AI算力的飞速发展，正将存储从辅助配件推向基础设施的核心。当前，AI存储市场正经历一场由需求爆发、技术迭代和供给滞后共同引发的剧烈变革，其供需缺口持续扩大，已成为制约AI产业发展的关键瓶颈，深刻影响着未来的技术走向和市场格局。
智能速览
AI服务器硬件成本中，存储占比高达35%-40%，成为仅次于芯片的核心部件。
HBM、DRAM等高性能存储需求指数级增长，单台AI服务器DRAM需求是传统服务器的8-10倍。
供应链响应迟缓，HBM交付周期长达78周，头部大厂产能已被预订至2027年。
存储芯片价格普遍上涨，2024年DRAM库存已骤降至2-4周，远低于安全阈值。
GPU与SSD直连技术并非替代，而是构建“HBM+DRAM+SSD”分层协同存储新体系。
精华内容
AI算力的飞速发展，正在深刻重塑存储产业的价值链。当GPU的计算瓶颈被一次次突破，存储性能的短板效应日益凸显，一场围绕高端存储的争夺战已然打响，其核心矛盾在于急剧膨胀的需求与严重滞后的供给之间的失衡。
存储价值变迁
在AI时代，存储的角色已发生根本性转变。过去，存储以传统机械硬盘或普通固态硬盘为主，定位是辅助性的数据“容器”。而今，面对大模型训练和推理的需求，存储的核心诉求从“存放数据”转变为高效“调用数据”。
HBM（高带宽内存）和DRAM等高性能存储，已成为与GPU算力并行发展的关键要素，两者呈现“木桶效应”，存储短板直接决定了整体算力的效率。GPU性能的倒逼，正促使整个存储市场向高端化、核心化方向加速转型。
需求端井喷
AI服务器从训练向推理的重心转移，催生了对“低延迟、大容量、高带宽”存储的极致需求。数据显示，单颗NVIDIA H100/GB200 GPU需搭配288-324GB的HBM，这使得单台AI服务器的DRAM需求达到传统服务器的8-10倍，NAND需求也增至3倍。
这种需求增长直接体现在成本上，存储部分已占AI服务器硬件总成本的35%-40%。更为关键的是，若没有HBM的支撑，GPU的算力空置率可能高达99%，HBM因此成为AI算力的“刚需”。2025年HBM需求量预计同比增长超200%，GPT-5一类的大模型将进一步消耗海量存储，供需紧张局面已成定局。
供给端困境
面对指数级增长的需求，存储供应链的响应却极为迟缓。核心原因在于高端存储极高的技术壁垒。以HBM为例，其复杂的堆叠工艺导致良品率仅为30%-40%，而新建一条产线的周期长达18-24个月。
这种供给瓶颈直接导致了超长的交付周期。目前，HBM的交付周期已达52-78周，三大原厂三星、SK海力士、美光的产能已被英伟达等大客户预订至2027年。库存方面，全球DRAM行业库存已从2024年的17周骤降至2025年底的2-4周，远低于6周的安全库存线，头部厂商普遍处于“以销定产”的紧平衡状态。
技术路径破局
面对严峻的供需形势，产业正探索新的技术架构。CES 2026大会上，NVIDIA CEO黄仁勋提出“存储必须被重构”，核心是推动GPU与SSD（固态硬盘）直连。需要明确的是，这一技术并非为了取代HBM或DRAM。
其本质是构建一个“HBM+DRAM+SSD”的分层协同存储体系。HBM作为与GPU紧密绑定的“超级高速缓存”，处理实时运算的热数据；DRAM作为“温数据”存储，承担推理中的KV缓存等任务；直连的SSD则作为“大容量扩展缓存”，承接长上下文交互的海量数据，三者各司其职，共同缓解高端存储的容量压力，是一种“补短板”的务实策略。
当前AI存储市场的紧张局面，是需求爆发、结构替代与供给滞后叠加的必然结果。从价格、交付到库存，各项数据均印证了缺口的持续性与严峻性。虽然短期内（1-2年）难以根本缓解，但GPU与SSD直连等新技术路径的出现，为产业指明了破局方向。未来，围绕存储架构的创新，将成为决定AI算力效率与成本的关键变量。
