中国经济导报、中国发展网 记者崔立勇报道
第五届GMIF2026创新峰会不久前在深圳举办。深圳市存储器行业协会会长孙日欣在开幕致辞中介绍，本届创新峰会报名参会人数接近3000人，主会场座无虚席。一个存储行业的专业会议受到如此关注，与中国数字经济（885976）的迅猛发展特别是AI的高歌猛进密切相关。
存储行业经历的不是简单的周期（883436）性回暖。世界半导体（881121）贸易统计组织预测，2026年全球半导体（881121）市场规模将达到1.51万亿美元，其中存储芯片（886042）销售额同比上升约250%。这意味着，今年存储芯片（886042）一个品类的市场规模，已经超过2025年全球半导体（881121）市场的总和。GMIF2026上几十位嘉宾的密集发言，从资本、技术、产品、应用等不同角度，回答了同一个问题：当AI从训练走向推理，存储在整个计算体系里扮演的角色正在发生改变。
资本正在向存储倾斜
摩根士丹利（MS）执行董事颜志天在演讲中给出了判断：存储在云厂商资本开支中的占比，将从2026年的接近五成提升到2027年的53%，如果把HBM包含进来，占比还会更高。他预计，到2028年，主力厂商台积电（TSM）的CoWoS封装月产能有望翻倍，主要供货英伟达（NVDA）、博通（AVGO）等客户。
颜志天预计，2030年全球半导体（881121）市场规模达到1.5万亿美元，其中存储、GPU在内的AI半导体（881121）约占一半。
过去建数据中心，钱主要花在买GPU和服务器上，存储是配套。现在，存储本身成了最大的开销项之一。集邦咨询的数据也印证了这一趋势，其大幅上调了全球存储器产值预估，预计2027年达到1.28万亿美元，同比增长约44%。
数据中心从成本中心变成“Token生产中心”，投入产出就要按Token来算账，存储的位置自然就从后端容量池变成了决定产出效率的关键环节。
闪迪（SNDK）资深产品市场总监张丹表示：“AI数据中心不再被简单定义为成本中心，而是转变为价值中心和产能中心。”她认为，行业评估体系从总拥有成本变为总价值产出，存储尤其是NAND从通用件变成了战略性核心部件。
“有效Token”每一步都离不开存储
企业的AI基础设施正在从“买了多少卡”转向“产出了多少有效Token”。
联想中国基础设施业务群服务器事业部总经理周韬在演讲中提出了计算公式：“有效算力等于峰值算力乘以利用率乘以稳定系数。”
周韬解释，很多企业买了大量GPU，纸面算力数据很高，但真正跑起来，生成任务在排队，延迟长，用户体验差。“过去衡量算力，习惯看GPU卡数；如今企业采购算力、部署大模型，本质上采购的是有效产出的Token服务，Token已经成为AI时代的新型商品。”
杰创智能（301248）首席智算架构师张帆进一步拆解了Token工厂的工作流程：数据就绪、任务调度、模型运营，每一步对存储的要求都不同。训练时需要并行文件存储和多节点共同加载，推理时KV Cache需要高速存取和共享，归档时又需要大容量、低成本介质。
张帆强调，一个智算中心建完，卡、电、大楼到位了，真正的Token生产才刚刚开始。
张丹比喻KV Cache的关键角色：“固态硬盘持续为Token生成提供数据支撑，它其实就是Token的电池。”她说，推理分为Prefill和Decode两个阶段。Prefill像是一次性把问题读懂，计算密集；Decode则是一个Token一个Token地往外蹦，每蹦一个都要回头查之前算过的内容。这个“查”的过程，靠的就是KV Cache。上下文越长，KV Cache就越大；多模态输入、多轮对话、智能体反复调用，KV Cache的规模会迅速膨胀。
