从静态归档到持续调用：2026 AI基础设施峰会看存储角色变化

来源：DOIT 发布时间：2026-04-27 14:33:07

2026年4月17日，由DOIT传媒主办的2026人工智能基础设施峰会在上海召开。从大会讨论的内容来看，有三个值得大众关注的点：

第一，AI时代让基础设施中的存储角色再次发生变化。过去，存储更多是对应保存、归档和读取，数据通常是在需要时被人或业务系统部分调用。现在，在大模型应用场景中，外部知识库与检索增强（RAG）、长上下文、行为记录和多轮任务状态等数据，由大模型进行持续存和反复调用，在更长链路中服务模型决策。存储，尤其是闪存，开始成为支撑AI长期记忆与持续调用的重要数据底座。

第二，AI效率不只看GPU，数据传输速度是决定因素之一。GPU堆得再多，如果数据准备慢、搬运慢、调用慢，依然会导致效率低下。训练阶段是这样，推理阶段也是如此。尤其在企业级AI场景中，真正影响体验的，不是单点峰值算力，而是端到端链路是否顺畅。存储能否提供更低时延、更高带宽和更稳定的服务质量，会直接影响AI服务部署的实际效果。

第三，从大模型训练到长上下文推理，存储正在承接更大的数据压力并基于新需求重新分层。训练需要持续吞吐更大规模的数据集，推理则同时面临RAG和长上下文带来的存取压力。随着AI数据湖持续扩容，数据准备本身也成为AI基础设施的重要一环。

总的来说，AI时代的数据压力是贯穿训练、推理、数据准备和长期调用全过程的。这也是大容量、高密度闪存路线关注度增加的主要原因。

存储分层方向，一个是训练、推理和服务部署需要的高性能低时延存储层，还有数据湖、数据准备、外部知识存储则所需要的大容量、经济型总体拥有成本的存储层。

闪迪亮相2026 AI基础设施峰会

以产品为示例，大会期间，闪迪展出的存储系列产品，可以更好地理解这些观点。

在企业级数据中心侧，闪迪走的是两条很清楚的产品路线。一条对应高性能层，一条对应大容量层。

其中，SN861 NVMe SSD是面向训练、推理和AI服务部署的高性能层产品。它采用PCIe ? 5.0接口，容量高达16TB1，强调低时延、较强的随机读写能力和更快的响应速度，适合大语言模型训练、长上下文推理和关键任务负载。

SN861没有追求单点性能参数，更多服务于企业级AI场景对稳定性和全生命周期效率的要求。比如，它兼容NVMe 2.0和OCP 2.0规范，支持1次或3次每日全盘写入（DWPD）2，并提供5年有限质保3。

更重要的是，新一代产品全部接口形态和全容量都支持FDP（Flexible Data Placement）功能。SSD不是把数据写进去就完了，实际写入过程中，数据会不断更新、覆盖、删除。为了腾空间，SSD内部经常要垃圾回收还有整理数据。如果各类冷温热数据混在一起，SSD就会频繁搬运数据，导致原本只写一次的数据，可能在盘内被多次重写，造成写入放大（WAF）。

FDP的核心价值是通过更合理的数据放置策略降低写入放大（WAF），从而延长SSD寿命，并改善性能和服务质量（QoS）。对企业用户而言，这是闪迪关注长期运行中的稳定性、寿命和成本的表现。

SN670 NVMe SSD则是另一类需求——AI数据湖、数据准备和知识库存储的大容量层。基于闪迪大容量企业级UltraQLC?平台，SN670容量高达256TB1。它背后整合的是BiCS8 QLC CBA NAND闪存技术、定制化控制器和系统调优能力，目标很明确——在有限空间和功耗约束下，把容量密度推得更高。

SN861和SN670两款企业级SSD，一类产品服务训练和推理，一类产品服务数据湖和数据准备，对应AI时代存储分层的变化。

此外，闪迪对AI相关存储的布局并不只是数据中心。随着本地化AI处理能力和车载AI系统的发展，闪迪还在移动端和汽车领域推出了新款UFS 4.1闪存产品。

移动端，闪迪推出iNAND? MC EU721嵌入式闪存驱动器，把QLC路线进一步带入智能移动设备，是闪迪首款面向智能移动设备的QLC UFS 4.1产品，满足新一代移动智能平台对容量、速度和可靠性的同步要求。