生成式AI不仅带火了GPU，而且也带动了存储产品的快速增长，尤其是大容量的QLC NAND，目前，虽然市场中仍有很多声音质疑其性能和稳定性表现，但根据TrendForce预测，到2024年，QLC企业级SSD出货量将达到30EB，相比2023年增长四倍。
那么，2023年严重下滑的QLC NAND出现一路上涨的市场态势，究竟有何原因？在生成式AI和各种大模型应用中QLC NAND又具备哪些优势？本文将一一解读。
何为QLC？有何优势和不足？
QLC全称Quad-Level Cell，即四层式存储单元，是固态存储颗粒的一种，在一个存储单元中可以存储4个比特的数据。
在QLC之前，还有SLC、MLC和TLC三种不同的固态存储颗粒：
SLC（Single-Level Cell）：即单层式存储单元，在一个存储单元中可以存储1个比特的数据；
MLC（Multi-Level Cell）：即多阶式存储单元，在一个存储单元中可以存储2个比特的数据；
TLC（Triple-Level Cell）：即三阶式存储单元，在一个存储单元中可以存储3个比特的数据。
在QLC之后，还有PLC（Penta-Level Cell五阶式存储单元），在一个存储单元中可以存储5个比特的数据。不过，由于技术等原因，PLC目前仍旧处于初期阶段。
由于在一个存储单元中可以存储更多比特的数据，因此QLC与SLC、MLC和TLC相比，拥有更高的存储密度和更低的成本，能够将单块SSD的容量做得更大，并且成本上更低。
当然，由于QLC在每个存储单元中需要存储更多的电荷，在相同条件下可能更容易磨损，因此其P/E寿命与前三者相比会进一步降低。另外，更高的存储密度意味着每个单元的电荷状态更难进行区分，需要更复杂的读取机制来区分更多的电荷状态，这就会影响数据的读写速度，因此在性能方面QLC也存在着一定的劣势。
总结来看，QLC的优势是拥有更高的存储密度，目前采用QLC NAND的闪存盘单盘最高容量已经达到61TB，拥有更低的每TB成本。但性能和寿命相比TLC略显不足。
为何QLC是生成式AI的最佳存储设备
虽然QLC在性能和寿命方面存在一定的不足，但这并不影响其成为AI时代的最佳存储设备。
我们知道，AI在训练阶段和推理阶段对存储系统有着不同的要求。在训练阶段，需要对庞大的数据集进行复杂的计算，数据量越大，训练的精度越高，这就要求存储系统必须具备高速的读写能力，且存储容量一定要大。在推理阶段，数据主要以频繁的读取为主，因此对于存储的访问性能提出了更高的要求。
不难发现，无论是AI训练还是推理，都对存储性能和容量有着极高的要求。TLC虽然在性能上有着一定的优势，但容量明显不够用，且成本更高，显然不是最佳的选择。机械硬盘虽然容量够大，成本也较低，但性能却达不到AI的要求。因此，从整体性价比来看，QLC无疑是最佳的选择。
实际上，为了提高QLC NAND的使用寿命，各大厂商也正在采用诸如改进写入策略、数据刷新技术、高级错误校正码（ECC）、智能磨损均衡算法、热辅助磁记录（HAMR）、存储单元隔离技术、自适应读写技术等等一系列的创新技术。例如西部数据可能采用了动态数据刷新技术来减少对特定存储单元的重复写入，从而延长其使用寿命。长江存储等厂商可能采用3D NAND技术，通过垂直堆叠存储单元来提高存储密度，同时可能通过更精细的工艺控制来提高每个单元的可靠性。
此外，主控厂商也在通过技术创新，来提高QLC NAND的寿命。例如，联芸科技Agile ECC3技术引入4K LDPC，LDPC软解码能力的提升保障了最恶化情况下的闪存数据可靠性，极大地延长了SSD的使用寿命。
除了通过技术创新不断提高QLC NAND的使用寿命之外，闪存颗粒厂商也在不断提高3D NAND的层数来提升SSD的存储容量。
目前，Solidigm采用四层单元最大容量为61.44TB的SSD已经上市销售，美光基于232层技术的6500系列30TB SSD也已经应用于数据中心当中。 SK hynix除了计划推出60TB eSSD之外，还预计未来SSD会从36TB发展到128TB。存储容量的增加，将会进一步拉低SSD成品的价格，进一步加速了机械硬盘的淘汰速度（目前最大的机械硬盘容量为24TB）。
写在最后：
技术的进步，不仅提高了QLC NAND的使用寿命，而且让它拥有了更高的存储容量，以及更低的价格。
在笔者看来，由于SSD拥有更高的性能、更大的容量和更低的能耗，因此在同等密度的数据中心中能够部署更多的产品，不但能够大幅提高数据中心的存储密度，而且能够大幅降低数据中心的能耗，因此拥有更低的TCO。所以，随着QLC NAND技术的不断成熟和价格的不断降低，其势必将快速淘汰HDD，成为数据中心的主流存储产品。