三星电子副总裁、Memory事业部首席技术官Kevin Yoon给出了直观对比：中国AI今年处理的数据量达到140万亿Token。他用国家图书馆做参照——国家图书馆有超过1400万本书，大约相当于6万亿Token。也就是说，中国AI一天处理的数据量，超过国家图书馆全部藏书的20倍。Kevin Yoon透露，三星针对KV Cache共享存储推出了PCIe Gen6 SSD，计划在今年第四季度送样。
北京大学集成电路学院院长蔡一茂从技术路径上分析，HBM迭代面临先进工艺、良率、散热等多重工程难题，产能扩张速度跟不上AI业务增长。在此背景下，HBF高带宽NAND、RRAM等替代方案进入产业视野。他判断，各类新技术并非要完全替代成熟存储产品，而是构建多层次存储体系，为不同商业场景提供差异化选择。
可靠的存储产品需要多环节支撑
Token的产出效率，越来越取决于数据能不能及时、稳定、低成本地供给到计算单元。
Arm全球存储业务负责人John Xavier Lionel分析：从云到边到端，计算、内存、存储和数据搬运需要整体平衡。他举例：100万台设备，每台每天20次AI交互，每次交互产生500个Token，一天就是100亿个输出Token。“并不意味着所有这些Token都应该从云端迁移到边缘，关键是把合适的工作负载放在合适的层级上。”
星河智联AI产品总监陈俊嘉介绍了汽车场景中的具体应用。用户说“车里有点闷”，系统需要结合内外循环状态、车门是否关闭、是否在高速上等信息，判断是开窗还是开外循环。这种主动服务依赖端侧的多模态感知和实时推理，对存储的读写速度和可靠性都有要求。
“是否到了以存储为最高优先级、反向定义推理硬件的时代？”寅谱CTO熊巍表示，MoE模型虽然体积很大，但单次推理只激活少部分专家，这给AI SSD提供了技术可能性——把不常用的专家权重放在SSD里，把高频使用的部分留在DRAM和HBM中。
联芸科技（688449）存储事业部副总经理金烨介绍了与寅谱联合推出的AI SSD方案，给出的数据是：通过将模型权重和KV Cache分层存储，内存使用量几乎下降一半，首Token延迟下降90%。
大数极限董事长叶云杰用了20年时间做SSD主控芯片，“拼命想办法用SSD替代HDD”，现在反过来了——“用HDD和SSD并驾齐驱，在大部分场景替代SSD。”他给出的方案是PMD，通过多磁头并行和PCIe Gen5接口，把HDD的接口带宽从6G提升到128G。“我不是提高转速，7200转不变，甚至还想降一点，因为可靠性会更好。”
Solidigm亚太区销售副总裁倪锦峰在演讲中谈到了KV Cache带来的架构变化。传统互联网公司有很多历史性的架构体系，在做KV Cache分层时挑战比较大，“但也有没有任何历史包袱的，从开始就是为这种场景选择架构，起步就会比较快。”他总结，当存储成为AI系统的核心参与者，功耗和散热就不再是“可选项”。
芯展速副总裁李蓁在演讲中把云边端的需求差异总结为云端关注平台规模和协同，边侧关注企业推理效率与部署经济性，端侧关注本地服务和实际体验。芯展速围绕“以存强算”构建产品组合，其中一款产品单盘最高容量达到122.88TB，另一款产品读延迟降低超过25%。
欧康诺总经理赵铭提醒，存储产品从研发到量产，测试决定了一致性和可靠性。他介绍，欧康诺推出了PCIe 6.0 eSSD测试机，并在系统中植入了自诊断系统，机器可以24小时自己诊断硬件问题，“避免因为测试设备故障导致误判，花一两天分析，结果发现方向都是错的。”
慧荣科技（SIMO）AVP黄士德从主控角度分享了多智能体并发场景下的存储需求。他提出的PerformaShape技术，通过给不同任务分配不同的QoS ID，让SSD控制器根据场景调配资源，写入一致度从62%提升到93%，读取一致度从74%提升到95%。
