AI SSD是什么？从厂商格局到选型标准，一文读懂

过去几年，AI算力的讨论几乎都集中在GPU上。但一个容易被忽视的事实是：当大模型进入长上下文、复杂推理和多智能体阶段后，GPU的实际利用率越来越取决于模型权重、KV Cache和MoE专家能否在正确的时间到达正确的计算节点。存储，正在从“外围设备”进入Token生成的实时主链路，这正是AI SSD诞生的背景。

简单来说，AI SSD是专为AI大模型训练、推理及AI工作负载深度优化的固态存储设备。与普通SSD主要面向通用数据存储、游戏、办公不同，AI SSD的核心逻辑从“如何把数据存得快”转向“如何让AI系统更高效地使用数据”，通过软硬件协同，解决AI场景下的数据供给瓶颈。

那么，它与普通SSD究竟有哪些本质区别？从负载调度来看，普通SSD优先优化大文件顺序读写，对4K小块随机读写优化较少；而AI SSD重构固件调度逻辑，针对性优化4K小块随机读写和顺序+随机混合并发场景，大幅降低AI推理的延迟抖动。从性能侧重点来看，普通SSD侧重峰值顺序读写速度，SLC缓存耗尽后性能易断崖式下跌；AI SSD则强化无缓存状态下的稳态持续性能，同时大幅拉满4K随机读IOPS，适配AI高频小块访问场景。

更关键的区别在于架构层面，普通SSD仅作为被动的数据存储设备，数据需经过“SSD→CPU→内存→GPU”的复杂链路；而AI SSD引入存算协同架构，通过盘内划分AI Cache专用区与常规存储区，实现热数据与冷数据的智能分层，部分产品甚至具备智能预取和调度能力，使SSD能参与AI推理的运行时数据调度。此外，在高负载温控、耐久性以及容量与形态适配方面，AI SSD也针对AI场景做了专门优化，比如调校专属功耗温控策略以支持数小时不间断高负载运行，以及提供超大容量版本承载海量模型文件和向量库。

需要说明的是，eSSD（企业级SSD）与AI SSD并不是并列关系。eSSD是按应用场景和可靠性等级划分的产品类别，强调高耐久、掉电保护、长期稳定运行和数据中心适配；AI SSD则是按负载特征划分的概念，强调针对AI训练、推理、KV Cache、向量检索等场景做固件、调度和架构优化。

简单说，eSSD回答的是“这块盘给谁用、可靠性够不够”，AI SSD回答的是“这块盘懂不懂AI负载”。因此，AI SSD可以基于eSSD形态实现，也可以出现在端侧和边缘设备中；而并非所有eSSD都针对AI负载做过深度优化。后文厂商中，以企业级eSSD形态出现的产品，很多也是AI SSD的重要载体和基础形态之一；而颗粒、主控等厂商，则从产业链不同环节共同支撑AI SSD的发展。

看清了AI SSD的定义和价值，接下来的问题自然是：这个赛道上有哪些玩家？目前，全球AI SSD产业链已形成从闪存颗粒、主控芯片、模组品牌到系统方案的完整分工，大致可分为国际厂商和国内厂商两大阵营。

国际存储巨头凭借在NAND闪存等领域长期积累，在AI SSD方向上的布局最早，也最成体系。

• 三星作为全球存储龙头，AI存储全栈布局覆盖HBM、SSD、CXL等产品线。在2026年3月于圣何塞举办的GTC大会上，三星展示了HBM4、HBM4E、SOCAMM2和PCIe 6.0 SSD，其中面向NVIDIA Vera Rubin的HBM4已进入量产阶段，同时在BlueField-4 STX参考架构中展示了PM1753 SSD对推理负载的支撑能力。此前，三星还推出256TB PCIe 6.0 SSD及512TB版本规划，并开发兼容CXL 3.1与PCIe 6.0的CMM-D存储产品。

