AI算力竞争正在进入一个新的阶段，芯片性能之外，数据如何更快抵达计算单元，正在成为影响系统效率的重要变量。
8月4日，日本存储厂商铠侠正式发布首款支持GPU直接访问高速闪存的GP系列固态硬盘KIOXIA GP1。该产品主打极高随机读取性能，官方数据显示，其随机读取性能达到100M IOPS，目标应用场景直指快速增长的AI基础设施市场。
这背后反映出一个变化：AI系统正在重新定义存储的角色。
过去，训练大型模型时，行业关注点主要集中在GPU数量、算力规模以及HBM（高带宽内存）供应能力上。英伟达GPU搭配HBM已经成为当前AI数据中心的主流架构，但随着模型规模持续扩大，单纯依靠增加高成本高速内存并不是长期方案。
HBM速度快，但容量有限且价格高昂。
AI应用进入推理阶段后，系统需要处理的数据规模越来越大。企业不仅需要训练模型，还需要让模型持续调用大量数据，包括企业知识库、用户信息、实时数据以及多模态内容。这意味着计算系统需要新的存储层级，在速度和成本之间找到平衡。
铠侠GP1试图解决的正是这一问题。
传统架构中，GPU通常需要通过CPU访问存储设备，数据传输路径较长，容易造成等待。而支持GPU直接访问高速闪存后，理论上可以减少数据搬运环节，让GPU更高效地处理任务，提高整体利用率。
铠侠表示，GP1系列希望将高速闪存引入显存系统之外的新型AI存储架构，使AI系统能够以低于扩展HBM的成本访问更大规模数据，同时提升GPU资源使用效率。
这也是存储厂商争夺AI基础设施市场的新方向。
近年来，三星、SK海力士、美光等企业围绕HBM展开激烈竞争，而传统NAND闪存厂商也开始寻找AI时代的新增长空间。相比单纯扩大存储容量，如何让闪存进入AI计算链路，成为新的技术路线。
类似趋势已经在云计算领域出现。大型云服务商希望通过优化存储、网络和计算之间的连接方式，降低AI服务成本。对于企业客户而言，未来AI部署的核心问题不只是“有没有足够算力”，还包括“算力是否被充分利用”。
当然，GPU直连闪存仍处于发展阶段。AI基础设施涉及芯片、操作系统、软件生态和数据中心架构多个环节，单一硬件产品很难立即改变整个行业格局。
但方向已经越来越明确。
随着AI模型从实验室走向商业化，存储正在从幕后配角变成算力体系中的关键环节。未来的数据中心竞争，可能不只是GPU之间的竞争，而是计算、内存、存储和网络整体协同效率的竞争。
铠侠GP1的出现，某种程度上说明存储行业正在寻找AI时代的新入口。高速闪存不再只是保存数据的工具，而开始尝试成为AI计算链路的一部分。
