芯展速推出国内首款量产 PCIe 6.0 企业级 SSD,把冷数据从稀缺昂贵的 HBM 下沉到闪存层。带宽翻倍让 KV Cache 分层走向商用,也让 AI 基础设施有机会重新算一笔存储账。
过去几年,AI 产业的竞争逻辑一直很简单:从芯片到服务器,从数据中心到算力集群,资本和资源都围着 GPU 转。但算力规模越堆越高,GPU 越来越快,数据却未必跟得上。
当前,GPU 算力每两年提升约 3 倍,HBM 带宽同期只能增长约 2 倍,越来越多计算单元陷入等数据的空转状态。与此同时,HBM 产能紧缺、价格上行,单纯靠堆高端内存的路径已经难以为继。
今年 2 月,美光宣布量产商用 PCIe 6.0 SSD,三星在 7 月启动部分送样,叠加 NVIDIA Vera Rubin、AMD Venice 等平台原生支持 PCIe 6.0,标志着 AI 基础设施的竞争重心,正从单一算力堆叠转向存算系统效率的比拼。

11 月 19 日,芯展速推出国内首款量产的 PCIe 6.0 SSD,国内 AI 存储正式迈入 Gen6 时代。芯展速高级产品总监曹匡文指出,它既不是要取代昂贵的 HBM,也不是单纯的容量扩容,而是要在计算与存储之间搭起一条更宽的数据通路,让冷数据从稀缺的内存中下沉,让算力真正用在计算上。
谈到 AI,多数人盯着算力侧:更先进的制程、更多的计算单元、更大规模的集群。但模型进入百亿、千亿参数时代后,存储系统的短板正在快速凸显,最直接的矛盾来自「内存墙」。
过去,企业级 SSD 主要承担数据保存、模型加载和业务读写。进入大模型时代,训练和推理对存储的需求都变了。训练场景中,大模型每隔数十分钟就要做一次 Checkpoint,把数 TB 的模型参数与优化器状态写入存储,这期间 GPU 完全停止计算、空转等待。模型越大,GPU 被存储拖慢的时间就越长。
推理场景则更棘手。长上下文成为标配后,KV Cache 容量爆炸进一步加剧内存压力。128K 甚至 1M token 的上下文已是 Agentic AI、代码助手、企业知识库的常见需求,单路请求的 KV Cache 体积可达数百 GB,远超单张 GPU 的 HBM 容量。
「训练时代的内存墙是 Checkpoint 太大,推理时代的内存墙则是 KV Cache 太大。」曹匡文表示。面对这个缺口,堆 HBM 本是最直接的解法,但产能与价格壁垒让这条路越走越窄。
行业公开数据显示,2026 年全球三大存储原厂的 HBM 产能已全部售罄,2027 年价格预计上涨约 121%。更关键的是,即便企业愿意付溢价,也未必拿得到足够供应。
在此背景下,PCIe SSD 成为存储分层架构的核心一环。但这套架构落地有一道硬门槛:闪存带宽必须高于业务 I/O 速率,闪存层兜底才不会反噬性能。
PCIe 5.0 的带宽已逐渐触顶。单盘约 14GB/s 的顺序读速度,在 8 卡服务器单 GPU 仅能分配 1 块盘的物理约束下,难以承载高并发下的 KV Cache 回读与高速 Checkpoint 写入。PCIe 6.0 企业级 SSD 带宽翻倍,正是跨过这道门槛的关键一步,让 KV Cache 分层从实验室验证走向稳定商用。

