9月22日，2026雲棲大會在杭州開幕。「智以致用」是本屆大會的主題，活動將持續到9月24日。隨著AI從大模型訓練進一步走向推理、Agent以及產業規模化應用，行業關注的焦點也開始從單純提升計算能力，延伸至數據如何被更高效地儲存、調用和傳輸。作為全球半導體企業和儲存技術創新者，Sandisk閃迪亮相本屆雲棲大會，帶來了面向雲數據中心和智能汽車的多款儲存產品，以NAND快閃記憶體技術展示AI時代從雲端到車端的數據基礎設施布局。
對於AI應用變化帶來的儲存需求，閃迪公司副總裁兼中國區總經理蔡耀祥也給出了自己的判斷。在他看來，「隨著AI智能體逐漸融入到各行業的日常應用中，人工智慧通過模型創新和實際部署得到持續發展。推理工作負載的增長，使高效地儲存、傳輸和訪問數據變得愈發關鍵。憑藉提供規模化應用所需的性能、可靠性和能效，快閃記憶體儲存在AI發展的這一新階段中起到關鍵的支撐作用。作為全球先進的半導體企業，閃迪擁有數十年NAND快閃記憶體技術積澱，旗下卓越的儲存解決方案覆蓋雲數據中心、汽車、物聯網及智能移動等多元領域。閃迪正攜手產業夥伴推動內存與儲存創新，助力支持新一代AI應用和工作負載。」
看這次的展品，能發現儲存需求的差別。數據中心裡，要為計算任務及時提供數據，也要存下不斷積累的內容。汽車上的儲存則多了一層要求：車內環境變化時，產品仍需可靠工作。這些需求，對應著不同的型號。
AI進入推理時代，儲存成為算力之外的另一塊基礎設施
AI應用走向落地之後，數據中心面對的問題也在變化。訓練大模型需要算力，但到了推理和AI Agent大規模運行階段，數據讀取、寫入以及在不同計算節點之間的流轉會變得更加頻繁。此時，SSD夠不夠快只是其中一方面，能裝多少數據、功耗表現如何，以及長期使用成本，都會影響數據中心的實際部署。
這也是閃迪此次在雲棲大會帶來SANDISK SN861 NVMe SSD和SANDISK SN670 NVMe SSD兩款企業級SSD的原因。兩款產品並不是簡單追求同一項性能指標，而是對應不同的使用場景：閃迪SN861更偏向大模型訓練、推理和AI服務等計算密集型負載，閃迪SN670則把重點放在AI數據湖等需要大容量儲存的場景。
接口和容量方面，閃迪SN861給出的規格是PCIe Gen 5、高達16TB。用在大模型訓練和推理中，閃迪SN861著重處理的是隨機讀寫需求，同時儘量縮短數據訪問的等待時間。閃迪SN861也支持NVMe 2.0、OCP 2.0，功能中還包括FDP，即Flexible Data Placement。簡單來說，FDP可以減少不必要的數據重複寫入，在降低寫入放大的同時，對SSD壽命、性能穩定性和QoS也有幫助。其E1.S版本已經通過NVIDIA GB200 NVL72系統認證。
如果說閃迪SN861解決的是AI計算過程中的「快」，那麼閃迪SN670更關注海量AI數據如何「裝得下」。閃迪SN670基於閃迪UltraQLC平台，整合BiCS8 QLC CBA NAND、定製控制器及系統調優，單盤容量高達256TB，主要面向高速AI數據湖以及AI數據準備等儲存密集型應用。
兩款產品放在一起，也體現了AI基礎設施儲存需求正在進一步分化：一端追求更高IO性能和更低延遲，另一端則需要在有限的數據中心空間內承載越來越龐大的數據規模。
從雲端走向車端，AI汽車也需要更強的儲存底座
本屆雲棲大會上，閃迪展示的另一條重要產品線來自智能汽車。
