NVIDIA为什么开始需要更多NAND：AI存储正在从容量配套走向算力基础设施

产业链：存储芯片链

核心观察：AI存储需求正在从HBM向更大容量的NAND/SSD扩展

2026年8月19日，韩国半导体领域专家金正浩在一场访谈中谈及AI存储需求变化时指出，随着AI系统对数据容量的要求持续提升，NAND闪存正在成为新的重要需求来源。

这条信息真正值得关注的，并不是“某一家NAND厂商可能多卖一些SSD”，而是AI服务器的存储架构正在发生变化。

过去，GPU算力的核心瓶颈主要集中在计算能力和HBM带宽。

现在，随着模型规模、上下文长度以及Agentic AI工作负载快速增加，单纯依靠GPU附近的HBM解决全部数据需求越来越困难。

存储正在向算力系统内部迁移。

一、真正的变化：HBM解决速度，NAND解决容量

HBM的优势非常明确：

高带宽、低延迟、距离GPU近。

但它的限制同样明显：

容量有限、成本高、扩展难度大。

而NAND恰好相反。

它的核心优势不是取代HBM的速度，而是：

更大的容量 + 更低的单位容量成本 + 更高的扩展能力。

因此，未来AI系统并不是简单地出现：

«HBM被NAND替代»

而更可能形成新的存储层级：

HBM → DRAM → 高性能SSD/NAND → 后端存储

不同层级承担不同任务。

这意味着NAND的角色正在发生变化。

过去：

«NAND = 数据存储»

未来：

«NAND = AI计算系统的容量扩展层»

二、为什么NVIDIA会成为这个变化的重要推动者？

AI计算正在从“计算密集型”向“数据密集型”扩展。

尤其是推理阶段。

模型运行过程中会产生大量上下文数据、KV Cache以及需要频繁调用的数据。

如果全部放在HBM中：

成本和容量都会成为限制。

因此，一个更现实的架构是：

GPU负责高速计算；

HBM承担最热的数据；

而更大规模的数据放在GPU外部的高性能存储层。

NVIDIA正在推动的Storage-Next，以及围绕GPU直接访问存储的技术路线，本质上都指向同一个方向：

«让GPU能够更高效地使用外部存储资源。»

铠侠今年3月已经公布面向NVIDIA Storage-Next架构的高IOPS SSD，并明确将其定位为HBM的容量扩展方案。

NVIDIA在8月的FMS 2026上也进一步强调了GPU直接访问存储，以及AI工作负载对大容量存储的需求。

因此，这并不是一个孤立的市场传闻。

产业架构已经开始向这个方向演进。

三、最值得关注的不是SSD，而是“NAND进入AI存储层”

这也是这条催化最容易被市场忽略的地方。

如果AI服务器只是多装一些普通SSD，对NAND产业的影响仍然有限。

真正重要的是：

«NAND开始被重新设计成服务AI计算的数据基础设施。»

今年FMS 2026上，产业链已经出现多个明显信号。

SK海力士与闪迪推出High-Bandwidth Flash（HBF）规范，试图让NAND获得更高带宽，并把它放到HBM与传统SSD之间的新存储层级。

三星则展示了zNAND-O等下一代存储架构概念，同时推进400层以上NAND。

这说明存储厂商正在主动寻找新的AI需求入口。

所以现在看到的不是简单的：

“NAND涨价”

而是：

AI → 存储层级重构 → NAND应用边界扩大。

四、产业传导正在发生变化

这条催化向产业链的传导，可以拆成四层。

第一层：NAND颗粒

AI服务器对高容量存储需求增加：

AI算力增长

↓

数据量与上下文数据增加

↓

高容量存储需求提升

↓

NAND消耗量增加

这是最直接的一层。

---

第二层：企业级SSD

NAND不会直接全部进入GPU。

它需要通过SSD、控制器、接口等形成可以被AI系统调用的存储产品。

因此：

NAND → 企业级SSD → AI服务器

可能成为未来几年越来越重要的需求链条。

第三层：高速互联

当存储从“服务器硬盘”变成“GPU可调用的扩展存储”以后，问题就变成：

«数据如何从存储池高速送到GPU？»

这会进一步拉动：

- PCIe

- CXL

- DPU

- 高速网络

- 光互联

- 存储控制器

因此，这条催化并不只属于存储芯片链。

它开始与：

AI算力链 + 数据中心链 + 光通信链

发生交叉。

第四层：NAND架构升级

如果未来AI工作负载持续向大容量、高并发、低延迟方向发展，普通NAND SSD并不会是终点。

HBF等新型存储架构已经开始尝试进一步缩短存储与计算之间的距离。

FMS 2026上，SK海力士、闪迪等厂商正在推动这一方向，目标就是建立介于HBM和传统SSD之间的新存储层。

因此，未来真正值得观察的不是：

«NAND有没有需求。»

而是：

«NAND究竟会进入AI计算架构的哪一层。»

五、这可能改变存储行业原有的周期逻辑

传统NAND周期主要由：

手机 + PC + 企业存储

驱动。

这些需求具有比较明显的消费电子周期属性。

AI出现以后，需求结构开始增加一个新的变量：

AI基础设施。

而AI基础设施最大的特点是：

单机容量极高。

产业链已经出现对单个AI机架数PB级存储需求的讨论，SK海力士也明确展示了针对NVIDIA Vera Rubin系统的企业级SSD产品。

这意味着：

过去一个服务器增加几个TB存储，

未来一个AI系统可能需要数百TB乃至PB级的存储资源。

如果这种架构成为主流，那么NAND需求的增长逻辑将不再只是：

«“终端销量增长多少？”»

而是：

«“全球AI算力部署多少，以及每单位算力需要多少存储容量？”»

这是一个完全不同的需求变量。

六、产棱观察：真正的产业变量已经发生变化

这条事件表面上是：

NAND需求增加。

但向下拆解后，可以看到三个正在发生的变化。

变量一：AI对存储的需求从“容量”向“计算资源”靠近

存储不再只是保存数据。

它开始参与：

数据供给 → GPU利用率 → AI推理效率

变量二：HBM和NAND不是简单替代关系

未来更可能是：

HBM负责极致速度

NAND负责极致容量

中间再通过DRAM、HBF、SSD、CXL等形成新的层级。

所以不能简单理解为：

«HBM需求下降 = NAND需求上升。»

真正的变化是：

«AI系统需要更多层次的存储。»

变量三：存储产业的瓶颈可能从“产能”向“架构”迁移

当NAND越来越接近GPU时，瓶颈就不再只是NAND晶圆产能。

还包括：

接口 → 控制器 → DPU → 网络 → 软件 → 封装

整个数据移动链条都会受到影响。

这意味着未来存储产业的价值分配，也可能发生变化。

产棱状态判断

当前产业状态：需求结构强化

核心变量：AI单位算力对应的存储容量正在提升

本次事件值得关注的并不是单纯的“NAND缺货”，而是：

«AI正在重新定义存储。»

当HBM无法独立承担AI系统不断增长的数据需求时，NAND正在从传统的后端容量存储，逐渐进入GPU可调用的扩展存储体系。

如果这一趋势持续，存储行业未来的核心问题可能不再只是：

“NAND价格什么时候上涨？”

而是：

“AI算力每增加1单位，需要配置多少NAND？”

一旦这个变量建立起来，NAND就不再只是传统存储周期的一个环节，而会成为AI基础设施扩张中的新增容量需求。

后续验证：NAND价格、企业级SSD订单、AI服务器存储容量、NVIDIA Storage-Next落地规模、HBF产业化进度。