在數字化浪潮中，人工智能（AI）技術發展迅猛，從語音、圖像識別，到自然語言處理、智能推薦系統，已廣泛融入各領域。作為 AI 運算核心的服務器，其存儲配置正經歷深刻變革，以滿足 AI 嚴苛的數據處理需求。

AI 工作負載對存儲的特殊要求

AI 工作負載獨具特性。一方面，數據量極為龐大。例如圖像識別訓練模型，需大量圖像數據；自然語言處理也不例外，訓練精準理解和生成語言的模型，要處理海量文本語料庫。另一方面，數據讀寫實時性要求極高。AI 模型訓練時需持續讀取訓練數據迭代更新，稍有延遲就會大幅降低訓練效率。以自動駕駛汽車的 AI 模型訓練來說，為模擬復雜路況，要實時處理大量傳感器數據，存儲系統若無法快速提供，訓練出的模型便難以應對實際行駛狀況 。

市場研究機構 TrendForce 集邦咨詢也提出，因 AI 需求猛增，AI 服務器客戶紛紛向供應商加單 Enterprise SSD（企業級固態硬盤），導致 2023 年 Q4 至 2024 年 Q3 期間，其合約價累計漲幅超 80% ，凸顯 AI 對存儲需求的緊迫性及對市場價格的影響力。

服務器存儲容量的大幅擴張

在 AI 引發海量數據存儲需求的背景下，服務器存儲容量擴張勢在必行。傳統服務器存儲多為 TB 級，如今，為契合 AI 訓練與推理需求，已邁向 PB 甚至 EB 級。不少大型互聯網公司和科研機構開展 AI 項目時，都配置了大規模存儲集群。這些集群借助分布式存儲技術，把眾多存儲設備相連，構建成統一存儲資源池，為 AI 工作負載提供充裕存儲空間，既滿足當下 AI 項目的海量數據存儲需求，又為未來數據增長預留空間 。

國盛證券發布的研報指出，以 AI 服務器、AI PC、AI phone 等為代表的云端和邊緣側 AI 將驅動 3D NAND 市場快速增長。Counterpoint 預計到 2030 年，整體 NAND 閃存市場將超過 930 億美元，2023 年為 400 億美元。AI 服務器預計將持續推動 SSD 需求的年增長率超過 60%，這表明 AI 服務器存儲容量擴張的趨勢將在未來持續，市場前景廣闊。

讀寫速度的顯著提升

AI對數據讀寫實時性要求極高，傳統機械硬盤因機械結構限制，難以滿足需求，固態硬盤（SSD）順勢成為服務器存儲的不二之選。SSD 采用閃存芯片，無機械部件，讀寫速度遠超機械硬盤。在實時數據分析等嚴苛 AI 場景中，企業會選用高性能的 NVMe SSD，其配套協議能充分釋放 SSD 性能。同時，一些先進服務器采用存儲分級技術，將 “熱數據”“冷數據” 分別存儲，兼顧讀寫速度與存儲成本。隨著 AI 加速芯片的不斷更新換代，其搭載的 HBM（高帶寬存儲器）總容量、帶寬等規格也持續升級，帶動單機 HBM 容量及價值量快速攀升。

根據 Intel Market Research，至 2030 年，預計全球 HBM 市場規模將達 489.3 億美元，2023 至 2030 年 CAGR 達 68.1%。HBM 的發展也從側面反映出 AI 對高速存儲的追求，不斷推動存儲技術向更高速度邁進。

存儲架構的創新與演進

為契合 AI 需求，服務器存儲架構持續創新。傳統集中式存儲將數據集中在少數設備，面對 AI 海量數據和高并發讀寫易出現性能瓶頸。分布式存儲架構隨之興起，它把數據分散到多個節點，各節點可獨立讀寫，大幅提升存儲系統性能和可靠性，在 AI 模型訓練中有力支持大規模并行處理，提高訓練效率。

同時，新型存儲架構不斷涌現。基于內存的存儲利用高速內存芯片，讀寫快但成本高，適用于關鍵實時數據存儲；混合存儲架構融合內存、SSD 和機械硬盤優勢，按數據訪問頻率和重要性分層存儲，兼顧性能與成本。

AI 發展推動服務器存儲變革。容量從 TB 邁向 PB、EB 級，讀寫速度因 SSD 及 NVMe 協議大幅提升；存儲架構從集中式向分布式轉變，新型架構不斷涌現。同時，數據管理需先進軟件，存儲安全依賴加密、訪問控制、備份恢復等技術。未來，服務器存儲將持續革新，支撐 AI 發展，應對新挑戰機遇。