行业趋势：AI驱动存储需求与架构变革 - AI发展进入新阶段，重心从模型训练转向推理，对长上下文深度推理的需求推动了对更便宜、更快、更安全AI解决方案的竞争，进而产生巨大的数据需求，使存储成为瓶颈[1] - 数据中心NAND bit需求在2025至2031年间年复合增长率达34%，其中AI推理需求CAGR高达56%，远超AI训练的11%和传统应用的14%[3] - 为应对AI工作负载转变，SSD技术向四个方向发展：支持KV Cache重用的高性能高容量SSD、满足NVIDIA Storage-Next架构的高速SSD、高容量QLC存储方案（如122TB至245TB模型部署）、以及SSD替代HDD以提升AI应用总拥有成本[4][5] 技术发展方向：SSD的四大演进路径 - 推理存储与KV Cache：KV Cache作为优化AI推理速度、内存使用率和上下文长度的关键技术，其扩展需求催生了新的存储层——上下文内存存储，需要兼具性能、容量和混合耐久度的SSD[4] - NVIDIA Storage-Next架构：该下一代存储架构旨在为智能体AI服务，像内存一样工作，需要高速、低延迟、高IOPS且能随GPU工作负载扩展的大容量SSD[4] - 高容量QLC方案：数据爆炸式增长推动了对高速度、高容量存储的需求，高容量QLC SSD被用于数据中心、大数据训练、长检查点、推理及数据检索，其质量和控制器优化有望替代部分TLC及近线硬盘产品[5] - SSD替代HDD：行业预计SSD将越来越多地替代HDD，以提升AI类应用的总拥有成本[5] 公司战略：铠侠的双轴发展与产品布局 - 公司采取双轴发展战略：一方面满足尖端应用的高级需求并保持最佳投资效率，另一方面开发并推出具有市场竞争力的产品[7] - 技术路线以BiCS FLASH为基础，第八代产品已商用CMOS直接键合存储阵列技术，拥有领先的接口速度和位密度[7] - 第九代与第十代BiCS FLASH采取双轨并行策略：第九代利用成熟产能和先进接口提供可靠稳定的解决方案；第十代追求存储密度和性能的全新突破，旨在满足AI数据中心对低延迟、高性能和超大容量的需求[7] - 第十代BiCS Flash相比第八代，密度大幅提升59%，NAND层数推进至332层，借助CBA技术，读取吞吐量提高10%，写入吞吐量提高15%，数据传输能效提升15%以上[8] 公司产品：针对AI场景的SSD解决方案 - 针对KV Cache扩展：推出CM9 CMX系列SSD，在CM9系列基础上针对AI工作负载优化，具备高性能、大容量和更好耐久性，适用于大规模AI推理环境[8] - 符合NVIDIA Storage-Next需求：基于XL-FLASH™打造GP系列超级高IOPS SSD，性能超过1亿IOPS，满足未来对速度苛刻的AI计算需求[8] - 高容量QLC SSD：推出LC9系列，最高可提供245.76TB容量，采用第八代BiCS FLASH™ QLC和32 Die堆叠封装，旨在帮助AI服务器实现更好的总拥有成本，满足海量存储需求[9] - 软件技术：推出AiSAQ™开源软件技术，针对向量数据库和RAG场景优化算法库，可将向量索引等数据高效存储于SSD而非昂贵DRAM中，目前已与NVIDIA cuVS展开合作[9] - 此外，公司还展出了CD9P系列、BG7系列等多款SSD产品，并正携手合作伙伴构建从云端到边缘的AI存储生态[9] 市场展望：存储行业供需与价格预期 - 由于人工智能和数据中心需求大幅增加，预计在可预见的未来，存储供需形势将保持非常紧张[11] - 无论应用领域如何，存储市场价格预计都将继续上涨[11] - 公司将根据市场增长情况增加产量，并通过监测应用需求趋势和平衡来优化销售组合[11]