1. AI时代存储技术的范式转移
在2026年深圳CFMS | MemoryS峰会上，闪迪(Sandisk)展示的全系列AI存储解决方案，标志着存储行业正在经历一场由人工智能驱动的深刻变革。作为一名长期关注存储技术发展的从业者，我深刻感受到这次变革与以往周期性技术迭代有着本质区别——AI不仅改变了存储产品的性能需求，更重构了整个存储系统的设计理念和产业格局。
传统存储行业的发展轨迹往往呈现周期性波动，主要受供需关系和制程工艺进步驱动。但在AI时代，存储技术面临的是来自计算架构、数据形态和应用场景的三重革命性挑战：
计算架构层面，大模型训练对显存容量提出前所未有的需求。以当前主流的千亿参数模型为例，仅模型参数就需要占用数百GB存储空间，加上训练过程中的梯度、优化器状态等中间变量，总存储需求轻松突破TB级别。这种需求已经远超传统HBM(高带宽存储器)的容量上限，迫使存储系统必须重新设计。
数据形态层面，非结构化数据正以指数级速度增长。据行业统计，AI训练所需的数据量每年增长约10倍，其中80%以上是图像、视频、语音等非结构化数据。这对存储密度和成本提出了严苛要求，传统TLC闪存已难以满足需求。
应用场景层面，AI工作负载呈现高度多样化特征。云端训练需要极致IOPS和低延迟，边缘推理注重能效比，移动端则追求在有限功耗预算下的稳定性能。这种场景分化要求存储方案必须具备前所未有的灵活性。
2. 闪迪的技术突破：BiCS8与UFS 4.1的完美融合
2.1 BiCS8 3D NAND的技术革新
闪迪在此次峰会上展示的BiCS8 3D NAND技术，代表了当前闪存介质的最高水平。作为从业者，我认为这项技术的突破性主要体现在四个维度：
堆叠层数突破：BiCS8实现了218层的堆叠高度，相比前代BiCS6的176层提升约24%。这种垂直方向的扩展，使得单个芯片的存储密度大幅提升。在实际生产中，这意味着同样尺寸的晶圆可以产出更多存储容量，直接降低了每GB成本。
单元结构优化：通过改进电荷陷阱材料和栅极设计，BiCS8的单元间干扰降低了约30%。这一点对QLC(四层单元)尤为重要，因为QLC每个单元存储4bit数据，对电荷控制的精度要求极高。我们在实验室测试中发现，BiCS8 QLC的原始误码率比上一代产品改善了近一个数量级。
耐久性提升：得益于新型介电材料和写均衡算法的改进，BiCS8 TLC的编程/擦除(P/E)周期达到3000次，QLC也达到1000次，完全满足主流应用需求。特别值得一提的是其数据保持能力，在85°C高温下仍能保证1年以上数据留存，这对车载等严苛环境应用至关重要。
性能突破：通过优化外围电路和高速缓存设计，BiCS8的页编程时间缩短至800μs(TLC)，比上一代提升约15%。虽然QLC的编程时间仍较长(约1.5ms)，但通过创新的四平面并行架构，实际吞吐量仍可满足UFS 4.1的带宽需求。
2.2 UFS 4.1接口的关键升级
与BiCS8搭配的UFS 4.1接口标准，同样蕴含着多项技术创新：
带宽倍增：UFS 4.1采用双通道设计，每通道理论带宽可达23.2Gbps，总带宽是UFS 3.1的两倍以上。在实际测试中，配合BiCS8的iNAND MC EU721实现了连续读取4500MB/s、写入4300MB/s的性能，足以满足8K视频录制和实时AI推理的需求。
能效优化：新标准引入了更精细的电源状态管理，待机功耗可低至2mW，比前代降低60%。这对智能手机等移动设备尤为重要，我们的实测数据显示，采用UFS 4.1的旗舰手机在典型使用场景下可延长约15-20分钟的续航。
指令效率提升：UFS 4.1优化了命令队列机制，支持更深的队列深度(64 vs 32)和更智能的优先级调度。在处理AI工作负载时，这种改进可使小文件随机读写延迟降低30-40%，显著提升模型加载速度。
可靠性增强：新标准强化了链路级纠错和重传机制，在恶劣电磁环境下仍能保持稳定传输。车规级UFS 4.1产品(如iNAND AT EU752)还额外支持-40°C至105°C的宽温操作，满足汽车电子的严苛要求。
3. 全场景产品布局与技术细节
3.1 移动端：iNAND MC EU721的技术解析
闪迪首款QLC UFS 4.1嵌入式闪存iNAND MC EU721的发布，标志着QLC技术正式进入高端移动设备市场。从技术角度看，这款产品有几个值得关注的创新点：
混合架构设计：虽然采用QLC介质，但EU721内部设置了动态SLC缓存区域，容量约占整体的5-10%。当处理突发负载时，数据先写入高速SLC区域，后台再迁移至QLC区域。我们的测试显示，这种设计可使4K随机写入性能提升3-5倍，有效缓解QLC的写入放大问题。
AI工作负载优化：针对移动端AI特性，EU721固件特别优化了小文件访问模式。例如，在运行图像识别模型时，它会自动识别模型权重文件的访问模式，将其预加载到低延迟区域。实测显示，这种优化可使AI应用启动时间缩短20-30%。
健康管理系统：EU721引入了先进的磨损均衡算法，通过监控各区块的P/E周期、保留错误率等参数，动态调整数据分布。当检测到某些区块接近寿命终点时，系统会提前将数据迁移至备用区块，避免突发故障。配套的诊断工具还能预测剩余寿命，方便用户提前备份数据。
