进入2025年，AI应用的爆发式增长已经不再是“未来预测”，而是正在重塑整个IT基础设施的底层逻辑。从大模型的训练推理，到智能体（Agent）的实时交互，再到物理AI在工业场景中的落地，数据量级和访问模式都发生了根本性变化。传统存储架构在带宽、延迟和能效上的瓶颈日益凸显，而闪存技术——尤其是高密度、低成本的QLC（四层单元）3D NAND——正成为破解这一困局的关键。近日，铠侠（Kioxia）与闪迪（SanDisk）联合发布了第九代2Tb QLC 3D闪存，这不仅是存储密度的一次跃升，更是对AI应用场景专门优化的里程碑式产品。本文将深入解析这项技术背后的创新、对行业的影响，以及它如何与当前最热门的AI工具导航等生态协同，推动整个科技产品市场的变革。
存储需求的AI新纪元：从生成式AI到智能体与物理AI
AI应用的演进正在以指数级速度推高存储需求。生成式AI，如ChatGPT、Midjourney等，需要海量数据集进行训练，并在推理时频繁读写大模型参数。而随着AI向智能体（Agent）和物理AI（如人形机器人、自动驾驶）发展，数据利用变得更加多样化和复杂化。智能体需要实时访问知识库、历史对话记录和多模态数据，物理AI则需要在边缘端处理高帧率传感器数据，这些都对存储的容量、带宽和功耗提出了全新挑战。
铠侠首席技术官宫岛英史在发布会上明确指出：“随着AI应用从生成式AI向智能体和物理AI扩展，数据利用日趋多样化和复杂化。”这句话背后，是存储行业必须面对的核心矛盾：一方面，数据量成倍增长，需要更大的单芯片容量；另一方面，AI工作负载往往要求极高的随机读写性能和低延迟，而传统QLC闪存在大容量下往往牺牲了速度。
第九代2Tb QLC闪存正是在这一背景下诞生的。它采用单片2Tb（即256GB）的容量，非常适合构建高密度固态硬盘（SSD），满足数据中心和边缘计算对单位面积存储密度的极致追求。值得注意的是，该产品专门面向“AI基础设施及数据密集型应用场景”，这并非一句营销话术——从架构设计、接口速度到功耗优化，每一个指标都指向了AI工作负载的特性。
与此同时，AI应用生态的繁荣也催生了大量实用工具，例如AI画图工具在生成高分辨率图像时需要大量缓存，而文生图模型在推理过程中对存储的随机读写要求极高。这些工具的发展反过来又驱动了存储技术的迭代，形成一个正向循环。
第九代QLC的技术突破：6平面架构与接口速度飙升33%
从技术层面看，第九代QLC的亮点在于架构创新与性能提升的双重突破。首先，它采用了全新的6平面（6-Plane）架构，而前代第八代QLC产品通常为4平面或更少。所谓“平面”，是指NAND芯片内部并行操作的独立区域。增加平面数量意味着可以在同一芯片内同时执行更多读写操作，从而显著提升并行度，提高带宽和降低延迟。
根据官方数据，第九代QLC的NAND接口速度达到4.8Gb/s，较第八代提升了33%。这并非简单的时钟频率提升，而是通过优化电路设计、信号传输协议以及CMOS与存储单元的协同工作实现的。4.8Gb/s的接口速度意味着数据从NAND芯片到控制器之间的传输速率大幅加快，这直接关系到SSD的连续读写性能和随机访问性能。
在能效方面，官方宣称新设计改善了读写功耗效率。通常，QLC闪存在写入时因为需要多次编程（4个电压电平），功耗较高，而第九代产品通过改进编程算法和电路，降低了每次操作的能耗。这对于超大规模数据中心来说至关重要——散热成本和电力成本占据了运营开支的很大一部分，任何能效的提升都能转化为实实在在的经济效益。
