闪存抢HBM的活？铠侠GP1：GPU直连闪存新突破

2026年8月11日

一、事件

2026年8月3日，铠侠在FMS 2026全球闪存峰会上发布KIOXIA GP1系列PCIe 6.0 NVMe固态硬盘——业界首款专为GPU直接访问优化的"超高IOPS SSD"。核心参数：随机读取1000万IOPS（512字节粒度），耐久度50 DWPD，基于第二代XL-FLASH存储级内存（SCM），评估样品2026年底交付。产品随即斩获FMS 2026"最佳展品奖"。

二、技术原理

2.1 介质层：第二代XL-FLASH

GP1的核心是铠侠自研的XL-FLASH——定位在DRAM与传统NAND之间的存储级内存（SCM），英特尔傲腾退役后，它是全球唯一仍在持续推进的SCM商业化路线。

其关键技术特征：

- 16平面架构（传统NAND仅2-4平面），并行度大幅提升；

- 短字线/位线设计，读取延迟低于5微秒（传统TLC约50-100微秒）；

- 4KB小页大小（传统NAND为16KB），大幅降低读写放大；

- 第二代支持MLC模式，每单元存储2bit，在性能与成本间取得平衡。

2.2 架构层：GPU直连闪存——SCADA

传统架构下，GPU访问存储数据必须经CPU中转：GPU请求→CPU构造NVMe命令→提交队列→SSD处理→CPU拷贝数据到GPU显存。当每秒需处理数百万次512字节小请求时，CPU成为瓶颈。

英伟达SCADA架构将存储控制路径也转移到GPU上——GPU自己构造命令、管理队列深度、处理完成中断。其理论基础是ASPLOS 2023发表的BaM研究：GPU直管NVMe驱动，数据分析速度快5.3倍，图计算硬件成本降低21.7倍。FMS 2026上美光演示：3颗H100驱动44块PCIe Gen6 SSD，实现2.3亿次512字节随机读取IOPS，CPU几乎空闲。

2.3 协议层：cuFile开源与Storage-Next

英伟达同场将cuFile API及完整存储软件栈开源（GitHub XIO-SIG组织，创始维护者包括英伟达、谷歌、Meta、英特尔），并联合40余家厂商成立Storage-Next联盟，核心目标：推动SSD从4KB扇区向512字节扇区演进，从硬件层面适配GPU原生I/O。GP1是该框架下的首款商用产品。

2.4 512字节粒度的关键意义

传统SSD围绕4KB优化，但AI推理场景中KV缓存条目、嵌入向量往往只有几百字节——用4KB的"框"装512字节的"货"，导致8倍读取放大。GP1原生支持512字节粒度访问，从硬件层消除这一浪费。

三、价格分析

铠侠未公布GP1具体定价，但可根据存储层级做合理估算：

- HBM3e：约15-25美元/GB（2026年现货价较半年前暴涨超300%，有价无市）；

- XL-FLASH（SCM级）：估算0.5-1.5美元/GB；

- 企业级TLC SSD：约0.1-0.3美元/GB。

即用XL-FLASH替代HBM做内存扩展，每GB成本降低约10-50倍。但性能差距同样巨大——HBM带宽为TB/s级，GP1走PCIe 6.0 x4理论带宽约16GB/s。GP1的定位不是替代HBM，而是与其形成"HBM（热数据）+ XL-FLASH（温数据）+ TLC/QLC SSD（冷数据）"的三级内存-存储体系，使AI系统能以远低于全HBM方案的成本访问更大规模数据集。

四、优缺点

优点：

1. 成本优势显著：相比HBM，每GB成本降低1-2个数量级，为大规模AI部署提供经济可行的内存扩展路径；

2. 512字节原生优化：消除传统SSD的8倍读取放大，精准匹配AI推理场景的I/O模式；

3. 极高耐久度：50 DWPD，远超企业级SSD平均水平（1-3 DWPD），为高强度AI负载留足安全边际；

4. 生态卡位精准：与英伟达Storage-Next深度绑定，cuFile已开源，SCADA架构获40余家厂商支持，英特尔加入维护；

5. SCM赛道独占：英特尔傲腾退役后，XL-FLASH是全球唯一持续推进的SCM商业化方案，竞品短期内难以追赶。

缺点：

1. 生态尚未成熟：GP1样品2026年底才交付，SCADA仍处框架阶段，STX商用系统预计2026下半年才有，早期适配成本高；

2. 与HBM带宽差距悬殊：2-3个数量级的带宽差距意味着延迟敏感型训练任务仍需HBM，GP1仅适用于推理和内存扩展场景；

3. 竞争存在变数：美光9650已在SCADA演示中展现强可扩展性，三星、美光可能通过固件优化在传统NAND上逼近XL-FLASH性能；SK海力士联合闪迪推出的HBF标准在带宽上更具优势；

4. 标准碎片化风险：Storage-Next虽有40余家成员，但512字节扇区、GPU原生命令集等标准落地仍需时间，不同厂商方案可能互不兼容；

5. HBM价格下行风险：若HBM产能大幅扩张导致价格下降，闪存扩展的成本优势将被削弱。

五、对存储行业的影响

5.1 存储层级重构

GP1标志着闪存正式进入"内存时代"。传统存储金字塔（缓存→DRAM→NAND→HDD）正在AI服务器中演变为：HBM（数十GB，TB/s）→XL-FLASH闪存层（数十TB，百万IOPS）→传统TLC/QLC SSD（数百TB，GB/s）。每层成本相差约10倍，形成经济高效的"内存-存储连续体"。

5.2 SSD主控设计范式变革

当GPU取代CPU成为存储访问主体，SSD主控需彻底重构：从4KB扇区优化→512字节优化；从小队列深度（32-128）→大队列深度（数万）；从峰值带宽优先→功耗与尾延迟优先。Marvell等厂商已按Storage-Next路线图设计下一代控制器，目标PCIe Gen7时代单盘1亿IOPS。

5.3 AI推理成本结构改变

KV缓存溢出到闪存意味着单个GPU可支持更长上下文和更多并发用户，直接影响AI Agent、RAG等场景的"每用户服务成本"。GP1让"用闪存放KV缓存"从理论走向工程落地，有望推动AI推理从"奢侈品"走向"日用品"。

5.4 竞争格局重塑

三星、SK海力士、美光三大巨头聚焦HBM，铠侠在"闪存上移"方向凭借XL-FLASH独占鳌头，形成错位竞争。但如果Storage-Next生态成功，整个NAND行业都将受益——闪存的总可寻址市场（TAM）将从"存储"扩展至"内存"领域，市场空间数倍放大。

5.5 一个判断

GP1的发布不是一个产品迭代事件，而是一个品类诞生事件。"GPU原生闪存"正在成为AI基础设施中一个独立的新层级——它不抢HBM的活，它抢的是"那些原本因买不起足够HBM而无法规模化部署的AI应用"的活。当AI产业从训练转向推理放量，这一层级的战略价值将持续放大。