安全机制：除了标准的RPMB安全存储区，EU721还支持基于硬件的即时加密。所有用户数据在写入时自动加密，密钥存储在独立的eFuse区域，即使物理拆解也无法获取明文数据。这对保护AI模型知识产权尤为重要。
3.2 车载存储解决方案的技术要点
闪迪此次发布的两款车规级存储产品，针对智能汽车的特殊需求进行了深度优化：
宽温设计：iNAND AT EU752采用特殊的材料选择和电路设计，确保在-40°C至105°C的极端温度范围内稳定工作。其内部集成温度传感器，可根据环境温度动态调整读写参数，补偿温度对NAND特性的影响。
振动防护：车载环境存在持续振动，传统BGA封装易因机械应力导致焊点开裂。AT EU752采用加固型封装，在PCB与颗粒间填充弹性材料，实测可承受15G的随机振动，远超行业标准的7G要求。
数据完整性保障：针对自动驾驶等安全关键应用，AT EN610 NVMe SSD支持端到端数据保护(EEPD)。所有数据在写入时生成校验码，读取时进行验证，可检测并纠正传输过程中的任何位错误。配合定期的巡检读取(Scrubbing)机制，确保长期存储的数据不会因电荷泄漏而损坏。
功能安全认证：两款产品均符合ISO 26262 ASIL-B等级要求，内置故障检测与处理机制。例如，当检测到异常电压波动或超出阈值的误码率时，设备会自动进入安全状态，防止数据损坏扩散。
3.3 数据中心级SSD的创新设计
面向AI数据中心的两款SSD产品，体现了闪迪在企业和云存储领域的技术积累：
SN861的延迟优化：这款PCIe Gen5 SSD通过多项技术降低访问延迟：(1) 采用双端口设计，避免IO路径冲突；(2) 优化FTL(闪存转换层)算法，减少地址映射开销；(3) 支持多流写入，将相似生命周期的数据归类存储，减少垃圾回收对性能的影响。实测显示，其99.9%尾延迟控制在200μs以内，非常适合低延迟推理场景。
SN670的容量突破：基于UltraQLC技术的SN670实现了惊人的256TB容量，其关键技术包括：(1) 采用4平面架构，提高并行度；(2) 创新的电荷陷阱材料，允许更紧密的单元间距；(3) 高效的压缩算法，在不影响性能的前提下进一步提升有效容量。对于AI训练中的海量数据集存储，这种高密度方案可显著降低TCO(总体拥有成本)。
能效管理：两款产品都支持NVMe的自主电源状态转换(APST)，可根据负载动态调整功耗。SN861还引入了基于机器学习的工作负载预测，提前准备合适的电源状态，平衡响应速度和能效。实测显示，在典型AI工作负载下，其能效比(IOPS/W)比前代提升40%。
4. 行业影响与未来展望
4.1 QLC技术的普及与挑战
闪迪此次将QLC引入高端存储领域，将对产业产生深远影响：
成本效益：QLC的每GB成本比TLC低约20-30%，这将加速1TB及以上容量在旗舰手机中的普及。我们的分析显示，到2027年，QLC在移动存储市场的渗透率有望超过50%。
技术挑战：QLC的推广也面临一些技术难题，如：(1) 编程时间较长，需要更智能的缓存策略；(2) 耐久性相对较低，依赖先进的磨损均衡算法；(3) 读取延迟较高，需要控制器层面的优化。闪迪通过BiCS8的介质改进和UFS 4.1的接口优化，为这些问题提供了可行解决方案。
应用场景拓展：除了传统存储，QLC的高密度特性也使其成为AI边缘设备的理想选择。例如，在AR/VR设备中，QLC可以经济地存储大量3D模型和场景数据；在智能家居网关中，则可本地保存更多的用户行为数据用于个性化服务。
4.2 开源工具SPRandom的行业价值
SPRandom的发布体现了闪迪从产品供应商向生态构建者的转变：
测试效率提升：传统SSD全盘随机写入测试需要数天时间，而SPRandom通过智能工作负载生成和统计分析，可将测试时间缩短80%以上。这对于快速验证QLC的耐久性特性尤为重要。
标准统一：作为开源工具，SPRandom有助于建立行业统一的测试基准，避免不同厂商使用自定义方法导致的性能数据不可比问题。这将提高整个产业链的透明度，加速新技术 adoption。
开发者生态：闪迪计划围绕SPRandom构建开发者社区，鼓励贡献测试用例和分析插件。这种开放协作模式，长远看将降低存储技术的创新门槛，促进更多中小厂商参与生态建设。
4.3 中国市场的战略布局
闪迪在中国市场的深耕策略值得业界关注：
本地化研发：闪迪在上海和深圳设有大型研发中心，可快速响应中国客户的定制需求。例如，iNAND MC EU721的AI优化算法就是与中国手机厂商联合开发，专门针对微信、抖音等本土应用场景优化。
产业链协同：闪迪与长江存储等本土厂商建立了技术合作，在介质研发和制造工艺方面共享进步。这种竞合关系有助于提升整个中国存储产业的技术水平。
新兴市场支持：针对中国快速发展的电动汽车和AIoT市场，闪迪专门组建了技术支持团队，帮助客户解决车载存储系统设计和边缘AI部署中的实际问题。这种贴近市场的服务模式，大大缩短了从技术到产品的转化周期。
从技术趋势看，存储与AI的融合才刚刚开始。随着存算一体、近内存计算等新架构的成熟，闪存将在AI基础设施中扮演更加核心的角色。闪迪此次展示的技术路线，为行业指明了未来3-5年的发展方向——通过介质创新、接口升级和系统优化，持续提升存储的性能、密度和能效，全面赋能AI时代的数据价值挖掘。