SK 海力士（SK Hynix）高管在公开场合的问答实录，核心是阐述NAND 闪存与 SSD 在 AI 时代的技术变革、市场需求变化，以及公司的应对策略：1. 核心论点：NAND 闪存的角色正在发生根本性转变过去，NAND 只是单纯的 “数据存储介质”。现在，它正在演变为直接支撑 AI 计算工作流的 “存储解决方案”。背后原因：AI 推理技术持续升级，仅靠 GPU 和 CPU 自带的内存已无法满足需求，因此KV Cache（键值缓存）卸载成为保障 AI 推理服务流畅运行的关键技术，这对存储的性能提出了全新要求。2. 市场与架构的结构性变化需求端：AI 对数据的利用更精准、更快速，直接推动了对高性能、大容量企业级 SSD的需求暴涨，这类产品需要支持高速数据传输和高 IO（输入输出）性能。技术端：AI 服务器的底层架构正在发生根本性变革，“存储 - 运行环境（Context）- 内存 - GPU-SSD” 的协同关系变得前所未有的紧密。定位变化：在过去以 CPU 为核心的服务器架构中，SSD 只是外围设备；而在现在以 GPU 为核心的 AI 服务器架构里，SSD 正在成为计算流程中的核心环节。3. SK 海力士的应对策略为了抓住这一趋势，公司明确了两大技术方向：超高性能企业级 SSD：重点满足实时 AI 推理和 GPU 服务器对 “超高速 IO” 和 “超低延迟” 的存储需求，目标是在快速增长的市场中建立技术领先优势。超大容量企业级 SSD：基于 HBM（高带宽内存）技术的延伸技术进行开发，支持 KV Cache 和多样化的数据卸载，既能满足客户需求，也能解决数据中心面临的功耗和空间瓶颈。关键专业术语释义NAND：NAND 闪存，一种非易失性存储芯片，是固态硬盘、U 盘、存储卡的核心存储部件。SSD：Solid State Drive，固态硬盘，区别于传统机械硬盘，采用闪存芯片存储数据，读写速度更快。AI inference：人工智能推理，指训练好的 AI 模型对新数据进行预测、判断的过程。KV Cache：Key-Value Cache，键值缓存，AI 大模型推理中用于缓存中间计算结果的关键技术，可显著提升推理效率。IO：Input/Output，输入输出，指代数据在存储设备和计算芯片之间的传输操作。HBF：High-Bandwidth Flash，高带宽闪存，海力士的核心闪存技术，主打超高数据传输带宽。
