黄仁勋甚至大胆预言，英伟达未来很可能成为“世界上最大的存储公司之一”，其角色并非生产存储芯片，而是为存储伙伴提供一套重新发明的存储系统的标准。由此可见，那个看似不起眼的存储组件，其引发的涟漪正扩散至AI全产业链与商业模式的最深处。

一旦其基于BlueField等技术的存储平台成为AI数据中心的事实标准，英伟达将以“存储之王”的身份，实质上成为全球存储行业中最大的生态巨头。

01

涟漪已起，重构开始

2023年以来，AI竞赛的焦点始终是算力霸权，即GPU的FLOPS堆砌。然而，当模型参数突破万亿、上下文窗口迈向百万乃至千万tokens时，一个更根本的瓶颈浮出水面：“海马体”记忆容量与带宽的全新产业逻辑。

AI在处理长序列、复杂推理或多智能体协作之时，会产生海量的中间状态（尤其是键值缓存，KV Cache）。这批记忆体量若全部强塞进昂贵且容量有限的HBM中，从经济学上看是不可持续的。倘若被迫频繁往返于遥远的传统存储，延迟又无法忍受——整个系统的效率会被直接拖垮。

正是在这个节点上，英伟达在其下一代Rubin架构平台上，推出了一套全新的解决方案。其核心变革，是一个基于BlueField-4 DPU所构建的“推理上下文内存存储平台”。这不仅仅是给机柜加了几个硬盘，而是一个新存储层级的诞生，并计划永久改变存储的产业价值逻辑。

此次，Vera Rubin NVL72机架，与以往最大的不同在于，每个机架配备了4颗数据处理器BlueField-4 DPU。它们共同管理着一个高达150TB的专用“上下文内存池”。

从产业视角看，这是一个精确定义的“温数据”层，介于GPU的HBM（热数据）和机架外的传统存储（冷数据）之间。它的使命清晰而明确：专门存放AI推理中那些既至关重要、又不必时刻霸占最昂贵HBM的海量KV Cache——HBM处理热数据，DDR处理温热数据，BF-4处理NAND温冷数据，传统存储NAND处理冷数据。同时BF-4 DPU也扮演了这个内存池的管家，负责数据的实时调度、迁移以及在机架内多个GPU之间的高效共享。

自此，市场接下来不会只是单纯的算力堆砌，而是有针对性地对AI记忆体系进行架构革命。这也正是此次Vera Rubin平台诞生的核心意义：它不只是英伟达的一年一迭代，更是应对2026年起AI推理时代的系统性瓶颈的一次架构级重构，也将是存储行业的全新产业估值逻辑。

02

英伟达为什么必须做出改变

BlueField-4并非简单的网卡或存储控制器。它集成了Arm CPU核心、高速网络接口（如CX-9）和强大的数据处理卸载能力。它的角色是将存储管理、网络协议、数据安全等负载从GPU上彻底剥离，让GPU专心于计算。

简而言之，BlueField-4将网络、存储和安全处理任务卸载到其自身的Grace CPU，进而使Rubin GPU和Vera CPU能够专注于模型的执行。也就是说，它根本就不是一张网卡，传统的网卡或存储控制器概念在此已完全过时。

在这一新Rubin架构之中，BF-4扮演着全局存储大脑的角色。它管理着一个由高速“上下文内存网络”互联的、池化NAND存储系统，确保数据能在整个机架内以接近HBM的延迟流动。通过这个集中管理的、高达150TB的池化资源，平台能为NVL72机架内的每一颗Rubin GPU动态分配额外的16TB专用NAND上下文空间。

这也就意味着存储层发生了质变：NAND Flash从传统存储设备，被提升为GPU的大容量内存扩展层。单颗GPU可用的有效记忆体因此实现跨越式增长，达到20TB。这直接击穿了长上下文处理的硬件天花板——相比前代Blackwell架构单卡8TB的容量，实现了接近200%的暴涨。

英伟达AI基础设施资深总监Dion Harris也曾指出了关键所在：在智能体AI时代，投资一个靠近计算单元的专用上下文存储层，已变得和投资计算单元本身同等重要。无论是能通读整本书的助手，还是能进行数小时复杂规划的项目管理Agent，都需要在单次会话中维持巨量历史信息。而关键的KV Cache大小与序列长度成正比，其增长是指数级的，原有的HBM+DRAM两级架构早已不堪重负。

也基于此，这一变革绝非英伟达的心血来潮，而是被未来的产业需求所推动。存储，正前所未有地从周期性商品，转变为AI的伴生品。一系列关于价值分配的新商业模式与产业逻辑，将围绕这个新的核心战场就此展开。

03

存储产业链的全新增量

传统意义上，NAND闪存在数据中心里被视为冷藏库，只存放最终结果，进而价值量相对较低。而英伟达的新架构，将NAND直接拉入了实时的推理计算流水线，使其成为参与核心计算过程的“温内存”。与此同时，这也意味着，用于AI服务器的NAND，需要更高的性能（如低延迟、高耐用性）、更紧密的集成度，接下来其技术门槛和附加值将随之大幅提升。

此次，英伟达的存储子系统重构，是Vera Rubin最引人注目的创新，其平台采用了三级存储层次来解决不同类型数据的访存瓶颈：

1）HBM4显存：作为计算核心的直接工作区，带宽飙升至22TB/s，达到前代Blackwell方案的2.8倍。这种带宽容量使得大规模参数加载与激活值传递得以高效完成。

