报告由天风证券发布，聚焦AI存储领域变革，深入分析“以存代算”技术的发展背景、核心机制、企业布局、硬件突破及投资机遇，指出该技术将重构AI存储生态，为半导体行业带来新增长动能。
“以存代算”兴起源于AI推理痛点与HBM瓶颈。当前AI推理成大模型商业化核心，但面临“推不动、推得慢、推得贵”问题：长文本处理受推理窗口限制，中国大模型首Token时延为美国的2倍，吞吐率仅为1/10。HBM虽突破传统DRAM“存储墙”，3D堆叠技术实现高带宽（HBM3单堆栈达819GB/s），但海外垄断（三星、SK海力士主导）、成本高（占AI服务器成本20%-30%）及美国出口管制（禁售HBM2E及以上产品）制约其大规模应用。在此背景下，“以存代算”通过将KV Cache从HBM/DRAM迁移至大容量、高性价比的SSD，实现存储层扩展，首Token时延缩短87%、Prefill阶段吞吐量提升7.8倍、端到端推理成本降低70%。
技术层面，“以存代算”依托CachedAttention技术与多级缓存体系。CachedAttention缓存历史对话KV Cache至HBM+DRAM+SSD，新对话仅需计算新Token，消除重复计算；多级缓存中，HBM存储活跃会话KV Cache，DRAM平衡速度与容量，SSD作为长期存储池承载非活跃数据。硬件端，SSD角色从存储载体升级为AI推理核心组件，需满足大容量、高吞吐、低延迟需求，技术向三方向演进：颗粒上，QLC颗粒兼顾性能与容量（顺序读写达7000MB/s）；接口协议上，以PCIe 5.0/6.0+NVMe为基础，未来融入CXL技术；功能上，向智能化升级（如铠侠研发AiSAQ软件让SSD自主处理AI检索）。
展开剩余77%企业布局方面，国内外龙头积极推进。华为UCM构建智能分级缓存，数据在HBM/DRAM/SSD按需流动，融合稀疏注意力算法，长序列TPS提升2-22倍；浪潮存储AS3000G7优化存储架构，TTFT降低90%、吞吐量提升5倍；焱融YRCloudFile KVCache通过分布式文件系统，将并发支持量提升3.2倍。国际厂商中，铠侠推出CM9（高性能）、LC9（大容量）系列AI SSD，美光发布PCIe 6.0的9650 SSD（28GB/s性能），Solidigm聚焦QLC技术与液冷方案。
报告强调，“以存代算”正从技术理念走向产业落地，将推动SSD需求增速超传统曲线，重塑AI存储基础设施，为半导体行业开辟新增长空间。
免责声明：我们尊重知识产权、数据隐私，只做内容的收集、整理及分享，报告内容来源于网络,报告版权归原撰写发布机构所有，通过公开合法渠道获得，如涉及侵权，请及时联系我们删除，如对报告内容存疑，请与撰写、发布机构联系
发布于：广东省