HBM 只負責“快”，可模型越來越“能吃”，總得有人把“多”補上——華為把答案押在一塊即將亮相的 AI SSD 上，時間定在 8 月 27 日。

先把背景攤開。

近兩年算力卡一路狂飆，GPU 邊上的 HBM 通過 3D 堆疊和超寬總線把帶寬拉滿，但代價是容量受限：顯存夠快卻不夠裝。

大模型訓(xùn)練要囤參數(shù)、樣本與檢查點（checkpoint），推理要緩存 KV、調(diào)用向量庫；“內(nèi)存/顯存放不下”成為常態(tài)。結(jié)果是數(shù)據(jù)反復(fù)在慢介質(zhì)里搬家，帶寬再高也被往返時延稀釋。

這回華為要做的，是在 HBM/DRAM 之下鋪一層高性能容量層：AI SSD。它不跟 HBM 搶“第一毫秒”，而是把訓(xùn)練喂數(shù)、參數(shù)快照、推理向量檢索這類“又多又勤”的活接住——容量大、并發(fā)強、延遲可控、總擁有成本（TCO）更友好。分層協(xié)同后，快的繼續(xù)快，多的更能裝，數(shù)據(jù)流不再被單點掐脖子。

圖源：財聯(lián)社

發(fā)布會上我會盯七個點：

第一，看 總線與協(xié)議，是 PCIe 5 還是更激進的 6，NVMe 2.x 是否就緒，是否給出面向 CXL 生態(tài)的對接思路；

第二，看 性能曲線，順序/隨機吞吐與 IOPS 之外，更關(guān)鍵是時延抖動與 QoS 穩(wěn)定性；

第三，看 容量檔位與陣列擴展，單盤 TB 級到多盤的線性放大做得如何；

第四，看 耐久與功耗，DWPD 指標和實時功耗曲線是否對 AI 負載做過優(yōu)化；

第五，數(shù)據(jù)可靠性，端到端保護、掉電保護、糾刪碼/RAID 的落地細節(jié)；

第六，軟件棧，有沒有分層存儲中間件、數(shù)據(jù)管道加速、向量檢索插件這類“能即插即用的工具”；

第七，安全與合規(guī)，國密、全盤加密、可信啟動該給的別少。只有“盤＋?！币黄鸾桓叮珹I SSD 才不是換個名字的企業(yè)盤。

更現(xiàn)實的一環(huán)，是和整機/一體機廠商的聯(lián)動。

單賣硬件解決不了數(shù)據(jù)路徑，得把“GPU 算力 + 存儲容量 + 數(shù)據(jù)軟件”綁成一套。國內(nèi)產(chǎn)業(yè)鏈已經(jīng)有 NAND、控制器、固件、OS 的土壤，華為入場的意義，不只是“有盤可用”，而是把“有卡無盤、有盤無棧”的斷點補齊，讓交付回到工程可控。

海外對手也沒閑著。鎧俠已經(jīng)把“AI 驅(qū)動的存儲創(chuàng)新”寫進中長期策略，美光面向 AI 推出多款 SSD，明確標注“推理與混合負載”。

這說明行業(yè)共識很清晰：AI 不是靠一塊通用企業(yè)盤打天下，工作負載感知才是門檻。華為切進來，國內(nèi)玩家在性能—容量—成本這只三角里，終于多了一種組合。

把鏡頭再拉遠些。中國算力大會上，華為存儲線提到的三件事——城市層面的全域數(shù)據(jù)匯聚、行業(yè)層面的高質(zhì)量語料、企業(yè)層面的 AI 數(shù)據(jù)湖——其實是同一條主線：從“堆算力”轉(zhuǎn)向“強數(shù)據(jù)”。

AI SSD 是這條路的地基之一：數(shù)據(jù)匯聚、清洗、標注、訓(xùn)練、推理、歸檔，每一段都離不開穩(wěn)定的大容量與確定的時延。

在“動輒幾個小時的數(shù)據(jù)預(yù)熱變成幾十分鐘”，在“半夜盯 checkpoint 不再心驚膽戰(zhàn)”，在“向量庫回查穩(wěn)定到你敢在線上開新特性”。

工具的意義，從來不是規(guī)格華麗，而是讓工程師少熬一杯咖啡、讓業(yè)務(wù)敢壓一條時間線。

最后，給準備觀望的朋友一張小抄：關(guān)心訓(xùn)練的，盯 順序吞吐、checkpoint 寫入穩(wěn)定性；

做推理服務(wù)的，看 隨機讀時延、向量檢索插件與 QoS；

算力規(guī)劃的，算一算 “HBM + AI SSD” 的 TCO 曲線，是否比“無腦加卡”更劃算。

等到 8 月 27 日現(xiàn)場把曲線與軟件清單攤開，我們再來對賬：HBM 管“快”、AI SSD 管“多”的分工，是否真的把大模型的“胃口”喂飽了。

文章參考：