tomshardware编辑团队对pcie 4.0/5.0标准下的nvme m.2固态硬盘进行了重量统计（仅限无散热马甲版本），在汇总超百款产品数据后发现：8tb规格ssd平均净重为8.2克，4tb型号则为8克——即便采用双面nand堆叠设计的高密度产品，整体增重也微乎其微。
值得注意的是，8TB SSD当前市场均价飙升至1476美元，折算单位克价值高达184美元，已明显超越黄金单价（148美元/克）；即便是4TB型号，部分企业级NVMe SSD售价达1184美元，按8克均重计算，单克价值亦逼近黄金水准，贵过黄金实至名归。
（昔日“金盘”之说，今日竟成现实）
据TomsHardware观察，目前主流消费级4TB SSD多数仍低于800美元门槛，虽尚未达到“克价超金”程度，但相较两年前价格已翻倍有余。
不少用户困惑于为何NAND闪存价格随AI热潮同步暴涨。坊间流传最广的解释是内存（DRAM）扩产挤占了闪存产线资源，但这一说法并不严谨。
以群联电子推出的aiDAPTIV+技术平台为代表的新一代AI加速架构，将高性能NVMe SSD用作GPU显存的扩展缓存层（即辅助内存池），可显著缓解VRAM容量瓶颈引发的推理与训练效率下降问题。
实测数据显示：DGX Spark系统在执行大模型推理任务时，原始TTFT（首Token响应时间）约为40秒，启用aiDAPTIV后压缩至9秒；Strix Halo平台TTFT由36秒缩短至6秒。
在模型训练场景中，传统NVIDIA方案需将全部参数载入GPU显存——例如70B参数LLM需约1.4TB显存（20字节/参数 × 70B），对应需部署18块H100、或10块H200、或8块B200、或5块B300。而借助aiDAPTIV技术，训练流程被智能切分并调度至SSD缓存层，仅需16GB显存即可运行，性能损耗控制在约10%以内。
群联电子曾公开演示更激进的应用案例：仅使用两块RTX Pro 6000显卡（合计192GB显存）搭配8TB aiDAPTIV SSD缓存池，成功完成Llama 3.1 405B模型训练，整套硬件成本约5万美元。
若放弃SSD缓存方案，转而通过堆叠AI加速卡来实现等效显存容量，需购置大量高端GPU，硬件投入将飙升至近400万美元。
aiDAPTIV技术的代价在于极高的写入负载——SSD必须长期运行于SLC模拟模式。以8TB SLC缓存为例，实际消耗的TLC物理容量高达32TB，导致NAND晶圆产线持续满负荷运转，全行业产能缺口已达15%-20%。
标准aiDAPTIV SSD标称耐久度为100 DWPD（每日全盘写入次数），而普通2TB消费级SSD通常仅支持0.3 DWPD；若强行用于aiDAPTIV场景，其寿命将缩短至一周左右。换言之，此类SSD在AI训练环境中近乎“一次性耗材”，进一步加剧供应链紧张态势。
由于新建NAND晶圆厂从立项到量产需耗时约两年，即便厂商即刻启动扩产计划，新增产能也要等到2028年才能释放。此前两年闪存价格持续走低，厂商普遍缺乏扩产意愿，致使当前供需失衡难以短期扭转。
硬盘市场亦面临类似困境：全球数据中心建设加速推进，企业级大容量HDD需求激增，但硬盘制造商近年未进行实质性产能扩张，仍维持保守策略。最终受苦的仍是终端用户——HDD均价整体上涨46%，且容量越大涨幅越显著。例如希捷24TB酷鱼系列曾一度低至239美元，如今现货报价已升至499美元，多个电商平台甚至长期缺货。
