过去几年，AI产业的竞争焦点几乎完全围绕算力规模展开。模型参数规模从百亿级跃升至万亿级，GPU集群规模从千卡扩展至万卡级别，行业核心问题始终是——谁能够提供更高的计算性能与更快的训练速度。
然而，当大模型从集中式训练阶段逐步过渡至规模化推理阶段后，产业逻辑正在发生变化。模型参数可以扩展，算力资源可以叠加，但能源供给与电力基础设施的扩容速度却难以同步增长。算力的边际扩张，正在越来越多地受到能源约束的影响。
相关机构预测，到2029年，推理将占据AI计算总量的65%，并贡献AI系统生命周期成本的80%至90%（引用数据1）。这意味着，AI推理正在成为数据中心的长期基础性服务负载。与阶段性训练不同，推理通常要求7×24小时持续运行，对电力供给、散热系统及能源效率提出更高要求。数据中心面临的核心压力，正从单纯的算力规模转向能源约束与能效管理。
以美国为例，部分大型AI数据中心的电力需求已超过1GW，相当于约85万户家庭的用电规模。由于电力基础设施建设周期长、关键设备（如燃气轮机）供应紧张等因素，能源供给能力可能成为限制AI扩张的重要因素（引用数据2）。
在此背景下，“绿色”不再是附加指标，而正在成为系统设计的前提条件。数据中心的评价体系也由关注峰值性能，逐步转向单位能效与整体资源利用效率。
AI时代的新结构性变化
在大模型训练阶段，核心目标是通过大规模并行计算实现模型收敛，强调算力规模与训练速度。
进入推理阶段后，负载结构发生变化。推理通常涉及大量小数据块的随机访问、高并发的参数加载以及低时延响应需求。模型从阶段性计算任务，转变为高并发、低延迟、成本可控的持续服务模式。在这一模式下，能源成本成为仅次于GPU采购成本的重要运营支出。
因此，数据中心的优化重点也从单纯堆叠算力，转向提升“算力能效”。行业逐渐引入每瓦特有效算力指标，即单位能耗下完成的有效计算量（GUE，Green Compute Efficiency的类比指标），用于衡量系统能效水平。
存储对算力能效的结构性影响
提升算力能效通常包括算法压缩、模型蒸馏与推理优化等软件层面的手段。然而，算力能效不仅取决于计算单元本身，也高度依赖于存储系统的IOPS能力、时延稳定性与数据吞吐表现。
在推理负载场景下，若存储响应速度不足或延迟出现抖动，GPU可能进入等待状态。此时，功耗维持在高位，但有效计算吞吐下降，导致单位计算能耗被动上升。
尤其在持续推理场景中，GPU利用率的轻微波动都会放大单位计算能耗。在功耗相对稳定的前提下，一旦有效吞吐降低，单位token能耗成本即会提升。对于长期运行的推理集群而言，这种效率损失会持续累积，进而推高电力与散热成本。
因此，在AI负载结构中，存储已成为影响系统能效的重要变量。存储系统不再只是数据的静态承载介质，而是计算流程中的关键环节。其性能与稳定性成为直接决定推理任务是否能够高效完成的重要因素，尤其是在跨节点、跨区域部署的场景下。
这也对数据中心所采用的企业级SSD提出了新的要求：不仅需要提供高吞吐与低时延，更需要在能耗控制与性能稳定性方面实现优化。
企业级SSD的能效角色演进
在AI工作负载环境中，企业级SSD的角色正在发生转变。其核心指标不再局限于性能参数，而是延伸至每瓦特IOPS表现与长期稳定运行能力。
闪迪®SN861企业级SSD
为应对这一趋势，闪迪推出企业级SSD——SN861。该产品采用PCIe® 5.0接口，支持高随机读写性能，容量最高可达16TB。通过架构优化，DC SN861提升了单位功耗下的IOPS表现，实现同等功耗下更高性能，或在相同性能水平下降低能耗，从而在长期运行环境中帮助数据中心控制能源成本。
DC SN861支持NVMe 2.0与OCP 2.0规范，提供1或3次每日全盘写入（DWPD）能力，适配关键任务负载。其E1.S版本已通过英伟达 GB200 NVL72系统认证，可满足高性能计算场景需求。
新一代产品支持FDP（Flexible Data Placement）功能，通过降低写入放大系数延长设备寿命，并优化性能稳定性。设备寿命延长本身亦属于能效优化的一部分，因为更换频率的降低意味着制造与运维环节隐含能源消耗的减少。
与此同时，AI规模化应用推动大容量存储成为趋势。但若容量提升以显著增加功耗为代价，将进一步加剧数据中心能源压力。对此，闪迪推出UltraQLC™设计平台，整合BiCS8 QLC CBA NAND闪存技术与定制控制器架构，在容量、性能与能效之间实现平衡。
基于该平台的闪迪®SN670 NVMe SSD，针对AI数据生命周期中的数据准备、转换及内容生成阶段进行优化，帮助企业提升资源利用效率。
此外，闪迪在2025年展示的UltraQLC™ 256TB1 NVMe SSD，为超大规模数据湖场景提供了新的容量参考。
写在最后
在AI时代，算力、数据与能源正在形成高度耦合的系统结构。性能不再是唯一竞争维度，能效成为决定长期可持续发展的关键因素之一。
在这一体系中，存储不仅是数据的容器，更是算力效率的关键支撑点。绿色设计，也因此从战略口号转变为结构性竞争变量。
引用数据1来源：
https://introl.com/zh/blog/ai-inference-vs-training-infrastructure-economics-diverging?
引用数据2来源：
https://www.reuters.com/markets/commodities/us-ai-boom-faces-electric-shock-2026-02-25
11GB=1,000,000,000字节；
1TB=1,000,000,000,000字节。用户的实际存储空间更小。
*文中产品图片可能与实际产品有异。产品规格如有变更，恕不另行通知。
免责声明
本站转载的文章，版权归原作者所有；旨在传递信息，不代表本站的观点和立场。不对内容真实性负责，仅供用户参考之用，不构成任何投资、使用等行为的建议。如果发现有问题，请联系我们处理。
本站提供的草稿箱预览链接仅用于内容创作者内部测试及协作沟通，不构成正式发布内容。预览链接包含的图文、数据等内容均为未定稿版本，可能存在错误、遗漏或临时性修改，用户不得将其作为决策依据或对外传播。
因预览链接内容不准确、失效或第三方不当使用导致的直接或间接损失（包括但不限于数据错误、商业风险、法律纠纷等），本网站不承担赔偿责任。用户通过预览链接访问第三方资源（如嵌入的图片、外链等），需自行承担相关风险，本网站不对其安全性、合法性负责。
禁止将预览链接用于商业推广、侵权传播或违反公序良俗的行为，违者需自行承担法律责任。如发现预览链接内容涉及侵权或违规，用户应立即停止使用并通过网站指定渠道提交删除请求。
本声明受中华人民共和国法律管辖，争议解决以本网站所在地法院为管辖法院。本网站保留修改免责声明的权利，修改后的声明将同步更新至预览链接页面，用户继续使用即视为接受新条款。