• SK海力士是HBM与AI存储核心供应商，与英伟达保持深度合作。2025年12月，SK海力士副社长金千成披露了代号为“AI-N P”的次世代存储方案，该方案基于PCIe Gen 6接口，目标实现高达2500万IOPS，约为当前主流高性能企业级SSD的8至10倍，计划于2026年底推出初期样品。SK海力士已着手研发第二代产品，目标是在2027年底将性能进一步推高至1亿IOPS。此外，公司正与英伟达就AI-N P进行联合概念验证，重点优化大规模数据吞吐时的能效与速度。

  
  

• 美光是数据中心存储与HBM供应商，覆盖企业级SSD和先进内存。2026年第一季度，美光开始批量出货用于Vera Rubin的HBM4，并实现PCIe Gen6 SSD批量量产。其数据中心级SSD涵盖旗舰级9650、高密度6600 ION及主流7600三大系列，其中9650针对NVIDIA BlueField-4 STX架构上的代理AI工作负载优化，支持最高28GB/s顺序读取吞吐量和550万随机读取IOPS；6600 ION系列则提供122TB和245TB版本。

图片来源：美光

• 铠侠是NAND闪存大厂，面向AI存储推出超高IOPS SSD。2026年3月17日，铠侠在东京宣布成功开发全新超高IOPS SSD——GP系列，该产品搭载XL-FLASH存储级内存，面向NVIDIA Storage-Next架构，使GPU能够直接存取高速闪存作为HBM的扩展。针对英伟达上下文内存存储等长上下文推理场景，铠侠还推出了CM9系列PCIe 5.0 E3.S SSD，提供25.6TB TLC容量。2026年10月，铠侠进一步宣布为CM9系列新增直接液冷型号，面向SSD上下文缓存场景，并在圣何塞OCP全球峰会上展示。

图片来源：铠侠

国内厂商的布局则呈现出另一番景象：从闪存原厂到主控芯片，从模组品牌到系统方案，产业链各环节均有代表性企业。

• 长江存储是国内3D NAND闪存原厂，其NAND Flash系列产品广泛应用于企业服务器、数据中心、消费电子等领域。 在AI算力需求驱动下，企业级SSD正成为其核心增长方向。目前，长江存储已推出PE522、PE511、PE501等多款企业级PCIe 5.0固态硬盘，均基于其自研晶栈Xtacking 4.0技术打造。

  
  

• 阿里巴巴旗下平头哥半导体以镇岳510企业级主控为起点，打通从芯片设计到云端部署的闭环。目前镇岳510主控已大规模出货，被忆恒创源、得瑞领新、佰维存储等多家厂商采用，覆盖不同容量、性能和价格区间，并持续优化软件栈和AI框架兼容性。

  
  

• 紫光闪芯是新紫光集团旗下核心AI存储企业，依托完整闪存自研能力，打造了覆盖“从云到端”全栈AI存储产品矩阵。紫光闪芯新一代企业级PCIe 5.0 SSD E5300产品系列面向AI数据中心及核心业务场景打造，采用国产主控搭配SK Hynix 3D eTLC闪存颗粒技术方案，充分挖掘PCIe 5.0协议传输能力，在顺序带宽、随机性能、时延控制、能效等维度实现技术突破。依托全链路可靠性设计、国密数据安全能力与全栈生态适配能力，E5300可支撑大规模数据库、AI训练推理、虚拟化、实时大数据分析等业务运行。

  
  

• 联芸科技作为独立第三方SSD主控厂商，正积极从消费级市场向企业级市场拓展。今年3月，联芸科技推出企业级PCIe 5.0主控芯片MAP1803，支持PCIe Gen 5.0×4 NVMe 2.0接口，采用16CH×8CE架构，IO速率达2400 MT/s，顺序读取速度高达14.5 GB/s，随机读取速度达3.5M IOPS，最大容量支持至512 TB，面向大规模数据中心的高带宽、大容量与高可靠性场景。今年9月，联芸科技联合寅谱推出AI SSD方案，针对端侧推理内存容量墙问题，实现内存占用几乎减半，TTFT降低90%，TPS提升300%，支持通用主流笔记本运行大模型。

