【环球网科技综合报道】GPU算力二十年间增长近6万倍，显存带宽与容量的增长却几乎线性——当算力芯片的演进速度远远甩开存储系统，昂贵的GPU究竟有多少时间在真正计算，又有多少时间在等待数据？
内存墙困局与第三条路：以存强算的战略逻辑
9月17日，芯展速AI战略发布会上，董事长兼CEO孙丹向在场观众提出，过去二十年GPU算力增长近6万倍，而显存带宽与容量的增长却几乎线性，“内存墙”之下，主流解法似乎只剩下KV Cache精度压缩、显存堆叠下。这一判断直指当前AI基础设施的核心矛盾：当计算单元的性能提升以数量级计，数据供给端却以线性速度跟进，两者之间的剪刀差正在不断扩大。
芯展速合伙人兼COO钱亚欧
芯展速合伙人兼COO钱亚欧在会后的采访中则进一步阐释了这一矛盾的结构性根源：AI负载彻底改变了I/O模式，GPU算力二十年提升了几个数量级，显存容量增长远跟不上，显存墙让昂贵算力的有效利用率只有三四成；与此同时，智能体时代到来，数据7×24小时永不眠地产生和被消费，存储正从配角变成刚需。在这样的背景下，单纯堆叠算力已无法解决问题，必须重新审视存储在AI架构中的角色。
“以存强算，全景覆盖。”孙丹在发布会上概括了芯展速的战略方向——构建云、边、端三级数据基座：云端AI SSD提升集群整体吞吐与稳定性，边缘Token工厂与实时推理，端侧本地化AI能力。这一战略并非对算力路线的否定，而是在算力之外开辟一条协同路径：通过让存储更深地参与计算流程，缓解数据供给瓶颈，从而提升已有算力的有效利用率。
而钱亚欧将芯展速的定位表述为“不去做更贵的GPU，去做更聪明的存储”。其抓手是“存、连、管”三位一体的SCS布局：存，是企业级和AI SSD；连，是Retimer、Redriver等保障高速链路信号完整性的芯片；管，是AI训推一体的解决方案。这一布局的差异化在于，芯展速是国内少数同时具备存储与连接能力的厂商。
云边端三层落地：从全介质存储到Token工厂再到Agent PC
战略落地的第一站在云端。发布会上，芯展速副总裁李蓁与VAST Data中国区售前总监刘陈泓共同发布了面向云端AI存储的全介质栈方案。李蓁介绍，AI存储演进的一个重要方向是走向无分层的统一数据平台，让上层应用看到一套统一的系统、统一的数据，而不是多个割裂的层级。这一方案采用SCM加高密度QLC加高性能TLC的组合，已获得VAST Data官方认证。刘陈泓在分享中表示，芯展速PT200Z AI SSD的超高耐久与MQ系列的122.88TB超大容量，正是为“架构之上无分层”的云存储需求而生。
如果说云端解决的是海量数据的统一存放与高效访问，边侧则瞄准推理效率的突破。芯展速副总裁许玮与高级总监杨泽宏携AI90训推加速引擎亮相。许玮介绍，AI90通过智能KV Cache调度与智能P2P互联，将KV Cache从HBM卸载至高性能AI SSD，构建HBM加DRAM加SSD三级存储体系，让有限显存承载无限上下文，使消费级硬件跑出企业级性能。杨泽宏在现场演示中给出数据：推理吞吐量从约120 token每秒跃升至610 token每秒，首Token延迟从27.99秒降至0.56秒——吞吐提升约5倍，响应速度提升约50倍。
图：AI90 训推加速引擎 Token吞吐提升效果
端侧是三层布局的最后一环。芯展速战略合作伙伴Flowy CEO祁国良在演讲中分享了AI PC的技术实现：通过与芯展速AI30深度集成，将AI SSD引入端侧架构，配合端侧推理引擎Herdsman与混合模型策略，让AI PC可本地执行轻量任务、云端派发复杂推理，并实现Auto智能调度。祁国良表示，AI30让端侧设备真正成为独立的AI算力节点，端侧AI的“最后一公里”正在被铺平。
从云端的全介质统一存储，到边侧的Token工厂，再到端侧的Agent PC，三层产品各有侧重，却共享同一套存算协同的技术内核。这种分层落地的方式，使“以存强算”不再是一个抽象口号，而是在每一层都有可验证的产品与数据支撑。