2）DRAM主存：容量扩大至1.5TB/CPU，专门用于中等温热数据的高效存取。在多轮对话和复杂推理流程中，这部分内存承担着频繁交互数据的缓冲作用。

3）推理上下文存储平台（ICMS）：这是本次发布中变化最大的存储组件。基于NAND闪存技术构建，通过机架内网络与所有GPU直连。这一设计直指当前大语言模型推理的核心瓶颈：在处理超长对话或复杂思维链时，庞大的KV Cache不再需要挤占昂贵的GPU显存，而是可以经济高效地存储在ICMS中。

目前，这套三级存储的效果立竿见影：Vera Rubin平台可将MoE混合专家模型的Token生成成本，降至原来的十分之一，同时NVFP4精度下的推理性能，实现五倍提升。对于需要处理百万级Token上下文的未来智能体应用而言，ICMS的存在可能决定了商业可行性的边界。

正如黄仁勋所强调的，AI计算量正以每年10倍的速度膨胀。若算力成本不能同步下降，这种增长将不可持续。而英伟达在过去三年成功维持了一条“性能提升五倍，成本下降十倍”的发展曲线。

此次存储的革新正是该逻辑的有力延续。

也基于此，英伟达的ICMS平台部署，必然会带动整个存储硬件和软件生态的革新。各大存储厂商（如三星、美光、SK海力士）及其产业链上下游，势必将会基于BlueField-4 DPU开发下一代专为AI优化的存储设备和解决方案——这将开辟一个全新的高端细分市场，预计其定价和利润率将远高于传统企业级SSD。

从产业影响看，最直接的受益者还是高端NAND及主控芯片厂商。毕竟，每个NVL72机柜因此新增的NAND需求高达约1.152PB（72 GPU * 16TB）。倘若英伟达先出货10万个此类机柜，将新增超过115EB的NAND需求，这也相当于2025年全球NAND总供给量13%。很显然，这无疑为正处于复苏周期的存储市场开足马力，并同时将引发市场对高端NAND晶圆及先进主控的新一轮争夺战。

无论如何，趋势已经非常清晰。英伟达通过将BlueField-4 DPU与大规模NAND闪存池深度融合，正在主动定义AI计算的下一代存储。英伟达早已不再满足于只提供最快的大脑GPU，而是还要打造一个与之匹配的、容量惊人的海马体，确保了AI推理服务的边际成本能够随着技术进步持续下探。

对于英伟达而言，在这个新阶段，竞争维度不再是简单的浮点运算次数堆砌，而是计算、存储、网络三个子系统的协同发力程度；决胜的关键也不在于单点性能峰值，而在于全栈系统在真实负载下的总体拥有成本TCO——或许很快，基于万亿参数模型的AI服务，将会以接近搜索引擎的使用成本广泛提供。毕竟，归根到底，技术指标的进步终须由应用场景验证价值。

04

结语

Vera Rubin对存储性能的苛刻需求，正在将整个存储产业链拖入一场结构性升级。ICMS平台的登场，直接让企业级固态硬盘eSSD在AI数据中心里发生了质变——从存放数据的仓库，变成了参与计算的关键部件。

这一场变革，正把NAND存储行业从数据中心的幕后推向前台，使其成为AI推理不可或缺的核心硬件。它不仅再次如愿了英伟达此次自身的产品迭代，更在重塑全球存储芯片市场的供需格局，为下一轮AI增长划定了新的战场。或许很快，当AI真正拥有海量、高速的“海马体”，其进化速度将远超今天的想象。而这一切的起点，正是机柜里那4颗DPU所驱动的，高达150TB的海马体。

目前，存储巨头已全力冲刺。三星、SK海力士正加速推进第六代HBM研发，并布局名为HBF（高带宽闪存Flash）的新型技术。HBF试图融合3D NAND的大容量和HBM的高带宽，目标是成为HBM的“辅助内存”。SK海力士与闪迪已合作制定规范，计划在2026年下半年推出首批样品，矛头直指即将爆发的AI推理市场。毕竟，从2026年起，AI推理产生的Token数量预计将以每年5倍以上的速度激增，届时推理将吃掉整个AI计算市场至少三分之二的份额。

对于英伟达而言，其数据中心业务追求的性能闭环，长期以来就差存储NAND这最后一环。Rubin的加入补上了这块短板，而且它存储的不是冷数据，而是模型运行所依赖的关键值Key Value。这也自此标志着英伟达核心业务在某种意义上实现了闭环。

此次的战略转向，与CEO黄仁勋近期的演讲基调完全吻合。他的论述呈现出强烈的推理导向，明确指出AI发展已进入“物理AI”新阶段，并预言其“ChatGPT时刻”即将到来。所谓物理AI，是能理解并模拟重力、惯性、摩擦力及因果关系的人工智能，它意味着AI将从数字世界迈向物理世界。

实现物理AI，核心还是在于推理。与训练阶段的一次性大规模计算不同，推理是持续、动态的思考过程。此次英伟达结合Rubin，首次将思维链能力引入车辆决策系统，让自动驾驶车辆能在复杂环境中进行情景理解和风险权衡。这一切都需要模型进行毫秒级的物理模拟和因果推断。因此，推理的性能、能效和成本，将成为物理AI能否规模商用的绝对关键所在。而上述的这一切，是存储行业估值逻辑的全新开始。