川海智库

报告概述

本报告聚焦英伟达在2026 CES发布的推理上下文内存存储平台（NVIDIA Context Memory Storage Platform），分析该平台如何推动AI工作负载从短上下文单轮交互模式转向长上下文、多轮对话及多智能体协同执行，并由此带来AI服务器本地、AI推理及网络存储用SSD需求的显著增长。报告基于英伟达官方白皮书及TrendForce数据，测算不同GPU型号对应的eSSD容量需求变化，剖析SSD在训练、推理、数据存储三大场景中的核心地位，并指出长上下文推理、RAG数据库及tokens规模增长是SSD市场空间扩大的关键驱动力。报告亦梳理了产业链核心受益标的，为投资者提供了AI存储领域的结构性投资机会参考。

报告的核心结论

英伟达推理上下文存储平台开启AI计算范式转变

英伟达发布的推理上下文内存存储平台将上下文作为一等数据类型处理，基于BlueField-4和Spectrum-X Ethernet加速，与Dynamo和NVLink耦合，实现内存、存储、网络间的协同上下文调度。该平台使每块GPU额外获得16TB上下文内存支持，带宽200Gbps，相比传统架构实现5倍推理性能和5倍能效提升，标志着AI工作负载全面转向长上下文、多轮对话与多智能体协同执行的新阶段。

AI服务器单GPU对应eSSD容量持续快速增长

根据英伟达NVL72 by HPE白皮书及报告测算，H100单GPU对应4TB eSSD需求，B100/200提升至8TB，乐观情况下Rubin（VR200）达到24TB。这一增长源于AI推理中长上下文产生的KV Cache外溢至高性能eSSD，以及RAG数据库和Token存储对容量与吞吐的更高要求。

AI推理与数据存储将成为SSD核心增量需求场景

TrendForce数据显示，2025年SSD下游应用中AI用SSD占比为10%，预计2028年提升至20%，其中企业级SSD占比从29%升至33%。在AI应用中，SSD主要用于训练、推理和数据存储。推理阶段的长上下文KV Cache以HBM/DRAM为热存储，超容量部分由eSSD承接；数据存储阶段SSD用于Token保存、数据清洗与ETL，共同构成核心增量来源。

报告回答的关键问题

英伟达推理上下文存储平台如何提升AI推理性能？

该平台基于BlueField-4 DPU与Spectrum-X Ethernet加速，每个BlueField-4管理150TB上下文内存空间，每台存储tray搭配4个DPU，使每块GPU额外获得16TB上下文内存支持，带宽200Gbps。结合NVIDIA Dynamo和NVLink的紧密耦合，实现上下文在内存、存储、网络间的协同调度，将上下文作为一等数据类型，从而达成5倍推理性能和5倍能效提升。

AI服务器本地SSD需求未来将增长多少？

根据报告测算，从H100到Rubin，单GPU对应的eSSD需求从4TB增长至最高24TB（乐观情况）。以B100/200为例，单GPU需要8TB eSSD。这一增长主要受长上下文推理、多轮对话及RAG数据库对高带宽、大容量存储的需求推动。

AI推理对SSD的需求主要体现在哪些方面？

AI推理对SSD的需求主要体现在两个层面：一是长上下文产生的KV Cache，超过HBM/DRAM容量的热数据会外溢至高性能eSSD承接；二是RAG数据库，需要大规模知识检索与上下文扩展，依赖SSD提供大容量与高吞吐支持。此外，数据存储阶段的Token保存、数据清洗与ETL流程也大量使用SSD。

报告中的代表性数据

2025年10%，2028年20%

AI用SSD需求占比

2025年与2028年，根据TrendForce报告预测，AI用SSD在SSD整体需求中的占比将从2025年的10%提升至2028年的20%，其中AI推理与数据存储是核心增量场景。

H100: 4TB; B100/200: 8TB; Rubin乐观: 24TB

单GPU对应eSSD容量测算

各代GPU推出时间（H100已出货，B100/200已发布，Rubin预计后续推出），基于英伟达NVL72 by HPE白皮书及广发证券测算，假设单GPU对应2个本地SSD卡槽，单卡槽eSSD容量4TB。Rubin乐观情况可能达到24TB。

16TB

每块GPU额外上下文内存支持

2026年1月（英伟达CES发布），英伟达推理上下文存储平台通过每个BlueField-4管理150TB上下文空间，使柜外每块GPU分配16TB上下文内存容量，带宽200Gbps。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 英伟达推理上下文存储平台的详细架构与性能参数：包括BlueField-4 DPU管理150TB上下文空间的实现方式、Spectrum-X Ethernet加速机制及与Dynamo、NVLink的耦合设计。
  • 单GPU对应SSD需求测算的具体推导过程：基于NVL72 by HPE白皮书的缓存盘与OS盘配置、卡槽数量假设与容量代际演进对比表。
  • AI服务器中SSD三大应用场景（训练、推理、数据存储）的分场景市场空间测算：训练阶段的检查点存储、推理阶段的KV Cache外溢、数据存储的Token保存与ETL流程。
  • eSSD分应用领域需求场景变化趋势图表：TrendForce预测的2025-2028年手机、企业级、AI等应用占比变化及驱动因素分析。
  • 产业链核心受益标的梳理：列出澜起科技、聚辰股份、兆易创新、中微公司、拓荆科技、北方华创等公司的估值与财务分析表。
  • 风险提示详细说明：AI产业发展及需求不及预期、AI服务器出货量受企业IT支出与供应链影响、国产厂商技术和产品进展不确定性。
  • 相关研究列表：包括AI的进击时刻23（RAG向量数据库推动SSD需求增长）及存储是Tokens的积分等前期报告索引。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告