作者 | 杨依婷
编辑 | 包永刚
在全球科技行业驶入 AI 时代的高速路时，存储产业正经历一场深刻的范式转移，过去周期性波动明显的市场，正被一股强劲而持续的结构性增长力量所主导。这一转变在近日举行的 GMIF 2025 创新峰会上成为共识。
长久以来，存储市场一直都有周期性的波动：当产能过剩时价格暴跌，需求回升又带来短暂反弹。在 AI 需求的带动下，存储行业正进入持续高增长通道。
市场预测显示，2025 年新型存储市场规模将接近 2000 亿美元，同比增长约 17%；到 2027 年，新型存储的市场规模预计将进一步扩大至约 2300 亿美元。
爱集微咨询总经理韩晓敏在 GMIF 2025 创新峰会上分析道：" 这次推动存储行业复苏的动力，不再是手机和 PC，而是 AI 驱动的计算需求。" 他表示，目前，这一增长的主要驱动力仍来自北美互联网巨头的大规模投资，中国虽然在全球 AI 产业中位居第二，但由于先进芯片供应受限，发展能力受到一定程度的制约。
不过，近期包括阿里、字节在内的国内主要互联网企业，纷纷上调了未来几年在云基础设施建设方面的投资计划。韩晓敏认为，这一动向意味着市场的实际增速可能超出此前 17% 的普遍预期，有望达到约 22%。
同时，AI 模型训练的高密度算力需求也让数据量呈指数级增长，这也将推动对存储的需求。闪迪产品市场总监张丹总结了 AI 时代的数据特征—— "4V"：体量巨大、种类多样、价值密集、实时性强，预计全球数据总量将在 2025 年突破 200ZB。"AI 正在让数据从被动存储变为主动驱动，存储性能正决定 AI 体验。" 她强调。
在这一趋势下，市场焦点正从 " 存多少 " 转向 " 怎么存 "，容量扩张不再是竞争核心，更重要的是如何让数据流动得更快、更智能、更节能。更多资讯，欢迎添加雷峰网作者微信 EATINGNTAE。
AI 的高并行计算模式带来了前所未有的带宽与延迟挑战，也推动了以 HBM、AI SSD、CXL 和存算一体为代表的存储技术的发展，韩晓敏指出，这一轮增长的动力已从 " 产能扩张 " 转向 " 架构升级 "。
在 AI 推动的架构变革中，存储产业首先感受到的是带宽与能效的双重压力。传统 DRAM 难以满足大模型训练的需求，HBM（高带宽内存）的出现由此成为产业转折点，它凭借 3D TSV 堆叠和 2.5D/3D 先进封装技术，大幅缩短了数据搬运的物理距离，将内存带宽提升至新的量级，从而充分释放了 AI 芯片的算力潜力。
在 GMIF 创新峰会上，三星电子副总裁 Kevin Yong 介绍，HBM 是目前增长最快的细分市场，通过垂直堆叠和先进封装，为 GPU 提供了远超传统架构的数据吞吐能力，成为训练大模型的 " 刚需 "。与此同时，韩晓敏进一步透露，国产厂商正在迎头追赶，以华为为代表的厂商在自研 HBM 上进展显著，预计 2026 年将实现国产 HBM 的大规模量产，初期产品主要以 HBM3 为主。
HBM 推动了算力端的带宽突破，而 AI SSD 正在重新定义 " 存 "。过去的 SSD 更多追求通用性能极限，如今企业则通过在固件算法层面引入智能调度和数据分级等机制，让存储能够感知并预测计算的节奏，从而极大提升 AI 训练和推理的效率。
英韧科技董事长吴子宁表示，AI SSD 可通过直接连接 GPU 内存通道显著提升训练和推理速度，行业目标是在 2027 年前将 AI SSD 的 IOPS（每秒输入 / 输出操作次数）性能从 " 百万级 " 提升至 " 亿级 "。
然而，算力的提升也暴露了新的瓶颈，澜起科技肖扬指出：" 当前 AI 发展的关键瓶颈已不是算力，而是由‘内存墙’造成的，问题的核心从计算本身，转移到了数据访问的效率上，GPU/CPU 的强大算力因无法及时获得足够的数据而处于闲置等待状态。"
