近年来，大模型在搜索、办公、编程与多轮对话等场景快速普及，推理端对算力的需求持续增长；与训练不同，推理更强调吞吐、时延和成本的平衡。在此背景下，限制推理效率的因素正从计算单元转向存储与数据搬运环节，尤其是KV缓存带来的显存压力，使得GPU在许多场景中难以保持高利用率。
AI芯片的竞争本质上是存储架构的竞争；SK海力士的H³混合架构虽然源自韩国企业的创新，但其成功实现离不开全球产业链的协同。在这个过程中，中国企业在混合键合等关键工艺上的技术积累正在转化为产业竞争力。未来的AI存储标准制定中，技术创新与产业话语权的结合将决定各方的竞争地位。这既是挑战，也是机遇。