2022年，全球生成式AI市场规模为101.4亿美元，预计到2030年将达到1159亿美元，复合年增长率 (CAGR) 为35.6%。
但不论AI应用如何发展，都要依赖于大量结构化和非结构化数据的“投喂”。因此，生成式AI模型会生成大量文本、图像、视频等。简单来说，数据分析处理千兆字节的信息，机器学习将数据分析推向PB级（1PB约为5000亿页标准输入文本），而生成式AI则把数字拉到了数百PB甚至更多。
AI对存储的需求也在不断变化。存储厂商开始对AI需求划分优先级，要容量，要性能，要数据传输速度，还有AIOps等等。比如：
1、推动DRAM（动态随机存取存储器）市场发展。AI训练和推理过程中需要频繁访问和处理数据，对内存容量和带宽提出了更高要求。
随着半导体技术的不断发展，DRAM的制程技术快速发展。目前如三星、海力士和美光等已经进入1Znm（10-14nm）制程，并预计将进一步缩小至1αnm（10nm以下）制程。这将显著提升DRAM的存储密度和性能，同时降低功耗和成本。DDR5作为DRAM的新一代标准，已经开始在市场上广泛应用。
2、还有随着AI模型对数据传输速度的要求提高，PCIe接口也在不断迭代。PCIe 5.0和即将到来的PCIe 6.0提供了更高的数据传输速率来满足AI应用的需求。例如，PCIe 5.0的接口带宽性能在某些应用中已经可以翻倍，满足AI对高带宽的需求。目前，市场上的主流厂商们已经在发售PCIe 5.0 SSD。
3、推动CXL技术发展。CXL通过提供高带宽、低延迟的连接，优化数据中心内存，使其能够更好地适应AI时代的需求。生成式AI模型的应用不断发展，对计算资源有着巨大的需求，尤其是在训练和推理过程中。CXL技术通过实现CPU和加速器之间的内存资源共享，推动异构计算的普及，提高AI模型训练和推理的速度。
4、还有QLC（四层单元）和TLC（三层单元）NAND闪存因其较高的存储密度和相对较低的成本，成为生成式AI应用的理想选择。QLC NAND市场规模预计将从2023年的12.9%增长到2027年的46.4%，接近TLC NAND的市场份额 。QLC NAND提供的更大容量密度使其在企业级SSD市场中尤为受欢迎，尤其是在需要大量数据存储的AI服务器环境中。
5、云文件服务也来活了，服务商们用存储在云上的数据集来投喂大模型，但数据需要从其底层对象库实现更快地访存，类似AWS、Azure和谷歌用类似 GPUDirect的方式把数据从S3和Azure Blob存储传送到GPU实例里。
6、数据保护和安全方面，连接聊天机器人接口到企业设备使用时要保护数据集和识别漏洞。特定领域的聊天机器人可以检查组织的攻击面并确定保护它的操作。
一些安全厂商已经开始通过聊天机器人等AI技术让它们更有效地检测和响应恶意软件及处理用户交互。
总之，AI的兴起正在推动存储市场的发展，同时也促使存储技术不断创新以满足AI应用的需求。随着AI技术的不断进步，我们可以预见存储市场将继续扩大，为AI应用提供更强大的支持。2024年11月8日，欢迎大家来到北京，来到中国数据与存储峰会现场，走进AI+存储协同发展论坛，了解更多关于AI与存储的新变化。
