随着AI基础设施扩展速度加快，存储设备效率正成为数据系统设计的核心课题。计算及网络性能越发达，存储层承受的压力就越大，在GPU密集型计算环境中，能够降低延迟并最大化响应速度的高性能存储解决方案正成为竞争力所在。
在SC25大会的theCUBE访谈环节中，Solidigm的AI业务总负责人Avi Shetty强调："直到去年，GPU和高带宽存储器还备受关注，但现在很明显，若没有具备稳健性能和可扩展性的存储解决方案，将难以稳定运行AI工作负载。"Solidigm是SK海力士旗下的NAND闪存子公司。
WekaIO产品总负责人Isaiah Weiner对此表示认同，并指出："存储效率优化正成为从AI模型训练、推理到高性能计算的整体架构设计核心要素。"他们强调，现代存储系统不仅要超越单纯的数据存储功能，更需要切实减少AI模型运行过程中的实际瓶颈。
Solidigm与Weka实际指出，AI处理过程中对多层存储结构的需求正在激增。高性能SSD用于支撑模型训练阶段的GPU处理速度，作为精准数据供给装置；而高密度QLC存储介质则专注于全球推理环境中的长期运营效率与存储成本节约。据悉，通过合理组合两种存储介质，构建从功耗控制到处理周期、再到服务经济性的平衡系统，正是当前变革的本质。
尤其值得注意的是，由于推理速度直接影响产品用户体验，向能够自主减少不必要时间消耗的"存储中心设计"转型正在加速。这意味着需要通过基于存储效率优化的架构创新，来提升模型加载、更新及请求切换的速度。
Weka当日宣布已完成系统升级，当其客户采用Solidigm的QLC SSD时，可在维持最高达原有性能90%水平的同时大幅降低存储成本。Avi Shetty表示："利用兼具经济性与高性能的高密度、高扩展性SSD构建AI基础设施，现已达到可实现水平。"
这一趋势在SC25大会上得到印证，并随着AI模型向实际创造价值的推理阶段转移而愈发显著。在实时响应性与计算资源高效利用日益重要的背景下，行业焦点正集中于通过优化结果产出速度与存储设备间传输效能来改善用户实际体验。
对此，theCUBE联合主持人Savannah Peterson强调："若要让AI在现实世界中提供真正价值与体验，缺乏对推理环节的优化将无从实现。"因此企业不再仅仅聚焦于GPU性能提升，而是通过重新定义整个数据管道（特别是存储设备的作用）来追求系统效率的最大化。
以存储效率为核心的AI设计已超越单纯性能保障阶段，迈入需要综合考虑成本效益最大化、电力问题解决及可持续基础设施建设的全新层次。在AI刚刚进入实用化阶段的当下，存储正在其成长方程中扮演着日益关键的核心要素。
