如果大家关注存储行业近几年的发展，就不难发现这一系列变化的底层驱动力，正是AI产业的重心从训练向推理的转移。

SSD角色的根本性转变

现如今，存储设备的角色正在被重新定义。在传统的计算架构中，SSD（固态硬盘）与运算之间存在着明确的边界：SSD主要负责存储，内存才是运算的组成部分。然而，随着AI推理需求的爆发，目前该边界正在被打破。

以现在备受关注的AI训练和AI推理应用为例。在训练服务器中，SSD主要承担的是数据集存储和检查点存储的角色，数据定期向远端存储刷写。但在推理服务器中，SSD开始承担KV Cache缓存、向量数据库存储、多用户数据状态存储等实时任务，这些不仅仅是存储，也是运算本身的一部分。

KV Cache是一种存储键值对数据的缓存机制。在大模型推理过程中，模型需要多次访问相同的数据，而KV Cache通过将这些数据缓存到内存中，可避免重复计算，从而提升推理速度。

康雷谈到了SSD在推理服务器中的角色转变：“SSD不再仅是数据的‘容器’，而是深度参与运算的‘扩展内存’。”实际上，这一转变的背后是纯粹的技术经济逻辑。由于HBM和DRAM的性价比和天生容量无法满足AI推理对存储的爆炸性需求，故而在推理过程中，KV Cache通过缓存中间计算结果来避免重复计算。这也是优化推理速度的关键。

一般来说，LLM的上下文越长，KV缓存的问题就越严重。Epoch AI在Trends页面上追踪了一个相关趋势——LLM（大语言模型）的上下文窗口长度自2023年以来每年增长30倍。这反映了KV Cache的显存容量需求呈线性增长，其增长速度远超硬件配置的增速。此外，单次128K tokens的推理，对于7B以上参数的大模型，所产生的KV Cache高达数十GB，这远超单卡HBM容量，且DRAM的带宽无法满足实时推理需求。在此背景下，SSD成为承接这一需求的最优解。

Agentic AI的放大效应

如果说KV Cache的爆发式增长已经足以驱动存储产业的需求升级，那么Agentic AI的兴起则将这一需求推向了新的高度。Agentic AI是指具备自主感知、推理、规划与执行能力的人工智能系统，它能够在最少人工干预下，独立完成多步骤任务并通过闭环实现持续优化。‌

图2：FADU XDW223企业级NVMe SSD

康雷用一组量化的数据揭示了这一变化：普通单次对话的推理调用次数为1次，检索增强生成（RAG）场景为2至4次，而真正智能体的调用次数则达到了50次甚至更多。每一次调用都意味着更长的上下文、更多的KV Cache读写，以及更大的SSD吞吐压力。

他指出，“训练是一次性的、集中式的，而推理是持续性的、分布式的。AI的商业价值最终要在推理阶段兑现”。业界普遍预测，未来推理服务器与训练服务器的比例可能高达50:1。而每一台推理服务器所需的SSD数量也将从当前的8到16片，在未来两年内提升至32片。

通过以上信息可推测出，训练到推理带来的直接后果是更多的推理服务器，而更多的推理服务器则需要更多的SSD和更强的SSD。由此可见，未来AI需求将带动海量的存储需求。与此同时，推理服务器的性能和功耗成为备受瞩目的焦点，这对适用于服务器用SSD的性能和功耗提出了新的要求。

技术架构创新与Gen6时代的到来

在AI推理对SSD提出前所未有的性能和功耗要求的背景下，FADU正在通过其独特的技术架构创新回应这一挑战。

资料显示，FADU成立于2015年，2023年在韩国上市，公司主营业务是企业级SSD控制器及整体方案。与其他存储主控厂商不同，FADU从一开始就采用了一种独特的分布式多核架构：在大核之外，部署了超过30个RISC-V架构的小核。

康雷解释了此设计的优势：“RISC-V小核支持流水线（Pipelining）处理，大幅增强处理并发度，从而在提升性能的同时降低功耗”。由于算力单元颗粒度变小，系统还可以根据负载灵活调配资源——在负载不高时主动降低功耗，这是传统架构难以实现的。

图3：FADU Gen5 XDW223企业级SSD（左）和Gen5存储主控（右）

在产品路线图上，FADU已实现三代控制器（PCIe Gen3、Gen4和Gen5）的量产。根据公司最新披露的信息显示，其Gen5控制器可提供高达14 GB/s的顺序读取速度、高达340万IOPS的随机读取性能以及低于7W的功耗。

据康雷介绍，FADU的PCIe Gen6控制器Lhotse（洛子峰）已经流片，并将于2026年5月回片。新一代Gen6控制器采用全新架构，与Gen5控制器相比，其性能提升超过一倍，顺序读取速度高达28.5 GB/s，随机读取性能高达690万IOPS，而满性能功耗＜7W（读）/9.5W（写）。此外，搭载了FADU PCIe Gen6控制器的SSD的空闲（Idle）功耗＜4W。

这些性能指标的提升直接回应了AI推理对存储的迫切需求。由于PCIe Gen6提供的带宽是Gen5的两倍，使得数据在存储和计算资源之间的移动瓶颈被大幅消除。在AI推理场景中，这意味着KV Cache的读写延迟显著降低，推理服务器的整体响应能力得到实质性提升。

