《2026 AI存储芯图》重磅发布!从AI数据流重新理解存储产业

从AI应用需求出发,呈现其如何逐层影响存储系统、设备、芯片与介质的发展方向。

2026年,AI基础设施正在从“堆算力”走向“算力、数据与存储协同”。随着大模型从训练走向规模化推理和Agent应用,模型权重、KV Cache、RAG知识库、长期记忆等新型数据不断增长,存储开始深入AI数据流程,从后台资源转向影响推理效率、算力利用率和Token成本的重要基础设施。

在这一背景下,2026年8月26日,2026全球闪存峰会期间,DOIT传媒创始人兼CEO郑信武正式发布《2026 AI存储芯图》。自2018年起,存储芯图持续记录产业结构与技术重心的变化。2026版围绕AI数据流重新构建框架,形成系统层、闪存设备层和AI芯片与介质层三大模块,从AI应用需求出发,呈现其如何逐层影响存储系统、设备、芯片与介质的发展方向。


系统层:AI数据流正在重新定义存储系统

2026版AI存储芯图的系统层划分注重AI数据流程。从数据来源与预处理,到模型训练,再到模型推理,不同阶段的数据特征和存储需求不同,比如数据准备阶段需要完成海量原始数据汇聚、清洗和组织。训练阶段强调高吞吐数据供给和Checkpoint。进入推理阶段以后,模型权重、KV Cache、RAG知识数据以及Agent长期记忆开始成为新的数据类型。

因此,系统层进一步呈现数据集存储、训练存储、推理存储能力。其中,在推理阶段,推理存储系统重点承载模型权重、KV Cache和上下文等运行时数据,保障推理效率;AI记忆库则面向Agent的长期记忆,保存历史任务、用户偏好、状态与经验,使AI能够跨会话持续调用和更新信息。

这一变化背后,是推理正在成为AI基础设施新的增长中心。随着模型上下文越来越长、Agent工作流不断增加,存储容量、带宽、能效甚至单位Token成本都开始进入系统设计指标。

闪存设备层:设备开始更靠近计算、更参与计算

第二层为闪存设备层,覆盖SSD控制器、内存与闪存模组、可计算型存储、CXL内存与互连、接口与阵列控制器以及闪存测试等关键环节。

这一层所体现的,是底层介质如何被组织成真正可进入计算系统的设备与基础设施。并且随着PCIe 5.0、PCIe 6.0以及高容量企业级SSD不断演进,性能、可靠性和复杂工作负载验证已经成为产品进入数据中心的重要前提。

AI芯片与介质层:容量、带宽、能效重新平衡

第三层为AI芯片与介质层,包括SRAM、HBM、DRAM、NOR Flash、NAND Flash、存算一体芯片以及新型存储介质等模块。

这一层体现的是AI时代最基础的一组矛盾——速度、容量、功耗和成本如何重新平衡。

HBM依然是AI加速器最关键的高带宽内存。2026年HBM4开始加速量产,而AI服务器持续增长也使DRAM供应保持紧张。

与此同时,KV Cache也在促使HBM—DRAM—SSD之间的层级发生变化。

2026年,闪迪与SK海力士进一步推进HBF(High Bandwidth Flash)标准化,并通过OCP发布首个技术规范。HBF利用NAND构建介于HBM和SSD之间的新型存储层,其目标是在AI推理场景中提供更大的近计算容量。

HBF的发展反映出一个更大的变化——NAND正在从传统块存储向计算核心靠近,内存与存储之间原本清晰的边界正在重新被定义。

在更前沿的方向上,PCM、RRAM、MRAM、FRAM等新型存储介质,以及存算一体芯片,都在探索减少数据搬移、降低能耗的新路径。AI对低时延、高能效和近数据计算的需求,正在推动新型存储从单纯追求容量,转向更快、更省电、更靠近计算,甚至直接参与计算。

最后

2026 AI存储芯图所呈现的,不只是数百家产业链的上下游厂商的存储产业全景,这还是一条从AI应用向存储系统、设备、芯片与介质逐层传导的技术链路。随着训练、推理和Agent持续演进,存储正在成为AI基础设施中越来越主动的一环。

本文来源于DOIT传媒,文章内容仅供参考,不构成投资建议。

赞 ()

相关推荐

发表回复

评论列表

点击查看更多

    联系我们

    微信:百易小助手

    邮件:contact@doit.com.cn

    工作时间:周一至周五,9:30-18:30,节假日休息

    微信