驾驭 SSD “荒年”：AI 推理如何重塑云存储服务与 NAND 产业格局

“ 我们这行有个特点，供需总会形成周期性波动，这种周期既有机遇，也暗藏困境。”

这句话是 Solidigm（思得）公司高管 Scott Shadley 在 VAST FWD 大会上的发言。他与 VAST Data 的 Glenn Lockwood 一同剖析了 SSD “荒年” 的过去（不算太久远）、当下现状以及未来走势。

有意思的是，在 IT 行业过往历次周期里，市场都默认供需最终会自我修正。在过去几十年里，各类硬件元器件都出现过类似的情况：需求旺盛时产能扩张，产能过剩后价格回落、企业缩减投资，待需求回暖市场再度趋紧，如此循环往复。

在存储行业几次重大的技术变革中，这套规律都是成立的。例如从平面 NAND 向 3D NAND 转型时，生产节奏被打乱、短期供给收缩，工厂被迫产线改造，但依旧遵循原有周期规律：产能下滑、价格上涨、新产能投产、供需回归平衡。即便重大技术迭代，也仅被视作可预测行业体系中的短期扰动。

但这种可预测周期成立的前提，是需求模式延续行业过往常态。一旦需求结构发生质变，而非仅规模增长带来的量变，原有周期规律就会失效。行业应对节奏天然滞后，而市场变化速度早已超出传统产业体系的调节能力。

“是不是觉得 IT 行业 “疫情式囤货” 往事，早已随着 2022 年一起翻篇了？”

Shadley 在会上表示：“大家应该都还记得，当年的元器件短缺并非真实供需缺口，完全是市场恐慌情绪所致。企业大肆囤积各类部件：SSD、网卡、服务器，几乎所有硬件都在囤货范围内。”

他指出，疫情催生了看似真实、实则失真的虚假需求信号。企业大举采购基础设施，预判设备故障率会飙升、后续补货将遥遥无期。这直接把未来数年的潜在需求，提前集中释放到极短时间内。

随之而来的事情是可预测的，即使它是建立在一个不稳固的前提之上。设备实际稳定性远超预期，预想的大规模故障并未发生，市场需求大幅下滑，行业陷入库存积压、消费疲软。厂商随之缩减产能、晶圆厂放缓生产、产能利用率走低、资本开支收缩，走出典型下行周期。但这次行业下行，并非长期真实需求萎缩，而是被扭曲的前置需求所导致。

更关键的是，就在行业陷入调整的同一时间，一股全新的需求浪潮正蓄势待发。

存储需求与这波 AI 新需求直接强相关。昂贵的 GPU 只有配套充足的数据时，才能发挥价值。AI 训练与推理流程会生成多版本数据，且绝大部分都会被长期保存下来。

正如 Lockwood 向观众解释的那样：“无论是训练还是推理，都存在最低存储刚需底线，即必须存储最低限度的数据量，才能使这些 GPU 物有所值。”

这还催生了一个全新的扩容难题：存储再也无法独立规划容量，必须与 GPU 部署规模同步增长，而这些部署的节奏，不管在过去还是现在都在持续提速。与此同时，数据“活跃”周期大幅拉长，不再轻易被归档或删除，而是需长期保持可访问状态，为后续模型迭代和业务流程挖掘新价值。

从持续上调的需求预测就能直观体现这一趋势。即便到 2026 年，短短数月全球存储容量预期就大幅跃升。但 Shadley 和 Lockwood 这两位嘉宾都强调，当下行业关注点已不在“需求有多旺盛”，而是更多地关注“时间够不够”—— 即便全行业立刻响应扩产，供给增速也远远跟不上 AI 拉动的存储刚需。

Shadley 重申：“一座晶圆厂建设期就要 3 年，设备进场安装调试还要 3 至 4 年，再耗时数年才能把产能效率拉到稳定合理水平。” 这意味着当下可用产能，都是 AI 需求爆发前多年就敲定的规划。

他补充道，制造环节本身也存在刚性约束。NAND 和 DRAM 在晶圆厂层面产线无法通用，需完全独立的生产工艺。受 GPU 及整机系统内存需求拉动，DRAM 同步也供不应求；而 SSD 内部本身也依赖 DRAM 芯片，进一步将存储供给与内存供给深度绑定，产业链多个环节正同时争抢有限的产能。