从市场验证来看，FADU的产品已经获得了相当程度的认可。据康雷透露，仅在Gen5主控上，2025年出货量已超过100万片，2026年预计突破300万片，2027年预计超过500万片。在全球企业级SSD市场中，第三方主控厂商做到这个量级相当不易，尤其是在颗粒原厂长期占据主导地位的格局下。

FDP技术与能效优化

除了硬件架构本身的创新之外，FADU在数据放置策略上的技术积累也构成其差异化竞争优势。目前，该公司正在深度参与并持续推动在FDP（灵活数据放置）技术。

FDP技术由OCP标准组织推动，这是一项为NVMe SSD设计的、旨在提供高度灵活性的新数据放置协议。在AI推理场景中，FDP的价值被急剧放大。模型训练过程中产生的检查点，有的会被快速删除，有的会被长期保留。而推理过程中产生的KV Cache也有不同的复用频率。如果将这些不同生命周期的数据混放，垃圾回收操作将导致显著的性能下降。

康雷用一个形象的比喻解释FDP的价值：“如果没有FDP，数据写入就像在停车场里盲目寻找车位，会不断绕路，导致写放大快速上升、垃圾回收频率显著增加。而通过FDP，上层应用可以根据数据的生命周期指导其在SSD内部的放置位置，将短期数据和长期数据隔离存放。”总的来看，FDP技术使每个流隔离，保持性能不下降，同时降低总体拥有成本。在数据中心的运营中，这直接转化为电费成本的节约。

此外，康雷还特别强调，企业级产品的核心是稳定性和可靠性，而这正是FADU数百万片发货量所提供的最大背书。在功耗日益成为数据中心核心成本指标的今天，FADU在能效方面的领先优势正在成为其最重要的竞争壁垒之一。

市场格局与供应链挑战

从全球视角看，SSD市场正呈现出显著的地域分化。康雷透露说，北美市场与亚洲市场存在明显的生态差异。在北美，SSD供应链高度集中在颗粒原厂，超大规模互联网客户，如Meta、Google、微软等厂商，主要通过颗粒原厂直接采购SSD。

“SSD本身的一大块成本是NAND，与颗粒原厂合作可以确保NAND的稳定供应和可靠性。我们在北美市场的主要合作模式也是通过与颗粒原厂进行合作，由后者做成品牌SSD提供给大型CSP（云服务器厂商），”他介绍说。

中国市场的格局截然不同。一方面是，由于长江存储2016年才成立，国产颗粒原厂在全球的市占率尚未达到主导地位；另一方面，中国市场活跃着超过十家中等规模的SSD模组厂，其供应商数量远多于北美市场。

康雷坦言，在这种格局下“每一家都比较辛苦，但都不能很好地实现盈利”，他坚信“随着行业的进一步发展，国产存储产业链将发生企业整合”。在此背景下，FADU在中国市场的策略是“聚焦头部客户，做好服务器适配，从主流服务器厂商入手，一家家做好兼容性验证”。

在供应链层面，康雷坦率地指出，供应链安全是行业面临的共同挑战。据介绍，FADU的晶圆目前由台积电代工。他感叹道：“在4nm、6nm等先进制程方面，全球范围内很难找到第二家能够与之抗衡的供应商。”台积电在技术、能力和产能上的领先地位，使得所有主流芯片厂商都面临类似的集中度风险。为了能缓解这一风险，FADU在封测环节布局了第二供应商，但短期内仍将依赖台积电代工芯片。

在采访中，我们也谈到了存储行业缺货现状。从整个存储产业的供需格局来看，结构性短缺正在成为贯穿2026年的主线。扩产周期长达18至24个月，而AI推理带来的需求增长以指数级攀升，导致缺货状态短期内无法缓解。康雷对此的判断是，“在短期内，供应一直会是一个问题，至少在2027年下半年之前，仍然看不到缓解的迹象”。这一判断与行业机构的数据高度一致——目前，存储行业库存已跌至历史安全线以下，预计涨价趋势将贯穿2026全年。

展望：存储产业的长期重构

2026年，存储产业正在经历的，并非是一轮普通的周期性反弹，而是一次深刻的长期结构性变革。SSD正在从传统意义上的“存储介质”进化为AI计算架构中的“扩展内存层”——它参与计算，而不仅仅是承载数据。而在当前，推理服务器的普及、Agentic AI的爆发、KV Cache的指数级增长，共同构成了推动这一变革的三大核心驱动力。

FADU以其创新的分布式多核架构、FDP数据放置技术和即将发布的Gen6控制器，在这场变革中占据了一个独特的位置。从2015年成立到2023年上市，从2025年百万片发货到2026年预计三百万片以上的出货量，其发展轨迹本身就是一个验证——验证了AI推理对存储需求的重构并非概念炒作，而是正在发生的商业现实。

正如康雷的演讲所言：“AI对于我们来说可能就像工业革命一样伟大，甚至比工业革命来得更加深远。”在这场革命中，存储不再是幕后角色，它正在走向舞台中央，成为定义下一代AI基础设施的关键变量。