Related articles
AI 推理时代，算力狂奔，但内存却掉队。
过去二十年 GPU 单精度算力提升了四个数量级以上，AI 产业的注意力长期被芯片与网络占据，「算力焦虑」 几乎成了行业的核心叙事。但随着大模型从实验室训练走向规模化产业落地，一个更隐蔽的瓶颈正在浮现：显存带宽与容量的线性增长，早已追不上算力狂奔的脚步。
AI 算力越堆越多，GPU 却在等数据。「内存墙」 之下，存储正从幕后的数据仓库走向台前，成为决定 AI 体验上限的关键变量。芯展速副总裁李蓁指出，"下一个十年，算力的差距会缩小，存力的差距才会决定谁跑在前面。"
内存掉队
过去谈及 AI 基础设施，算力芯片与高速网络是绝对的主角。行业的普遍认知是，只要算力堆得足够多，AI 的能力就有保障。但当大模型参数跨过千亿，上下文窗口扩展到百万 Token 以及 Agent 应用批量兴起，在新需求下，旧供给已经跟不上，内存被卡了脖子。
「AI 是基于数据实现的智能化应用，数据的规模、处理速度与流动效率，直接决定了 AI 智能体的智能化程度。」 李蓁打了一个比方：就像一个人掌握的一手数据越多、知识越渊博，应对复杂场景的判断就越精准。AI 要真正融入千行百业，就需要持续喂养海量数据，而数据的承载、流转与调度，都离不开存储。
这也解释了存储为何在近两年迅速升温，从来没有任何一种应用，像 AI 这样对数据有着极致的规模与效率要求。要知道，早期 AI 存储只需要满足模型训练的高吞吐、大容量需求，而如今 AI 数据管道覆盖采集、清洗、训练、检索、推理、反馈全链路。
数据不再是静态存放的资产，而是在全流程中持续流动的生产要素。如果数据流动受阻，再强的算力也只能陷入等数据的空转。换句话说，以前的问题是算得慢，现在更常见的问题是等着数据送过来。
「数据是新时代的石油，但更重要的是下半句。」 李蓁表示，「石油需要经过冶炼才能成为燃料与化工原料，数据也需要在顺畅的链路中流转、处理，才能真正转化为生产力。当算力不再是绝对瓶颈，数据流动的效率就成了新的短板。」
分层逻辑在 AI 时代失效
企业级 AI Agent 场景对性能和数据安全提出极高要求，需防止 AI 幻觉导致的数据误删，确保集群安全可控运行 。传统基于不同软硬件搭建的碎片化基础设施存在搭建运维复杂、可靠性低、安全性不足及整体拥有成本 （TCO） 增加等问题 。
在 AI 爆发之前，分层存储是行业延续了几十年的主流方案：根据数据访问频率，将热数据存放在高性能存储介质，冷数据沉降到低成本层级，以此平衡性能与成本。但这套运行了数十年的逻辑，在 AI 时代正在失效。
分层架构的核心痛点，在于数据跨层搬运的隐形损耗。AI 数据生命周期里，同一份数据时而需要高性能读写，时而需要低成本大容量存储，在传统分层架构中，数据需要在不同层级间反复迁移。
「搬运的过程就会产生巨大开销，GPU 长时间处于等待状态，设备持续上电却没有产出，这些成本最终都会由用户买单。」 李蓁坦言，多套系统、多类介质对应不同分层，也让架构设计、软件开发与日常运维的复杂度指数级上升。
针对这一痛点，芯展速与 VAST Data 面向云端 AI 存储提出了 「架构之上无分层」 的解决方案：上层构建统一的数据平台，让应用只看到一套系统、一份数据，无需感知底层介质差异。底层则通过不同介质的精准分工，分别承担性能、容量、持久化等不同角色。
李蓁认为，AI 存储演进的一个重要方向，就是走向无分层的统一数据平台，而不是多个割裂的层级。
需要指出的是，在全新的方案逻辑下，单凭一家很难去做到通路的打通，而是需要做系统的软件厂商与做硬件的存储厂商深度协同，并非 「各做各的」。底层介质需承担更清晰的角色分工，包括高性能、容量经济性、低延时高耐久及全局持久化 。
在李蓁看来，无分层架构的体验上限，由上层架构设计与底层硬件能力共同决定，VAST Data 定义了无分层的统一架构，提出了对底层介质的差异化需求。「架构之上无分层」 定义的是系统架构，芯展速解决的是介质层怎么支撑它。
据介绍，围绕写入缓冲、容量经济与关键负载性能三个角色，芯展速以 SCM、QLC、TLC 产品组合分别承接。其中，SCM 承担低延迟、高耐久的写入缓冲与全局状态持久化，QLC 主打海量数据的容量经济性，TLC 保障高并发关键负载的性能弹性。
存储不再是算力的附属品
让存储参与计算，以存力强化算力。AI 产业正在回归数据的本质，存储不再是算力的附属品，而是释放算力潜能、实现算力平权的核心底座。不过，当算力狂奔的脚步放缓，随着 AI 走进更多行业，数据这一层的变革才刚刚来到深水区。
李蓁表示，未来三到五年，最大的变化将是数据存储的下沉与分化。各行各业的用户都会产生定制化的模型与数据，大量个人数据、业务数据需要在本地存储与处理，以存强算、存算协同的边缘与端侧场景，会成为新的增长主线。
但机遇背后，挑战同样清晰。首先是技术迭代的压力，AI 数据的增长速度远超行业预期，对存储的性能、容量、耐久度要求还在持续提升，无分层架构的优化没有终点，还有很长的路要走。
另一个则是行业周期的波动，任何新技术都不会保持直线增长，行业必然存在有周期性的起伏。
如何在行业热潮中积极投入抢占技术制高点，同时避免盲目的技术堆砌，在周期波动中保持稳健节奏，是芯展速需要长期面对的命题。（本文首发于钛媒体 APP，文 | 志读科技，作者 | 杜志强，编辑 | 杨林）
