TomsHardware的编辑对无散热片型号的PCIe 4.0/5.0 NVMe固态盘净重均值进行了测算，在收集并记录超一百个样本数据后得出结论：8TB规格的M2固态盘平均重量为8.2克，4TB规格的平均重量为8克，即便采用双面贴片设计的高容量盘，其重量也未出现明显增加。
目前8TB固态硬盘的定价相比4TB型号显得不太合理，单块均价达到1476美元，换算成每克价值的话，已经超过了黄金（前者约184美元/克，后者约148美元/克）。就算是4TB的NVMe固态硬盘，部分品牌的产品价值也接近8克黄金（约1184美元），尤其是企业级硬盘，其每克价值超过黄金是毫无疑问的。
TomsHardware的编辑指出，目前大部分消费级4TB SSD的售价在800美元以下，尽管还未达到贵如黄金的地步，较前两年则翻了一番不止。
许多人不明白为何闪存（Flash）也会搭上AI顺风车价格一路狂飙，最流行的说法是厂商扩产内存（RAM）挤占了闪存产线，实际上这个说法并不准确。
以群联aiDAPTIV+技术为代表的AI计算加速平台使用闪存作为辅助内存池，可有效缓解GPU VRAM不足导致的效率损失。
研究人员测算得出，DGX Spark在推理场景下的TTFT（首个token生成时间）大约是40秒，借助aiDAPTIV技术后这一时间缩短至9秒；而Strix Halo的TTFT原本为36秒，应用aiDAPTIV后则降至6秒。
在模型训练的应用场景中，NVIDIA平台会把所有相关内容都加载到GPU内存里。举个例子，一个拥有700亿参数的大语言模型（LLM），大概需要20乘以700亿参数所对应的1.4TB显存容量，这就需要使用18块H100显卡，或者10块H200、8块B200、5块B300显卡才能满足需求。不过，在采用了aiDAPTIV技术之后，训练过程会被拆分成多个不同的部分，此时仅需16GB的显存就能开展训练工作，而性能方面的损失大约只有10%左右。
主控厂商群联电子曾经展示过一个更为极端的案例：仅采用两块RTX Pro 6000显卡，就能开展Llama 3.1 405B模型的训练工作。其硬件配置仅包含192GB显存，搭配8TB的aiDAPTIV SSD缓存池，整体硬件成本大约在5万美元上下。
如果不用SSD缓存池，把显存扩充至8TB要买一大堆NVIDIA AI卡，硬件成本接近400万美元。
aiDAPTIV技术的应用伴随着一个显著的代价——那就是闪存写入量会大幅增加，这就要求SSD必须以SLC模式运行。要知道，8TB的SLC容量换算下来相当于32TB的TLC容量，如此一来，闪存生产线的产能根本难以跟上需求。目前整个行业都面临着普遍的供不应求状况，市场缺口大约在15%到20%之间。
标准aiDAPTIV SSD的额定寿命为100DWPD，相比之下，2TB消费级SSD的寿命约为0.3DWPD——若将其用于aiDAPTIV，仅能维持一周左右。从这一维度来看，aiDAPTIV缓存池中的SSD本质上相当于耗材，这进一步加剧了供应短缺的状况。
闪存工厂扩建周期长达两年，就算厂商当下启动扩产计划，新增产能也要等到2028年才能落地释放。过去两年闪存价格一路下行，厂商们普遍缺乏投资扩产的意愿，这直接造成了当前供不应求的状况难以得到有效缓解。
硬盘市场的情况也类似，随着数据中心的大量兴建，市场对大容量企业级硬盘的需求持续攀升。然而，硬盘厂商这些年却固守旧有模式，完全没有扩大产能的打算，这可苦了那些热衷于囤积硬盘的用户。目前硬盘价格平均涨幅达到46%，而且容量越大，价格上涨幅度越明显——比如希捷24TB酷鱼硬盘，过去最低曾卖到239美元，现在现货价格涨到了499美元，不少电商平台甚至还处于缺货状态。