  
  

• 忆联是国内全场景固态存储解决方案提供商之一，覆盖企业级、消费级及嵌入式领域。2026年9月，忆联联合英特尔发布了面向Agentic AI时代的高性能KV Cache G3.5方案。该方案以英特尔至强6处理器为核心，基于忆联UH812a企业级PCIe 5.0 SSD构建分层KV Cache架构，覆盖GPU HBM、CPU DDR与远端全闪JBOF三个层级，并通过KVShrink、英特尔QAT、SPDK和RDMA完成端到端优化，为长上下文、多轮交互和高并发Agentic AI推理提供可扩展的缓存基础设施。

  
  

• 大普微是国内少数具备数据中心企业级“主控芯片＋固件算法＋模组”全栈自研能力并批量出货的厂商。今年8月，大普微在FMS 2026首次公开展示512TB QLC SSD，同年10月，512TB SSD亮相2026 OCP Global Summit，引发业界关注。该款产品双盘即可提供1PB闪存容量，实验室测试中，其128K顺序读取性能可达10.3GB/s，128K随机读取带宽可达4.02GB/s，4K随机读取性能达1.756M IOPS，可为大规模AI数据集和数据湖等场景提供高容量、高性能存储支持。

  
  

• 铨兴科技是具备自有制造工厂的AI存储厂商，旗下全资智能制造基地铨天科技位于深圳坪山，实现“设计—研发—封测—制造”产业链闭环，产品覆盖消费级、企业级和AI相关场景。其“添翼AI超显存融合解决方案”以“一卡两用”为核心，使SSD在作为PCIe 5.0高性能固态硬盘的同时，化身为GPU的“外部显存池”。该设计通过让SSD承接海量KV Cache与长上下文数据，降低对高成本HBM的依赖，把板载显存释放给即时计算，从而在有限算力设备上支撑更大模型、更低推理成本。

  
  

图片来源：铨兴科技

了解了AI SSD厂商格局之后，一个更实际的问题摆在面前：AI SSD目前还面临哪些挑战？国内厂商的机会又在哪里？

首要痛点是性能与延迟瓶颈。AI推理对数据访问的实时性要求极高，尤其是KV Cache频繁读写场景下，传统SSD的延迟难以满足GPU算力需求，导致“算力等待数据”。传统SSD面向文件和块数据存储设计，其在高队列深度下取得的峰值IOPS，并不等同于低队列深度、细粒度访问时的稳定延迟。

其次是容量与成本矛盾。大模型参数和上下文缓存数据量激增，需要百TB级甚至更高容量的存储，但高性能TLC SSD成本高昂，而QLC虽容量大、成本低，却面临写入寿命短、性能波动大的问题。传统统一内存架构下，全部模型权重置于DRAM，边缘端AI存储成本将激增。

第三是系统协同复杂性。SSD需与GPU、CPU深度协同，实现数据预取、缓存卸载和智能调度，但当前多级存储架构尚未成熟，存在兼容性和调度效率难题。传统LBA排布不了解模型层、MoE专家、KV块及其访问顺序之间的语义关系，相互关联的数据可能被分散到不同物理位置。为缓解这一问题，部分厂商开始让SSD主动参与推理调度，例如铨兴通过AI Link算法实现GPU显存、内存与SSD之间的三级数据调度，使KV Cache和MoE参数可按热度分层驻留。

最后是供应链与产能风险。NAND闪存产能集中在少数国际厂商，价格波动大。2026年主要NAND Flash原厂几乎无新增产能，在AI需求持续强劲的情况下，全年呈现供给短缺态势。海外大厂产能向HBM、服务器DRAM等高附加值产品倾斜，挤压了传统NAND产能，新建厂房周期长达2~3年，新增产能释放滞后于AI算力催生的存储增量需求。

