全球 NAND 闪存大厂铠侠（Kioxia）宣布将于 今年内 量产专为 AI 工作负载设计的下一代 NAND 产品。该产品基于 300+ 层 BiCS 架构，读取带宽提升 55%，延迟降低 32%，直接瞄准 AI 训练与推理中日益严峻的存储墙瓶颈。
AI 模型的参数规模以每年 5-10 倍的速度增长，但存储系统的带宽提升速度远跟不上。结果是：GPU 在大部分时间里并未真正计算，而是在等待数据。
一组来自行业评测的数据说明了问题：
注：数据基于 MLPerf 与多家云厂商公开的 AI 系统 profiling 报告综合估算。不同模型架构差异较大，但存储瓶颈是普遍现象。
传统 NAND 的设计逻辑是"容量优先"——每比特成本最低，但随机读取速度、延迟一致性并非为 AI 数据管道设计。而 AI 工作负载的特点是：大量小文件随机读取、大吞吐顺序写入、低延迟 checkpoint 存储。这恰好是传统 NAND 的弱项。
铠侠的下一代 AI NAND，正是冲着这个空白来的。
铠侠的下一代 AI NAND 并非单一产品，而是一个面向 AI 场景的 完整技术栈升级，涵盖架构、接口与封装三个层面。
注：柱形表示层数相对比例，非严格线性缩放。BiCS 8 代 232 层为基准（100%），AI NAND 层数超过 300 层，较 8 代提升约 30%。
关键的技术差异在于：AI NAND 在架构上引入了独立的数据管道与优先级调度逻辑——传统 NAND 的所有读写请求走同一队列，而 AI NAND 将"读"与"写"物理分离，并给 AI 推理的随机读取请求开辟了 专用低延迟通道。
一个诚实的注脚：
层数增加本身并非革命性突破——三星、SK 海力士也在推进 300+ 层技术。铠侠真正的差异化在于 为 AI 负载做了端到端的架构优化，而非单纯堆叠层数。
设计目标：容量密度最高、每比特成本最低。读写混合队列，延迟波动大，随机读取性能弱，面向消费级与企业级通用存储。
设计目标：AI 数据管道吞吐量最大化。读写队列物理分离，随机读取延迟降低 32%，支持 PCIe 6.0 与 CXL 内存语义扩展。
注：以上性能指标基于铠侠官方公开的技术白皮书与行业分析报告综合整理，实际量产性能可能因工艺与配置略有差异。
尤其值得关注的 CXL 内存语义支持——这意味着 AI NAND 可以被系统识别为"内存"而非"存储"，从而绕过传统文件系统栈，直接通过内存语义访问。对于 AI 推理场景中的大模型参数加载，这一特性可以 将模型加载时间从分钟级缩短到秒级。
AI 存储市场正在经历一场 从"容量优先"到"带宽优先" 的范式转换。传统上，NAND 厂商的竞争焦点是每比特成本——谁的层数多、密度高，谁就赢。但 AI 工作负载改变了游戏规则。
铠侠在此时推出 AI NAND，有 三重战略考量：
第一，市场窗口。三星与 SK 海力士在 HBM 和 DDR5 上占据 AI 内存市场的主导地位，但 AI 存储（NAND 侧）的格局尚未定型。铠侠选择在 NAND 领域率先打出"AI 专属"牌，意图建立先发优势。
第二，技术积累。铠侠的 BiCS 架构在 3D NAND 领域拥有深厚积累，300+ 层技术的量产良率已突破可商用门槛。加上与日本产业技术综合研究所（AIST）的联合研发，铠侠在 3D 堆叠领域的专利储备位居全球前三。
第三，客户需求。超大规模云厂商正在为 AI 基础设施寻找"更聪明的存储"——不是更大，而是更快、更智能。铠侠的 AI NAND 在设计阶段就与三家北美云厂商深度合作，确保产品定义与真实需求匹配。
但挑战同样存在：
三星与 SK 海力士不会坐视不管。两家都已启动 AI 专用 NAND 的研发计划，且拥有更强的资本实力与更完整的存储产品矩阵（从 DRAM 到 NAND 到 HBM）。铠侠需要 在 12-18 个月的窗口期内快速建立生态，否则将面临激烈反扑。
AI 存储竞争已从"容量竞赛"进入"带宽竞赛"阶段。铠侠的 AI NAND 是一次精准的战术卡位，但真正的胜负手不在于层数多寡，而在于能否将"带宽优先"的架构理念转化为行业标准——这需要的不只是一块芯片，而是一整套生态。
铠侠下一代 AI NAND 产品将于 2026 年下半年启动量产，首批可向超大规模云厂商与 AI 基础设施企业提供工程样品。
铠侠官方产品页 → 申请工程样品注：工程样品申请需通过企业资质审核，首批交付预计在 2026 年 Q4 完成。