当AI从模型竞赛进入推理落地阶段，存储的带宽、时延与容量正在成为决定算力效率的隐形瓶颈。在这一背景下，Sandisk闪迪亮相以“智以致用”为主题的2026云栖大会，带来面向云数据中心的SANDISK® SN861 NVMe SSD、SANDISK® SN670 NVMe SSD，以及面向智能汽车的SANDISK® iNAND® AT EU752 UFS 4.1嵌入式闪存驱动器、SANDISK® iNAND® AT EN610 NVMe SSD等车规级存储方案。
<闪迪公司副总裁兼中国区总经理 蔡耀祥>
对此，闪迪公司副总裁兼中国区总经理蔡耀祥表示：“随着AI智能体逐渐融入到各行业的日常应用中，人工智能通过模型创新和实际部署得到持续发展。推理工作负载的增长，使高效地存储、传输和访问数据变得愈发关键。凭借提供规模化应用所需的性能、可靠性和能效，闪存存储在AI发展的这一新阶段中起到关键的支撑作用。作为全球先进的半导体企业，闪迪拥有数十年NAND闪存技术积淀，旗下卓越的存储解决方案覆盖云数据中心、汽车、物联网及智能移动等多元领域。闪迪正携手产业伙伴推动内存与存储创新，助力支持新一代AI应用和工作负载。”
云数据中心，用两条产品线承接两种数据节奏
闪迪在企业级SSD上的布局，核心不是简单堆参数，而是对AI数据中心内部不同数据负载进行分层。
SANDISK® SN861 NVMe SSD面向计算密集型场景。它采用PCIe® Gen 5接口，容量高达16TB，主打低延迟与高响应，适合大语言模型训练、推理以及AI服务部署。更关键的是能效：在同样功耗下提供更高IOPS/Watt，直接影响到数据中心长期运营成本。该产品兼容NVMe 2.0与OCP 2.0规范，支持1次或3次每日全盘写入以及5年有限质保。其新一代产品的全部接口形式和容量均支持FDP（Flexible Data Placement），可降低写入放大、延长寿命并改善服务质量。E1.S版本已通过NVIDIA GB200 NVL72系统认证，U.2与E1.S版本还获得OCP Inspired™认证。
SANDISK® SN670 NVMe SSD则走向另一条路线。它基于UltraQLC™平台，整合BiCS8 QLC CBA NAND、定制化控制器和系统调优，容量高达256TB，主要面向高速AI数据湖和AI数据准备。这类场景的特点是数据总量极大、访问频率相对较低，但对容量密度和总体拥有成本非常敏感。
把两款产品放在一起看，闪迪的意图很清楚：AI数据中心正在分化为“等不得”的性能层和“占不得”的容量层。闪迪SN861负责让推理和训练不因I/O等待而浪费算力，闪迪SN670负责让海量多模态数据、历史Checkpoint和实验记录有地方沉淀。FDP的引入也说明，存储优化已经从接口速度延伸到数据放置策略，这是AI推理规模化之后必须面对的工程细节。
车规级存储，汽车正在变成移动的数据工厂
相比云数据中心，车端存储的需求增长更快，也更复杂。自动驾驶、智能座舱和车载AI应用同时推进，车辆既要实时处理传感器数据，又要存储模型、记录数据、支持OTA升级。汽车不再只是交通工具，而是持续产生和消费数据的移动平台。
闪迪此次展出的SANDISK® iNAND® AT EU752 UFS 4.1嵌入式闪存驱动器，是其首款采用UFS 4.1标准的车规级嵌入式闪存产品，基于BiCS8 TLC NAND技术。它的顺序读取速度高达4,300MB/s，顺序写入速度高达4,100MB/s（1TB容量版本），容量扩展至1TB。这组数字的意义在于：车端AI系统可以更高效地捕捉和暂存数据，将有效信息上传云端用于算法优化，同时为车载AI模型和未来软件更新留出空间。
SANDISK® iNAND® AT EN610 NVMe SSD则面向新一代高性能中央计算架构。它采用大容量TLC闪存，允许用户将全部或部分存储空间配置为高耐久性的SLC模式，并采用M.2 1620 BGA封装，容量高达1TB。这种灵活配置的价值在于，车企不必在采购时就把耐久性等级锁死，而是可以根据软件负载变化调整存储策略。对于软件定义汽车而言，这种弹性比单一峰值性能更重要。
端到端布局，闪迪在争夺AI数据闭环的关键节点
把云侧和车侧放在同一张图里，闪迪的参展逻辑会更清楚。车辆采集的数据需要回传云端训练，云端更新后的模型再通过OTA推送到车端，数据在这条链路上双向流动。存储是每一站的接驳点：云端需要高性能SSD接住推理请求，也需要大容量SSD承接数据湖；车端需要车规级UFS和NVMe保障实时性、宽温可靠性和长期供应。
目前同时覆盖企业级SSD与车规级嵌入式存储的厂商并不多，这是闪迪的差异化机会。但挑战同样存在，闪迪能否把“端到端”转化为客户黏性，取决于它能否在每个场景中做到足够深的工程适配，而不仅是提供一颗通用芯片。
从“智以致用”的主题回看，AI规模化的真正门槛，正在从模型能力转向数据基础设施能力。存储不再是被动的数据容器，而是参与算力效率优化、决定AI应用能否稳定运行的关键环节。闪迪在2026云栖大会上的展出，给出的答案是：分层承接数据节奏，分场景匹配存储特性，用端到端能力打通云与车的数据闭环。这条路径能否走通，将直接影响AI从“可用”走向“好用”的速度。
热门跟贴