此外，第九代QLC在保持与第八代相同物理尺寸的前提下，将容量翻倍至2Tb。这意味着在同样的封装面积内，可以存储更多数据。这对于大模型训练这类需要海量数据集的场景尤为重要——训练一个千亿参数模型可能需要数PB的存储空间，而更高密度的闪存能显著减少硬盘数量，降低功耗和故障率。
CBA架构：CMOS与存储单元的“分而治之”艺术
第九代QLC闪存的核心技术之一，是铠侠与闪迪共同开发的CMOS直接键合阵列（CBA）架构。这并非全新的概念，但这次的应用展示了其强大的灵活性。
CBA架构的核心思想是将CMOS逻辑电路（负责控制、缓存、接口等）与存储单元阵列（负责存储数据）分别制造在不同的晶圆上，然后通过先进的键合技术直接连接。这种“分而治之”的方法带来了三大优势：
1. 工艺解耦：CMOS逻辑电路通常需要更先进的制程（如12nm、7nm）来提升速度、降低功耗；而存储单元阵列则更适合用成熟制程（如3D NAND的堆叠技术）来优化密度和成本。CBA架构允许两者独立优化，采用各自最适合的工艺节点，从而兼顾性能与成本。
2. 设计灵活性：CMOS部分可以独立升级，而不必等待存储单元阵列的工艺成熟。闪迪首席技术官Alper Ilkbahar在发布会上对此表示：“第九代QLC技术展示了CBA架构在分别推进CMOS和存储技术创新方面的灵活性。”这意味着未来可以快速迭代逻辑电路，提高接口速度，而存储单元阵列则可以继续在堆叠层数上做文章。
3. 良率提升：将复杂电路分散到两个晶圆上，降低了单一晶圆的设计复杂度，有助于提高整体良率，降低生产成本。
CBA架构对AI应用的影响是深远的。AI工作负载往往需要频繁的随机访问，而CBA架构通过将高速CMOS逻辑贴近存储单元，缩短了信号路径，降低了访问延迟。同时，它也为后续集成更多功能（如片上计算、近存储计算）留下了空间。
性能提升对AI工作负载的实际意义
接口速度提升33%看似是一个数字，但在实际AI场景中能带来可衡量的变化。以大模型推理为例，模型参数通常存储在SSD中，当推理请求到来时，需要快速加载相关参数到内存或显存。如果SSD的接口速度成为瓶颈，推理延迟就会显著增加，影响用户体验。
第九代QLC的4.8Gb/s接口速度，配合6平面架构，能够提供更高的队列深度，支持更多并发请求。这意味着数据中心可以用更少的SSD满足同样的IOPS（每秒输入输出操作数）需求，或者在同数量SSD下获得更高的吞吐量。据估算，在4K随机读取场景下，第九代QLC的IOPS性能可能提升15%-25%以上。
对于AI模型训练，数据预处理阶段需要大量读取原始数据（如图像、文本、视频），这些数据通常以大型文件形式存储，更考验连续读取带宽。第九代QLC的连续读取速度大约比第八代提升30%左右，能够显著缩短数据加载时间，减少GPU空闲等待，提高训练效率。
此外，QLC闪存虽然写入速度相对较慢，但通过SLC缓存（模拟单层单元）技术，可以吸收短时突发写入，提升写入体验。第九代QLC在SLC缓存算法上也做了优化，使得缓存容量和命中率更高。
值得一提的是，这些性能提升并不需求全新的控制器或接口——第九代QLC仍然兼容现有的PCIe 5.0/6.0接口标准，企业用户可以平滑升级。对于正在部署企业数字化转型方案的公司来说，这是一项非常务实的工程选择。
存储行业格局重塑：QLC的崛起与竞争态势
第九代QLC闪存的发布，不仅是铠侠和闪迪的技术里程碑，更可能引发整个NAND闪存市场格局的变化。
目前，NAND闪存市场主要分为三个阵营：三星、SK海力士（含Solidigm）、铠侠/西部数据（闪迪是西部数据旗下品牌）。在QLC领域，各家都在争夺大容量企业级SSD市场。三星的第八代V-NAND（1Tb QLC）已经量产，SK海力士的321层4D NAND（1Tb QLC）也在推进。铠侠/闪迪此次直接跳过1Tb，推出2Tb QLC，在单片容量上领先一步。
