KV Cache需求暴涨32倍，AI如何重写存储产业链的「旧分工」？| MemoryS 2026观察

作者 | 杨依婷编辑 | 包永刚去年的CFMS｜MemoryS峰会上，存储厂商们讨论的是：价格何时企稳、QLC何时上量、AI PC何时落地。彼时，“AI会让存储变得更基础、更关键”，还更像是一种行业判断，一种面向未来的趋势预演。一年之后，站在MemoryS 2026的会场里，问题已经彻底变了。人们谈论的不再只是位元成本、颗粒供给和容量节奏，而是GPU利用率、token成本、系统调度效率，甚至物理AI场景中的实时决策能力。那些原本属于AI基础设施和系统架构层面的议题，正在越来越频繁地出现在存储产业的讨论中心。在传统计算架构里，存储的职责更多是“存”。数据被写入、留存，在需要时调取，不需要时则静静停留在系统边缘。它长期是BOM成本中的一项，是容量规划的问题，而很少直接参与算力效率的定义。但在大模型训练与推理时代，这一角色被彻底改写。KV Cache的访问延迟，开始直接影响token生成速率；Checkpoint的写入效率，决定着GPU在训练过程中的等待时间；SSD的IOPS密度，则进一步