$C大普微-UW(SZ301666)$  Deepseek新版本V4对NAND SSD存储需求增长3倍

Deepseek新版本V4对NAND SSD存储需求增长3倍

一、需求增长的核心原因：Engram架构的存储革命

Deepseek V4引入的Engram（记忆痕迹）架构，通过“查-算分离”设计，将模型中约80%的静态知识（如常识、语法、历史事实）从GPU显存中剥离，转而存储在CPU内存（DRAM）和SSD硬盘中。这一变革直接推动了存储需求的爆发式增长：

静态知识外挂化：Engram架构将传统Transformer模型中“死记硬背”的部分（如N-gram模式匹配）转化为静态记忆表，通过哈希查找（O(1)复杂度）实现即时调用。这种设计大幅减少了GPU的推理计算负担，但需要海量存储空间承载记忆表。

分层存储策略：静态记忆表采用DRAM+SSD冷热分层方案：

高频访问数据：存储在DRAM中，确保低延迟响应；

低频访问数据：存储在SSD中，通过CXL（Compute Express Link）技术实现与DRAM的动态交换。这种分层设计显著扩大了存储容量需求，尤其是对SSD的依赖。

模型规模扩张：V4总参数达1万亿，静态记忆表规模可能轻松突破TB级。即使采用压缩技术，仍需大量SSD存储低频数据，进一步推高NAND需求。

二、需求增长的具体表现：AI服务器NAND需求激增3倍

根据行业分析报告，Deepseek V4的部署将直接带动AI服务器NAND存储需求增长至传统服务器的3倍，主要体现为：

单机SSD容量升级：

传统AI服务器SSD配置多为500GB-1TB，主要用于存储模型权重和日志；

V4架构下，SSD需承载TB级静态记忆表，单机配置可能升级至4TB以上，甚至采用分布式存储方案。

企业级SSD性能要求提升：

高IOPS（每秒输入/输出操作数）：支持快速检索静态知识；

低延迟：减少推理过程中的存储等待时间；

大容量：适应记忆表的持续扩展需求。这些要求推动企业级SSD（如PCIe 5.0/6.0 NVMe SSD）渗透率快速提升。

存储成本占比攀升：

在传统AI服务器中，存储成本占比约20%；

V4架构下，存储成本占比升至35%，其中NAND SSD成本占比显著增加。

三、需求增长的行业影响：存储产业链结构性重构

Deepseek V4对NAND SSD需求的激增，正在重塑存储行业格局：

NAND市场爆发式增长：

2026年AI推理驱动的NAND需求预计达400EB，同比增长120%；

企业级SSD市场规模快速扩张，成为NAND厂商的核心增长点。