AI推理成本高企，“以存换算”悄然成为产业新共识

过去一年，大模型从训练走向规模化部署，推理阶段的算力与能耗问题日益凸显。与训练阶段“堆算力”不同，推理环节对数据吞吐和时延的要求更为苛刻，这促使产业链重新审视计算架构的瓶颈。近期，21世纪经济报道的一则资讯显示，存储厂商正开始切入算力优化赛道，而“以存换算”的理念正在这一轮产业调整中形成新的技术共识。

存储瓶颈倒逼架构革新，产业逻辑生变

在传统的冯·诺依曼架构中，计算单元与存储单元分离，数据在两者之间的搬运消耗了大量时间与能量。对于已训练完成的大模型而言，推理过程需要频繁调用海量参数，此时“内存墙”问题成为制约性能与成本的关键因素。根据行业公开数据，在部分AI工作负载中，数据搬运所消耗的能量可能占据总能耗的50%以上，这一比例在IDC历年发布的算力效率报告中曾被反复提及。当推理需求成为主导，单纯依赖先进制程提升算力已无法从根本上解决时延与能耗问题，产业界因此开始将目光转向存储侧的技术革新。 所谓“以存换算”，其核心思路并非用存储直接替代计算，而是通过重构存储与计算的关系，在数据所在位置附近完成更多处理，从而减少数据迁移带来的开销。这种理念在存内计算、近存储计算等具体技术路径中均有体现。值得关注的是，此次新闻中明确提及存储厂商主动切入算力优化赛道，这表明在芯片设计、制造之外，存储产业正试图从硬件底层为AI推理提供新的解决方案，而非仅仅扮演容量的提供者。

存储厂商跨界算力，赛道竞合格局初显

从产业链位置看，存储厂商长期处于半导体周期的波动之中，而AI服务器的需求增长为其带来了新的增长窗口。尽管本次新闻未披露具体厂商名称或产品细节，但可以确认的是，这一动向已经不再是实验室里的概念验证，而是开始进入商业化探索阶段。在全球存储市场中，DRAM与NAND Flash的年度市场规模长期维持在千亿美元量级，例如WSTS（世界半导体贸易统计组织）在2025年的公开预测中曾估算，全球存储芯片市场在2026年有望实现两位数的增长率，这一预期部分正是源于AI服务器对高带宽存储（HBM）及大容量存储的刚性需求。 对于算力优化赛道而言，存储厂商的入场可能带来两种改变。其一，是提供更贴近AI推理场景的内存产品，例如更高带宽、更低功耗的定制化存储方案；其二，是借助其在存储控制器、闪存转换层等方面的技术积累，推出一体化的数据加速方案。然而，这一跨界行为也面临挑战，存储厂商对计算生态的熟悉程度、软件工具链的完善度，以及与传统芯片设计公司、云服务厂商的合作关系，都有待进一步确认。或许，未来AI推理芯片市场的竞争，将从单一算力比拼，演变为“算力+存储”综合方案的较量。

算力优化走向多元，行业标准与生态待建

“以存换算”共识的形成，背后折射出AI产业对单位算力成本的极度敏感。据Gartner在2025年发布的一项调研估算，全球AI芯片市场规模将在2026年突破1000亿美元，但与此同时，推理成本占企业AI总开支的比例也在快速上升。在此背景下，任何能够有效降低推理单位成本的技术路径，都可能获得产业资本与客户的双重青睐。存储厂商的介入，虽然目前仍处于早期阶段，但其带来的多元视角，可能促使算力优化从单一的芯片微架构优化，扩展到系统级、数据流层面的整体设计。 不过，必须审慎指出的是，此次报道中“以存换算”成为共识的说法，更多代表产业界的一种技术风向，其大规模商业化落地仍有很长的路要走。具体到技术标准制定、异构计算的软件适配，以及如何量化考核“换算”的实际收益，这些问题在目前公开信息中均未给出明确答案。行业未来的竞争格局，究竟是存储厂商向上吞噬计算环节，还是计算厂商向下整合存储能力，仍有待观察。可以确定的是，AI推理需求的持续爆发，已经为这场跨领域的算力革新提供了最直接的动力。

数据参考

• 行业背景： AI推理环节数据搬运能耗占比可能超过50%（来源：IDC历年算力效率报告，2023-2024年）。
• 行业背景： 全球存储芯片市场2026年有望实现两位数增长率为预测值（来源：WSTS，2025年预测）。
• 行业背景： 全球AI芯片市场规模2026年预计突破1000亿美元（来源：Gartner，2025年估算）。
• 本次新闻已确认数据： 暂无具体数字或交易金额披露，标题及摘要仅明确“以存换算”成为共识及存储厂商切入赛道的事实。
• 暂缺可核验数据： 涉及具体厂商名单、技术性能参数及成本下降比例，均未在本次新闻中披露。 #AI行业热点 #AI #算力 #存储