为从根本上缓解数据在计算与存储单元间搬运产生的效率瓶颈，存算一体技术被视为关键路径。北京大学孙广宇教授在报告中系统阐述了这一技术，他认为存算一体并非特指某一种具体介质或形态，而是一个广泛的技术概念，其根本目标是解决 " 内存墙 " 问题，即通过拉近计算单元与存储单元的距离，减少数据搬运的开销，从而提升整体效率。
同时，孙教授强调，不存在一种通用的存算一体技术可以应对所有场景，" 我们会根据存储介质和呈现的场景的需求，做不同颗粒度的融合，未来的方向是构建‘层次化的、异构的存算一体架构’。"
与存储密切相关的 CXL（Compute Express Link）技术也正在成为业界焦点。澜起科技与英特尔联合测试的结果显示，采用 CXL 内存与本地内存混搭的方案，可以达到本地内存 95%-100% 的吞吐量性能，而延迟增加幅度在 5% 以内，大约为 5~10 微秒。
肖扬指出，在典型配置下，该方案最高可降低单服务器内存总体 TCO 达 27%，并且在当前高容量内存价格持续走高的背景下，这一收益更为凸显。在 AI 推理场景下的实验证明，用一颗 CPU 加 CXL 扩展内存，跑同样的模型，最终获得的 Tokens 生成速度与两颗原生内存 CPU 的方案几乎一致，这为在保证性能的同时降低系统功耗与成本提供了新思路。
这些变化标志着存储行业的竞争，已从粗放地 " 堆叠更多芯片 " 转向精细化地 " 组织更高效的数据路径 "。这种本质上的转变，也使得产业合作的焦点必然转向更高阶、更复杂的全链条协同。
AI 驱动：存储产业链的 " 协同突围 "
存储领域的竞争不是单一产品，而是一种系统能力，AI 时代的产业竞争焦点也随之转向全链条协同。从主控芯片设计，到先进封装，再到系统验证，技术创新正在跨越企业边界，形成紧密的生态合作，为 AI 训练、推理和边缘计算提供系统化支撑。
在芯片设计端，联芸科技总经理李国阳介绍，其新一代主控芯片正向 PCIe 5.0/6.0 高速接口与 6nm/4nm 制程升级，并通过 " 实时电源管理算法 " 与 " 健康巡检机制 " 提升能效与可靠性。
在封装端，广芯封装基板研发中心总监陆然指出：" 高性能计算和高性能存储是生成式 AI 和端侧 AI 发展的底层基座 "，而 AI 应用正驱动封装技术快速演进：在算力层面向 2.5D/3D 集成发展，在端侧存储层面追求薄型化，并在高性能存储芯片中广泛应用混合键合等技术。
佰维存储总经理何瀚也表示，" 存和算之间深度融合依托的就是先进封装的能力 "，封装技术构成了其提供存算合封解决方案的物理基础。
而在产品最终验证环节，欧康诺电子科技总经理赵明表示，AI 存储产品必须具备极高的可靠性、性能一致性和极端环境适应性。为此，他介绍其公司推出的高端测试系统能够模拟 -70 度到 150 度的严苛环境，以验证产品能否稳定运行。
这些看似独立的创新，正在形成一条贯穿 " 芯片—封装—系统验证 " 的完整创新链。每一次局部突破，都在为 AI 的系统效率买单，这也正在重塑企业的角色。佰维存储集团总经理何瀚认为："AI 时代，存储企业必须从传统模组厂商转型为解决方案提供商 "，企业需要整合主控芯片、协议标准与封装工艺，为 AI 训练、推理及边缘计算提供系统化方案。
从 HBM 到 CXL，从存算一体到先进封装，这场以 AI 为引擎的存储革命，正在让整个行业完成一次从 " 容量逻辑 " 向 " 架构逻辑 " 的转身。
当算力不再是瓶颈，决定 AI 系统效率的，不是算力峰值，而是数据流动的速度与能效，真正的竞争，不再是 " 谁的存储更大 "，而是 " 谁让数据更聪明地流动 "，在这个意义上，AI 时代的存储，不只是信息的容器，更是智能的发动机。
欢迎添加雷峰网作者微信 EATINGNTAE 进行交流。