尽管痛点不少，但行业趋势已经指明了方向。

第一个趋势是SSD进入推理实时主链路。月之暗面的Mooncake和NVIDIA的CMX共同指向一个趋势——推理状态正在成为AI基础设施中的一级资源，存储开始进入Token生成的实时主链路。NVIDIA在Vera Rubin基础设施中建立专门的Pod级Flash上下文层，SSD正在成为推理系统需要直接调度的资源。

第二个趋势是存算协同成为主流架构。从铨兴“添翼AI SSD”的GPU外部显存池设计，到忆联联合英特尔推出的KV Cache G3.5分层架构，再到越来越多厂商开始让SSD参与KV Cache分层与卸载，存储正在从被动承载转向主动参与AI推理的数据调度。

第三个趋势是国产化替代加速。长江存储为国产AI SSD提供核心介质支撑。国内厂商在主控芯片、固件算法和模组的全栈自研上持续突破，部分产品性能已对标国际一线。

第四个趋势是大容量QLC布局领先。在QLC SSD领域，以大普微为代表的厂商已经推出122TB、245TB甚至512TB的产品，并通过算法优化弥补介质短板，抢占AI冷数据存储市场先机。

业界认为，这些趋势背后，国内厂商的机会主要体现在三个层面。一是国产化替代加速，二是全栈自研能力突破，三是场景化创新优势，国内厂商更贴近本地AI客户，能针对KV Cache卸载、RAG向量数据库、边缘推理等场景进行深度固件优化。

业界指出，当前AI SSD产品日益增多，用户选型时容易陷入“只看主控和Flash参数”的误区。实际上，在AI高负载、长时间运行的真实场景中，选型应综合考量多个维度。

场景匹配度是首要考量。企业级AI训练与推理、端侧本地大模型部署、边缘计算等不同场景，对SSD的性能侧重、容量规格和形态要求差异显著。训练场景更看重稳态写入带宽和耐久度，推理场景更看重4K随机读IOPS和延迟一致性，端侧场景则对功耗、体积和容量划分有特殊要求。

主控与Flash规格决定了性能上限和成本边界。主控芯片决定SSD的性能上限和AI场景适配能力，Flash类型（TLC/QLC）则直接影响成本、寿命和容量上限。

但能拉开产品差距的，往往是固件与算法能力。在相同主控和Flash的前提下，固件调度逻辑和算法优化能力是关键。是否针对AI混合读写场景优化、是否支持KV Cache智能调度、是否具备稳态性能保障，直接决定了SSD能否真正满足AI工作负载需求。

而常被忽视但至关重要的一环，是制造与交付能力。在Flash和主控一定的前提下，拥有自有制造工厂的品牌，从供货、研发、生产到价格，竞争力都相对有保障。当前NAND供应紧张、产能向企业级倾斜的背景下，没有自有制造能力的品牌在交期和成本控制上面临更大不确定性。国内厂商中，佰维存储、德明利、江波龙、铨兴科技等均已布局自有工厂或封测制造基地。对用户而言，这意味着在AI项目快速迭代、定制化需求增多的节奏下，固件调整、容量配置和批量交付能够在一个体系内完成协同，而不是层层外协。这类制造能力，正在成为AI SSD选型中越来越重要的确定性来源。

最后是生态适配与服务。企业级部署还涉及与国产CPU、操作系统的兼容适配，以及长期供货承诺和技术支持能力。

AI SSD正在从“概念品类”走向“刚需品类”。当HBM装不下、数据搬不动成为大模型推理的常态，SSD进入实时数据路径已不可逆。对于用户而言，选择AI SSD不仅是选择一块硬盘，更是选择一套能够支撑AI业务长期稳定运行的存储基础设施。在Flash和主控逐渐趋同的行业背景下，拥有自有制造工厂、全栈自研能力和场景化方案交付能力的品牌，正在成为AI存储选型中越来越重要的考量维度。