三层协同的深层逻辑：为什么不能只做一层？
云、边、端三层同时推进，在产业界并不常见。外界关心的是，三层一起做，真正的好处究竟体现在哪里？对此，钱亚欧从三个层面进行了解释说明。
其一，数据链路天然是跨层的。AI的数据流端侧产生、边缘处理、云端训练，如果只优化单点，瓶颈不会在层内消失，只会转移到层与层之间，三层协同才能把“数据怎么跑通”真正跑通。其二，一套核心能力可以多层复用。贯穿三层的是同一套存算协同能力——智能P2P、KV Cache调度、高速链路的信号完整性，云端验证过的架构可以下沉到边端，边端的场景洞察又反哺云端的产品定义，研发成果在三层复利。其三，客户的负载本来就是跨层的。与一家能贯穿三层的厂商协同，可以做系统级优化，比如SSD和Retimer联合调优，从而降低导入成本和供应链风险。
芯展速合伙人兼COO钱亚欧（右一）
钱亚欧强调，这三层并非平均用力，而是“云、边、端”渐进式推进，每一层都有清晰的里程碑产品：云端有PT200Z这样的AI SSD和Gen6 Retimer，边端侧有AI90存算协同方案。
反过来，只盯住一层会缺少什么？钱亚欧认为，缺的是链路视角。单层的性能只有在整条数据通路上才能兑现，只盯云就看不见端侧的显存墙和数据回流成本，只盯端又解决不了模型迭代、数据闭环和海量存储。他以具身智能为例说明：数据从端产生、到边缘处理、再到云端训练，这条链路不通，机器人就始终停留在试点几台，走不到规模上千台。此外，少了与相邻层联合调优的空间，性能天花板会低一截，客户侧的综合成本反而更高。
这一逻辑也解释了芯展速为何坚持“存、连、管”三位一体。存储解决数据的存放与访问，连接解决数据在链路中的高速传输，管理解决AI训推流程中的调度与优化——三者缺一，数据通路就会在某个环节出现断点。
云的未来与产业生态：分工调整而非此消彼长
随着模型越来越强、使用越来越频繁，云在AI中的角色是否会被边端削弱？钱亚欧明确表示，并不认同云和边端此消彼长的说法，“分工在调整，但不存在谁替代谁的问题”。他认为，模型能力在增强、推理成本在下降，越来越多的日常服务确实会在边端完成，但模型训练、海量数据的存放、知识的更新和迭代这些重活目前还是只能在云上做，短期内也看不到转移的可能。“因此未来三五年，云仍然是AI基础设施里承担最多的那一层，边端增长会很快，但更多是分流了原来集中在云上的部分请求，而不是取代云。”
被问及如果大部分日常智能服务不再往云端跑，云这一层是否会退到幕后时，钱亚欧则给出了否定的答案。在他看来，如果大量日常服务在本地就能完成，云会更像一个后方基地：模型在这里训练，数据在这里归档，全局的调度也在这里做。这里面有个朴素的逻辑——端侧的智能越普及，产生的数据越多，需要回到云端训练和沉淀的数据也越多，总量一直在涨。负载在云、边、端之间怎么分，最终要看时延、成本、隐私和能耗几个因素，不同行业的选择会不一样。但不管落在哪一层，数据都要存、要搬、要用得起来，存储和连接是绕不开的。
战略层面，芯展速正在通过生态合作将三层布局转化为产业闭环。在发布会压轴环节，钱亚欧代表芯展速先后与光环新网、海威智算、云工厂、Flowy签署战略合作协议，合作覆盖智算中心、云、端侧AI三大关键场景，宣告云边端生态闭环正式落地。
对于行业周期，钱亚欧保持着底线思维。他表示，存储是一个生态门槛极高的行业，芯展速还是一家年轻公司，需要向各个领先原厂看齐，和用户、生态一起配合打磨；周期的波动终会过去，但结构性的变革将重塑一切，芯展速押注的是数据持续增长这个确定性。
“用存储解决算力的瓶颈。”孙丹在发布会上的这句话，为整场活动定下注脚。当6万倍的算力增长遭遇线性的存储跟进，当智能体让数据7×24小时不息地流动，瓶颈的本质已从“算得不够快”转向“数据供不上”，而芯展速以存强算、云边端协同的路径，本质上是在回答一个更根本的问题：在AI时代，什么样的数据基座才能支撑智能的持续进化。答案或许不在某一层，而在层与层之间那条被打通的数据通路。（赵华）