因此，从整个产业体系来看，便形成了深度联动效应：GPU 同时带动 DRAM 与 NAND 需求上涨；算力部署离不开存储，而存储量产又受制于同样紧缺的内存芯片。这种强耦合关系，导致单一环节的短缺无法单点隔离、单独解决。

而等到新建晶圆厂形成实质产能时，市场需求早已再上新台阶。传统行业周期始终在追赶不断变化的需求目标，供给响应存在天然滞后性。

显而易见，既然产能供给无法快速扩张，唯一出路就是提升现有存储资源的利用效率。

问题在于，绝大多数传统系统的设计前提，都是默认存储成本会持续走低。这种理念体现在方方面面，包括数据保护等细节层面。多副本备份既简单又安全，但是会占用大量空间；即便采用更高效的纠删码，仍存在冗余损耗，在 NAND 稀缺的当下也变得难以接受。Lockwood 指出，在存储容量自身都很难满足的情况下，保留三份完整数据副本是严重资源浪费。

AI 业务流程本身也存在处理低效问题。数据从原始素材加工为可用数据集的过程中，会迭代生成多个版本，每一步都会产出新的数据集，且旧版本往往被全部留存。它们并不完全相同，但它们确实包含了大量重复的内容，这本质上就是冗余的副本。

Lockwood 表示，直接删除数据虽是一种应对方式，但会牺牲未来业务灵活性。当下看似无用的数据，随着模型算法与工具持续迭代，未来可能产生全新价值，而数据一旦删除，便再也无法恢复。

所以，核心结论是什么？

如何数据保护策略、业务流程中存在多少冗余体量，这些直接决定了现有存储资源的承载上限。

Lockwood 解释，数据保护的优化目标是：降低冗余开销，同时不提升故障恢复风险。核心在于更快速、更精准的数据重构机制。故障发生之后，不再像过去那样全盘重建，而是采用了更新的方法：仅修复真正缺失的数据碎片即可。

他解释道：“可通过一些数学算法，仅读取条带部分数据，就能重构缺失的数据位，无需拉取全量数据参与恢复。” 这种方式能降低校验冗余占比，同时保障快速故障恢复。

这正是 VAST Data 的方法在实践中展现的地方，将效率转化为系统自动强制执行的规范，而不是用户手动管理的东西。

针对数据冗余，核心思路转向了寻找数据之间的相似性，而不仅仅是“完全一致的匹配”。AI 流程每一步都会生成同源异构数据，传统方案视作独立文件占用全量空间，而 VAST 可跨文件比对相似度，仅存储差异化部分。

这套模式也彻底改变了 SSD 的使用方式，使其不再是普通通用硬件。通过管控写入模式与缓存机制，可充分适配高密度、低成本存储介质，实现更高效利用。

Shadley 与 Lockwood 一致认为：我们将继续看到供应商选择如何分配产能，而不是将所有东西都卖给最高出价者，这表现为配额和更长的交货时间。

Solidigm 的 Shadley 坦言：“有些厂商奉行逐利定价策略，而我们选择不这么做。” 以往数周就能交付的订单，如今需要数月，客户也无法按需即时拿到全部所需产能。

他还提到，大型采购方为规避未来紧缺会提前锁量备货，进一步加剧供需压力。SSD 供应商需要权衡，是将产能倾斜给少数大客户，还是分散供给更广泛的中小客户群。这让 SSD 紧缺从单纯供给问题，演变为供给 + 分配双重难题。

但他也表示无需过度担忧：新产能终将释放，新建晶圆厂的产能会逐步爬坡，存储单片容量也会持续提升。但产业体系与周期模式再也回不到从前，紧缺环境下催生的架构与效率变革将长期延续。

最终，整个产业将学会在资源约束下高效运转；即便后续供给瓶颈缓解，行业也已转向全新逻辑：不再单纯依赖产能扩张，而是通过类似 VAST Data 的架构方案，从底层提升存储资源利用效率。

本文作者：Nicole Hemsoth Prickett，VAST Data 行业关系负责人