需要指出的是,SSD 并不取代 HBM。前者负责容量更大、访问热度较低的数据,后者负责高频、实时访问的数据,内存承接中间层,让每种介质承担自己最擅长的工作,才是更合理的架构。
平台侧生态也已就绪,NVIDIA Vera Rubin 与 AMD Venice(EPYC 9006)均原生支持 PCIe 6.0,为 PCIe 6.0 SSD 的性能释放提供了硬件基础。「PCIe 6.0 SSD 的到来不是技术炫技,而是 AI 负载倒逼下的必然结果。」曹匡文说。
公开数据显示,相较主流的 PCIe 5.0,PCIe 6.0 最大读写带宽从约 14GB/s 提升到约 28GB/s,在盘位受限的 8 卡服务器里,KV Cache 重载时间直接减半。但要把理论带宽变成产品性能,研发难度远比升级接口复杂。
从 PCIe 5.0 到 6.0 不是简单的速率提升,而是底层调制方式的彻底变革:信号编码从 NRZ 切换为 PAM4,一个符号承载两个比特,传输效率提高,代价是信号判决空间明显缩小。主控的模拟前端、均衡算法、时钟三块都要重新设计;PCB 设计和用料需要更低损耗的板材、更短的走线、更严格的阻抗与串扰控制。
要真正跑满 28GB/s,还需要主控、DRAM、NAND 介质与固件四个环节都没有短板。曹匡文打了个比方:协议升级带来的接口提速,好比高铁轨道铺到了 400 公里时速的标准,动车组能不能跑满,还得看车自身的硬核技术。
主控是牵引系统,要同时承载主机侧、闪存侧、加密纠错的全速运转,这一代的设计门槛整体上了一个台阶。DRAM 是调度系统,位宽、频率与误码率直接决定映射表访问效率。NAND 介质相当于车体平台,通道数量、并行架构要与接口速率匹配,这是产品定义时的第一道算术题。固件的 NAND 管理策略,则决定盘能否长期稳定跑在峰值性能上。
「轨道决定上限,动车组决定兑现,这四个环节是木桶关系。轨道再好,动车组任何一环掉链子,28GB/s 都是空谈。」芯展速在 PT308 研发中要解决的,正是信号完整性、端到端带宽兑现,以及功耗与稳定性之间的平衡。
最终落地的 PT308P 与 PT308E 两款产品共享同一套硬件平台,只针对训练和推理不同的数据读写特征做取舍。PT308P 更侧重读取,最高 30.72TB 容量、680 万随机读 IOPS,适合读多写少的推理 KV Cache 分层场景;PT308E 偏向高写入负载,保留更多 OP 空间,支持 3 DWPD,适合 Checkpoint 等持续写入场景。
这种划分反映了企业级存储市场的一个变化:AI 业务不再只是要一块更快的 SSD,而是要针对不同工作负载精细化设计。曹匡文直言,客户可以自由选择,没必要为自己不需要的指标浪费钱。
存储是 AI 时代的焦点产业,账也算得更细。如果 HBM 产能够、良率高、不缺货、成本便宜,市场对 PCIe 6.0 企业级 SSD 的需求不会这么迫切。但现实是,存储厂商即便在 HBM 上不停迭代扩产,未来几年的缺口依然巨大。
免费获取企业 AI 成熟度诊断报告,发现转型机会
这给了 PCIe 6.0 SSD 在 AI 训推中大规模渗透的机会。其量产的真正价值,不是让存储跑出更漂亮的速度数字,而是让 AI 基础设施有机会重新算一笔账:如何用更合理的存储架构,释放更多算力价值。
在曹匡文看来,让 HBM 这种稀缺昂贵的内存去存「几分钟内不会再用的冷数据」,是这个时代最奢侈的浪费。HBM 越贵越缺,替代价值越大。
他算了一笔账:一台 8 卡服务器把 500GB 冷缓存从 HBM 挪到 PT308,净省约 5700 美元;对比下一代 HBM4,能省 14000 美元以上。100 台服务器的集群,就是 57 万美元起步。
对比主流的 PCIe 5.0,也有声音认为 PCIe 6.0 性能过剩、不划算。对此曹匡文列了一组数据:以 56GB/s 总读取带宽为基准,PCIe 5.0 要 4 块盘,PT308 只要 2 块。100 台服务器的集群少买 200 块盘,一次采购省约 84 万美元;电费上,100 台集群的存储部分省约 5kW,按一年满载 4380 小时、工业电价 0.12 美元/度估算,每年省约 3900 美元。
AI 浪潮的特殊之处在于,它第一次让存储从算力的配角,变成决定系统效率的「胜负手」。目前除芯展速外,美光和三星已早先量产 PCIe 6.0 SSD,国内部分厂商预计明年开始送样,2027 年市场将进入白热化竞争。
不过,PCIe 6.0 SSD 的规模化落地只是 AI 存储架构升级的起点。它不是万能解药,填不平与 HBM 之间的性能鸿沟,也解决不了 AI 基础设施的所有瓶颈,只是提供了一个极具性价比的选项。从技术演进看,它的价值还远未被完全释放,还要在更多细分场景上优化性能。
对芯展速等品牌而言,量产只是第一步。能否与服务器厂商、芯片厂商和 AI 基础设施企业建立更深入的联合验证与适配关系,能否在客户真实业务负载中持续兑现性能,并针对不同业务模型优化固件、建立生态壁垒,才是决定产品竞争力的关键。
关注公众号

扫码关注,获取最新 AI 资讯
3 步完成企业诊断,获取专属转型建议
已有 200+ 企业完成诊断