北京
聊AI，大家习惯从算力说起，也习惯在算力这里结束。但每一次训练、每一次推理，说到底都是数据问题，而数据总得有地方待着。存储，以及让高密度存储变得可制造的封装工艺，正在和那些抢尽风头的加速器一样，决定AI系统的实际表现。
AI模型、云服务、智能设备和互联系统制造、处理、存储信息的速度，放在十年前几乎不可想象。存储已经悄悄变成了基础设施。消费设备从传感器到娱乐平台，持续不断地产生数据；汽车系统，尤其是自动驾驶和互联汽车，光是为了安全运行就依赖海量存储信息。这带来的是对NAND闪存结构性的长期需求，而不是又一轮消费驱动的周期波动。
普通体验里的数据膨胀
这种增长在日常生活里就能看到。一部两小时的电影从高清（1080p）升到4K，所需数据量大约增加4.7倍，背后是像素密度的提升、HDR所需的额外位深，以及更高的帧率目标。摄影也是类似的故事：随着智能手机摄像头从1200万像素走到4800万像素，图像文件大小增长了约3倍，增强的色彩处理和扩展的动态范围又叠加了影响。音频同样如此，一首三分钟的曲目从压缩的MP3转向杜比全景声这类沉浸式格式，体积最多可以增长6倍。
编解码器的进步能帮上忙，但跟不上数据膨胀的速度。剩下的缺口，得靠存储微缩来扛。
钱和产能都在往AI那边倾斜
Yole Group的2024年数据显示，独立存储市场规模为1700亿美元，在连续两年下滑后同比反弹78%。其中DRAM（含HBM）约占收入的57%，NAND占40%。
进入2026年，AI工作负载正在重塑供应商的产能分配方式。厂商在扩大HBM和先进DRAM节点的生产，优先安排符合AI性能要求的产品。
微缩的故事，看占地面积最清楚
2010年，只有平面2D NAND的年代，要存下2TB，需要超过50颗eMMC芯片，每颗封装尺寸大约17×22毫米。2013年3D NAND到来，通过垂直堆叠存储单元改变了这条轨迹；到2020年，100层以上的架构已经大幅减少了所需的封装数量。
更薄的裸片、更高的堆叠层数、混合键合——这些封装层面的进展，正在把NAND带进AI时代。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
