，采用国产主控搭配SK Hynix颗粒，在带宽、时延及能效上实现突破，支撑AI训练推理及大数据分析。
- 联芸科技：推出MAP1803企业级PCIe 5.0主控，支持512TB大容量。联合寅谱推出AI SSD方案，显著降低端侧推理内存占用与延迟，提升TPS。
- 忆联：联合英特尔发布KV Cache G3.5方案，基于UH812a PCIe 5.0 SSD构建分层架构，覆盖GPU HBM、CPU DDR与远端全闪，优化长上下文Agentic AI推理。
- 大普微：具备“主控+固件+模组”全栈自研能力。展示512TB QLC SSD，双盘提供1PB容量，在顺序与随机读写性能上表现优异，适配大规模AI数据集。
- 铨兴科技：拥有自有制造工厂，推出“添翼AI超显存融合解决方案”，使SSD化身GPU“外部显存池”，承接KV Cache与长上下文数据，降低对HBM依赖。
图片来源：铨兴科技
AI SSD的痛点、趋势与国内厂商的机会
AI SSD的主要痛点
- 性能与延迟瓶颈：AI推理对实时性要求极高，传统SSD在高队列深度下的峰值IOPS无法等同于低队列深度下的稳定低延迟，导致“算力等待数据”。
- 容量与成本矛盾：大模型需要百TB级存储，高性能TLC成本高，QLC虽成本低但寿命短、性能波动大，边缘端全DRAM方案成本激增。
- 系统协同复杂性：当前多级存储架构尚未成熟，传统L排布不了解模型语义。部分厂商如铨兴开始通过AI Link算法实现三级数据调度，缓解此问题。
- 供应链与产能风险：NAND产能集中在少数大厂，2026年无新增产能，且产能向HBM等高附加值产品倾斜，导致供给短缺。
行业趋势
- SSD进入推理实时主链路：NVIDIA Vera Rubin建立Pod级Flash上下文层，SSD成为推理系统直接调资源。
- 存算协同成为主流：从被动承载转向主动参与数据调度，如KV Cache分层与卸载。
- 国产化替代加速：长江存储提供介质支撑，国内厂商在全栈自研上持续突破。
- 大容量QLC布局领先：以大普微为代表的厂商推出超大容量QLC产品，抢占AI冷数据存储市场。
国内厂商的机会在于国产化替代、全栈自研能力突破以及贴近本地客户的场景化创新优势。
如何选择AI SSD：从参数到交付的选型标准
选型AI SSD不应仅看主控和Flash参数，需综合考量以下维度：
- 场景匹配度：训练看重稳态写入和耐久度，推理看重4K随机读和延迟一致性，端侧看重功耗与体积。
- 主控与Flash规格：决定性能上限与成本边界。
- 固件与算法能力：关键差异化因素。是否针对AI混合读写优化、支持KV Cache智能调度及保障稳态性能。
- 制造与交付能力：拥有自有工厂的品牌在供货、研发、生产及成本控制上更具确定性，能快速响应定制化需求。
- 生态适配与服务：包括与国产CPU/OS的兼容性及长期技术支持。
结语
AI SSD正从“概念品类”走向“刚需品类”。当HBM容量受限、数据搬运成为瓶颈，SSD进入实时数据路径已不可逆。选择AI SSD即是选择一套能支撑业务长期稳定运行的存储基础设施。在硬件趋同的背景下，拥有自有制造工厂、全栈自研能力及场景化交付能力的品牌，将成为选型的重要考量。
关于集邦咨询
TrendForce集邦咨询作为全球高科技产业研究机构，致力于洞察AI全链脉络，助力企业战略决策。研究版图聚焦AI产业增长引擎，涵盖：HBM、DRAM、NAND Flash等关键存储产品；GPU、ASIC等AI算力芯片；晶圆代工、芯片设计及封测；以及AI服务器、显示面板、LED、AR/VR等基础设施与终端，延伸至自动驾驶、具身智能、光伏储能、低空经济等“AI+”垂直产业集群，同时提供核心零部件价格预测与数据库。凭借多年深耕，为政企客户与投资者提供行业研究报告、企业战略咨询及品牌整合行销等服务。