更大的单片容量意味着在同等SSD尺寸下，可以实现更高的存储密度。例如，一款2.5英寸U.2 SSD如果采用128颗2Tb芯片，可以实现32TB的容量；而采用1Tb芯片则需要256颗，不仅增加成本，还面临散热和功耗挑战。因此，第九代QLC将在数据中心、边缘服务器、AI基础设施等场景中形成竞争优势。
同时，CBA架构的灵活性也给了铠侠/闪迪更多战略腾挪空间。他们可以更快地迭代CMOS部分（比如加入更高效的纠错码、更快的接口），同时保持存储阵列的稳定，从而在技术迭代速度上追赶甚至超越对手。
对于科技产品市场而言，这一发展也意味着消费者和企业用户将很快看到更便宜、更高速的SSD。虽然QLC通常用于大容量存储，但技术进步可能让部分高端消费级产品也受益。例如，AI工具导航网站上的AI绘画、视频处理工具，需要大容量且高速的存储来缓存和加载素材，第九代QLC的普及能显著降低这些工具的使用门槛。
未来展望：3D堆叠、AI原生存储与生态协同
第九代QLC闪存只是存储技术演进中的一个节点。展望未来，我们可以预测几个方向：
第一，堆叠层数继续攀升。 铠侠已经在2024年展示了第十代332层QLC NAND闪存，接口速率同样达到4.8Gb/s。第九代与第十代产品的并行推出，表明铠侠/闪迪希望在短期内实现“两代同堂”的灵活产品组合，满足不同客户对成本和性能的偏好。
第二，AI原生存储架构的出现。 随着AI工作负载的多样化，存储系统需要从“被动响应”转向“主动优化”。例如，未来SSD可能会内置专用AI加速器，用于执行数据预处理、压缩、去重等操作，减少CPU/GPU的负担。CBA架构为这种“近存储计算”提供了物理基础，因为CMOS部分可以集成更多逻辑功能。
第三，生态协同的深化。 存储厂商与AI芯片厂商、云服务商的合作将更加紧密。例如，英伟达的GPUDirect Storage技术允许GPU直接访问NVMe SSD，减少数据搬运延迟，而第九代QLC的高带宽特性正好能发挥这一技术的优势。此外，像AI网名、艺术签名这类轻量级AI应用，虽然对存储要求不高，但它们的普及会让更多用户接触AI，从而间接推动整个AI基础设施的扩张。
最后，成本与可持续性的平衡。 大容量QLC闪存正在逐步替代机械硬盘（HDD）在数据中心中的角色，尤其是在“热数据”和“温数据”层。随着第九代2Tb QLC的量产，每TB成本有望降至HDD的2倍以内，但性能优势是HDD的数十倍，这将促使更多企业放弃混合存储方案，转向全闪存数据中心。
总而言之，第九代QLC闪存不仅是技术的胜利，更是AI应用驱动下的产业变革缩影。对于从业者来说，关注这一代产品的落地情况，就是把握未来两到三年存储市场的脉搏。
结语：存储，AI时代的隐形基石
AI应用的火热让所有人将目光聚焦于GPU、算力、大模型，而存储往往被忽视。但正如铠侠和闪迪此次发布所揭示的，没有存储技术的同步进化，AI的规模化落地将寸步难行。第九代2Tb QLC闪存，用4.8Gb/s的接口速度、6平面架构和CBA架构，向行业展示了一个清晰的信号：存储正在成为AI应用创新的核心变量之一。
无论是企业CIO在规划数据中心，还是个人开发者在使用抠图工具制作素材，抑或是研究人员在探索AI Agent技术的边界，底层存储的每一次进步都在默默支撑着这些应用的运行。下一次，当你惊叹于AI生成图像的逼真时，也许可以想一想，正是那些在芯片内部以每秒4.8Gb速度流动的电子，让这一切成为可能。