隨著智能網聯汽車和軟體定義汽車持續發展，智能座艙、輔助駕駛以及車載AI應用產生和調用的數據量持續增加，汽車也正在成為一個不斷產生、處理和保存數據的移動計算平台。對應到儲存層面，除了性能和容量之外，可靠性、耐久性以及對複雜工作環境的適應能力同樣重要。
其中，SANDISK iNAND AT EU752 UFS4.1嵌入式快閃記憶體驅動器是閃迪首款採用UFS 4.1標準的車規級嵌入式快閃記憶體產品，基於BiCS8 TLC NAND打造，容量高達1TB。1TB版本給出的兩項順序讀寫數據分別為：讀取4300MB/s，寫入4100MB/s。閃迪將其與前代產品作了比較，給出的性能提升幅度為超過兩倍。車載儲存需要裝下的東西還在增加。AI模型部署到本地後會占用一部分容量，車輛採集的數據也要保存，再加上交付後的軟體更新，空間需求很難停留在出廠時的水平。放在這樣的使用背景下，1TB容量也為後續使用留出了餘地。
同場展示的還有SANDISK iNAND AT EN610 NVMe SSD，對應的是新一代高性能中央計算架構所需的儲存方案。閃迪EN610採用TLC快閃記憶體，寬溫工作能力也是這款車載產品的一項規格。它的配置可以調整。需要使用SLC模式時，可以只轉換部分儲存空間，也可以全部轉換。轉換後，同樣數量的快閃記憶體單元能保存的數據會變少，因此可用容量隨之下降，寫入耐久性則有所提高。閃迪EN610的容量同樣高達1TB，採用M.2 1620 BGA封裝。至於採用哪種配置，車企需要先看應用會寫入多少數據、寫入有多頻繁。頻繁寫入的數據，可以考慮交給SLC空間處理。若容量需求更大，配置時就需要多留一些TLC空間。同一款產品由此可以作出不同配置，容量保留多少、耐久性提高多少，要隨用途來定。
這兩款產品放在一起看，也能看到車載儲存需求正在發生變化。地圖、影音和系統文件，過去是人們比較熟悉的車載儲存內容。如今，隨著汽車逐步轉向中央計算架構，AI模型也要裝進車裡，車輛運行中還會不斷產生新數據。留多少容量、能承受多頻繁的寫入，成了汽車儲存設計中需要一併考慮的問題。它雖然不是智能汽車最容易被消費者感知的部分，卻已經成為整車計算體系中不可缺少的一環。
熱點科技洞察：AI落地，儲存要解決的問題更具體了
過去幾年聊AI，GPU和大模型往往是最受關注的兩個關鍵詞。但當AI真正進入數據中心、汽車以及更多終端之後，一個很現實的問題隨之出現：越來越多的數據，要放在哪裡，又該怎樣更快地交給計算單元？
從閃迪此次在雲棲大會展示的產品也能看到這種變化。把四款產品放在一起看，各自要解決的問題比較清楚。閃迪SN861更關注數據讀寫得快不快、等待時間長不長。閃迪SN670面對的主要問題，則是大量AI數據需要足夠的容量來保存。閃迪EU752和閃迪EN610用於汽車，既要承接車載AI和中央計算帶來的儲存需求，也要考慮車輛實際運行時的環境條件。在熱點科技看來，討論AI硬體時，儲存值得單獨拿出來看。選型之前，先把應用的需求列清楚：模型本身有多大，運行時多久寫一次數據，又需要在多短的時間內完成讀取。有了這些資訊，才容易判斷哪種配置適用。落到數據中心和汽車上，答案又不一樣，也就很難只憑一項速度參數判斷儲存方案是否合適。
四款產品背後呈現出的共同趨勢是，AI基礎設施的競爭已經不只是「算得有多快」，同樣取決於數據能否存得下、調得快，並在不同應用環境下長期穩定運行。
