我们都知道，神经系统是智慧生物的硬件基础，人脑中近千亿的神经细胞（神经元）让人类学会思考、使用工具、创造语言……最终在与其他生物的竞争中脱颖而出，缔造出灿烂文明。

那你有没有想过，时下最热门、以高智商著称的DeepSeek、ChatGPT等各类AI（以下均特指“生成式AI”）的硬件基础，又是什么呢？

大部分人的第一反应可能是：算力（GPU/计算单元）。经过英伟达、OpenAI等科技巨头的轮番鼓吹，算力几乎成为了当下AI最重要的硬件。但事实上，AI的“硬件神经系统”并非显而易见的算力。

在人脑中，神经系统的作用是传输和处理信号，而在二进制的计算机世界里，负责数据传输和处理的，是无处不在、早已诞生半个多世纪的存储器。如今，SSD（固态硬盘）、DRAM（动态随机存取存储器）、UFS（通用闪存存储）等，都属于最先进的半导体存储之一。

经过多年发展，许多人对手机上的UFS、电脑上的SSD都不陌生，但人们印象中的“数据仓库”——存储，是如何成为AI“硬件神经网络”的呢？

为什么存储是AI的“硬件神经网络”？

人类神经系统通过每秒数百米的电信号传递，让大脑能实时处理视觉、听觉等多维度信息。

而AI的运行逻辑惊人相似：从云端大模型训练到终端实时推理，数据需在存储、计算单元间高频流动。以ChatGPT-4为例，其训练需要调用2万亿单词的数据集，每次推理需访问数百GB的模型参数，这就好比大脑调用记忆时，神经突触必须快速传递电信号——存储系统的带宽、延迟、可靠性，直接决定了AI“思考”的速度和准确性。

近年来，AI的爆发式增长，让大模型、智能决策和边缘计算等技术成为焦点。但在这场技术革命中，人们往往过度关注算力的“肌肉”（如GPU、TPU）和算法的“智慧”，却忽视了存储这一“硬件神经系统”的重要性。

以生成式AI为例，训练一个千亿级参数的模型需要处理PB级数据，推理时需实时调用数万条参数；自动驾驶汽车每秒需分析数十GB的传感器数据；AI手机需在本地快速加载图像生成模型。

这些场景中，存储的带宽、延迟、容量和安全性直接决定了AI能否高效运行。若存储性能不足，AI的“大脑”再强，也可能因“神经信号”传递缓慢而“瘫痪”。

如今，行业正陷入“算力狂欢”，而存储领域的关注度却相形见绌。正如人脑神经信号传递受阻会导致反应迟缓，存储性能不足正成为AI落地的“隐性枷锁”。

AI的发展离不开数据，而数据的存储、读取和写入速度直接影响着AI的性能。就像人脑的神经系统一样，存储技术负责将数据快速、准确地传递给AI的“大脑”——处理器，使其能够及时进行分析和决策。

因此，从AI模型的训练到实时推理，存储都是AI落地的关键环节，是支撑AI健康发展的“硬件神经系统”。

AI时代需要什么样的存储？

如今，随着AI大模型的不断发展，数据量呈指数级增长，对存储的要求也越来越高。首当其冲的，便是对大容量和高带宽存储的需求越来越高。

10亿（1B）参数的模型约需4GB存储空间，例如，1000亿参数的模型理论大小约为400GB。以目前逐渐走红的DeepSeek一体机为例，若想运行DeepSeek-R1满血版（6710亿参数），至少需要2684G的存储。

另一方面，千亿参数模型也对数据的读取和存储速度提出了更高要求，传统存储方案在这种超大模型的高频访问下，容易出现“数据堵车”，导致生成时间延长。也是因此，大容量、高带宽存储逐渐成为行业主流。

以闪迪首款PCIe 5.0 eSSD（企业级固态硬盘）Sandisk DC SN861为例，其基于PCIe Gen 5接口，带来了带宽的有效提升，随机读取性能相比上一代产品提升约3倍，即便处理百亿参数模型，也能实现“即调即用”。

Sandisk DC SN861企业级SSD

但只是做到大容量和高带宽还不够，低延迟同样是AI的一大痛点。

Sandisk DC SN861具有超低的延迟和非凡的响应速度，尤其适用于大语言模型（Large Language Model, LLM）的训练、推理和AI服务部署。

虽然AI正在猛烈改变世界，但正如大脑是人体消耗能量最多的器官，AI也带来了无法忽视的能耗问题。

如今，全球数据中心年耗电量已达2000亿千瓦时，相当于整个英国的用电量。根据高盛的研究，由于AI训练与推理对高性能计算的依赖，到2030年，全球数据中心电力需求将因AI应用激增而增长160%，占全球用电量的3%-4%，碳排放较2022年翻倍。

虽然人脑无法自主调节神经系统的能量消耗，但完全由人类设计、生产的存储却已经可以实现相当精准的能耗控制。例如，闪迪DC SN861通过动态电压调节，能够实现更低的能耗，提供更高的每瓦特IOPS（IOPS/Watt），其运行模式功耗12W-20W，闲置功耗则低至5W左右。

当然，还有最重要的因素也不能忽视——数据安全。

无论是AI手机、AIPC等个人用户，还是医疗AI处理的患者影像、金融AI分析的交易数据等等，都需要存储系统具备“神经防护盾”，提供硬件级别的数据安全保护。

闪迪DC SN861提供了端到端数据路径保护以及TCG安全和加密等功能，前者从数据写入到读取，整个过程中可确保数据的完整性，及时发现并纠正数据在传输和存储过程中可能出现的错误。而TCG（Trusted Computing Group，可信计算组织）安全和加密技术，则会对存储的数据进行加密处理，防止数据被未经授权的访问和窃取可有效确保数据的完整性和安全性。

再比如，以闪迪今年推出的适用于移动智能终端设备的UFS 4.1存储解决方案iNAND MC EU711嵌入式闪存驱动器为例，产品内置的Advanced RPMB硬件加密技术，就能对数据进行实时校验，破解难度比软件加密高1000倍。

简而言之，在硬件级的数据安全保护下，相当于为AI的“神经信号”搭建了一条防干扰、防篡改的“专用通道”，守护用户数据安全。

存储的重要性将会越来越高

大部分AI技术或算法模型都由全球最聪明的一圈人打造，普通人几乎很难理解其中的技术细节和理论架构。

当我们惊叹于AI生成的画作栩栩如生、自动驾驶的决策精准无误时，不应忘记其背后的“硬件神经系统”正经历着怎样的技术革命。存储早已超越“数据仓库”的传统定位，成为AI与物理世界连接的“神经枢纽”。

未来，随着存算一体化技术的突破，存储控制器或许将内置AI算法，实现数据的智能调度与预处理；车规级UFS 4.1会让汽车成为“四个轮子上的超级计算机”；端侧存储的大容量化将催生“设备即AI主体”的新生态。

正如人类神经系统的进化推动了认知革命，存储技术的每一次跃升，都在重新定义AI的可能性边界。或许在不久的将来，我们会忘记“算力”与“存储”的分野——因为高效的数据流动，本就是智能的本质特征。