一直以来，算力、数据、算法作为驱动大模型发展的“三驾马车”已是行业共识，而如今伴随大模型的发展，此前Scaling Law指引下的算力竞赛是AI发展的上半场，那么以大规模应用为核心的AI落地竞赛，已然将先进存力推至产业竞争的聚光灯下。
▲平头哥半导体镇岳510 SSD主控芯片
具备大容量、低时延、高能效、高带宽、高可靠、低成本六大特性的镇岳510，既是阿里云AI存储体系的核心底座，更释放出成为AI产业存储能力升级“芯引擎”的潜力。
稳定、高效、安全的数据存储在大模型时代至关重要。
一方面，传统的冷热数据概念被颠覆，以往因访问频率低被称冷数据的信息，现在也可以在大模型场景发挥作用，大模型的精准度、泛化能力高度依赖海量、高质量且多样化的数据支撑；另一方面，其在训练阶段所需的大规模标注数据、文本图像音频等异构数据、推理过程中实时调用的动态数据、模型优化时依赖的反馈数据，都需要数据存储体系承载。
可以说，在一定程度上数据存储直接决定了大模型的发展上限与应用价值。
当下，千亿、万亿级别参数规模的大模型诞生，就意味着其训练过程可能需同时承载TB级的模型参数、PB级的训练语料及TB级的中间计算结果，还要维持在长达数月训练时间内的系统稳定，避免因中途数据丢失或损坏导致训练流程中断。
再加上大模型存储集群芯片能耗、成本控制，这意味着存储芯片的核心竞争力成为容量、速度、能效、兼容性、可靠性的多维协同。
而兼具高性能与低成本双重核心优势的平头哥镇岳510，与大模型时代数据存储在这些维度的需求高度契合。
为了更为直观对比其性能与大模型训练的需求，平头哥半导体技术服务专家杨泽宏举例说，公开数据显示GPT-3在几个月的训练时间内，GPU利用率不到40%，其中大部分时间都在进行故障恢复、数据预处理。这是当下大模型训练效率提升的一大难点。
这种兼具高可靠性与稳定性的数据存储系统，就使得AI训练集群提高GPU利用率、降低训练成本水到渠成。
这些能力的落地，背后是平头哥清晰的技术战略，将发力点集中在性能提升与容量扩大两大方向上，其本质就是破解当前存储芯片瓶颈，适配AI场景的核心需求。
首先在性能提升层面，平头哥看到了两个市场机遇。
其一是市场需求的急迫性，杨泽宏提到，性能在云存储当中有着巨大价值，特别是高性能缓存可以解决数据延迟、数据不一致等问题。
其二是傲腾技术的退出，英特尔此前宣布将彻底关停傲腾技术相关业务，这意味着业界急需一种能够解决高性能缓存需求的更优方案。
平头哥瞄准了pSLC技术，杨泽宏进一步透露，他们采用传统的TLC介质，通过固件与电压控制技术也就是仅施加高低两种电压信号，将TLC的单个存储单元切换为SLC模拟模式。
这样一来，可以提升大模型训练前数据准备的效率，因为其对数据进行清洗、格式化、标注等操作往往需要全局频繁随机读写。
其次是扩大存储容量，平头哥的策略是前瞻性布局。
杨泽宏解释说，平头哥的布局之一是提早规划、适配未来5~6年可能出现的更多介质。
目前，诸多存储介质厂商提出QLC、OLC和PLC，可以预见未来芯片单位封装的容量会持续提升，这随之而来的挑战就是，如何协同底层算法优化、负载均衡、充分发挥大容量介质的作用。
在此基础上，镇岳510和阿里云协同探索ZNS（分区命名空间）+QLC存储解决方案。
相比于现在业界主流看好的FDP方案，杨泽宏谈道，他们选择ZNS有两大原因，一是FDP无法释放冗余杂质，二是ZNS可以降低对DRAM的占用。随着存储介质迭代，单个存储单元需承载更多bit数据，导致介质本身的可靠性下降，为对冲这一风险，介质厂商趋向于提供更大OP（预留空间），而FDP无法释放OP就使得存储介质的低成本优势大打折扣。
平头哥与阿里云正深度协同合作，积极探索这一解决方案的应用。
综合来看，作为平头哥旗下首款SSD主控芯片，其于2023年11月发布至今，以阿里云数据中心为起点，正在更多AI核心场景释放价值。
大模型发展至今，可以肯定的一点是，存力的核心价值正在被重新定义，其作为AI效能的核心枢纽价值凸显。
今年8月，中国信息通信研究院发布了《先进存力中心研究报告（2025）》，其中提到我国数据生产量逐年增长，存力建设略显滞后，数据仍存在“应存未存”现象。
据《全国数据资源调查报告》所示，2023年至2024年数据年产量增速25%，数据存储总量增速为20.81%，这意味着存力缺口存在，在大模型飞速发展的同时持续强化存力建设迫在眉睫。
一开始就锚定高性能、高可靠性、低成本的镇岳510，内置RISC-V多核CPU，可以提供强大的算力支持，能适应AI、数据库、云计算等高性能应用场景，已经站上这一波先进存力竞赛的第一梯队。
而这仅仅是AI存力竞赛的起点，AI需求仍在飙涨，正迫切呼唤性能更强、容量更大、SSD容量开销更低、功耗更优的存储芯片加速诞生。
杨泽宏谈道，随着大模型应用大规模铺开，其需要降低实时推理时延、支撑更大容量，其必备的两大指标就是高带宽、大容量，未来或许可以达到一颗主控芯片实现PB级容量。
针对上文提到的超大OP趋势，其需要降低内部存储容量开销，迭代算法优化释放OP，基于片内RAID提高数据、空间的利用率。
最后是针对大型AI集群算力带来的能量损耗，针对其中数量较多的核心部件，降低SSD的功耗可以显著降低整个数据中心能源损耗。
一方面可以通过制程演进降低主控芯片本身的功率密度，另一方面可以通过先进的电源管理模块，实现低功耗模式高效运行，同时让发热量尽可能保持平稳，制冷系统的功率也相对平稳。
此前AI Infra建设多以算力规模为核心指标，而当算力密度不断增大，与之深度绑定的存力，其重要性也随之愈发凸显，成为不可忽视的关键支撑。
在大模型驱动的先进存力时代，数据的价值早已超越存储留存的基础范畴，单纯将数据存起来只是满足了AI运转的前提，而通过存储体系的优化让数据被高效利用起来，才是释放数据价值、撬动AI效能的关键。
作为存储主控芯片赛道的后来者，平头哥镇岳510短短几年已成功通过了阿里云存储和多家硬盘厂商的检验，这也意味着在存力领域，镇岳510已经拿到了一张门票。当然，这只是故事的开端，面向即将爆发的AI推理市场，镇岳还有巨大的想象空间。
