科技云報到原創(chuàng)。

當算力芯片的摩爾定律逐漸逼近物理極限，存力開始從幕后走向臺前，成為AI領(lǐng)域下一個關(guān)鍵賽點。

長期以來，伴隨企業(yè)數(shù)字化轉(zhuǎn)型所建設(shè)的“煙囪式”AI基礎(chǔ)設(shè)施各自為戰(zhàn)，數(shù)據(jù)奔流，價值卻困于“堰塞湖”。隨著大模型參數(shù)量突破萬億級、訓練數(shù)據(jù)邁向EB級，傳統(tǒng)存儲架構(gòu)短板日益凸顯。正如石油需要煉油廠，AI時代的數(shù)據(jù)亦需專屬的“存儲引擎”。

中國信通院《新型人工智能存儲研究報告（2025年）》指出，AI存儲是大模型的關(guān)鍵支撐，直接影響數(shù)據(jù)處理效率、成本與安全。存力中心作為新型的數(shù)據(jù)基礎(chǔ)設(shè)施，正成為AI時代數(shù)據(jù)流通和融合應(yīng)用的破題關(guān)鍵。

AI時代的“數(shù)據(jù)決定論”

AI技術(shù)的發(fā)展離不開三大要素：數(shù)據(jù)、算法和算力。從ImageNet的1400萬張圖像到GPT-4的45TB文本數(shù)據(jù)，海量的多模態(tài)數(shù)據(jù)為AI模型提供了豐富的訓練素材。

根據(jù)《數(shù)據(jù)存儲2030白皮書》預(yù)測，到2030年，全球每年新產(chǎn)生的數(shù)據(jù)總量將超過1YB，增長速率遠超存儲容量增速。

然而，中國僅有3%左右的數(shù)據(jù)被有效保存，數(shù)據(jù)存留率只有美國等發(fā)達國家的三分之一。海量數(shù)據(jù)如指間流沙般“產(chǎn)而未采、采而未存”，其中蘊含的巨大價值最終消散于無形。作為AI時代的“燃料”，數(shù)據(jù)若存不下、用不好，再強的算力也如同無米之炊。

正如華為公司副總裁周躍峰所言，我國邁向數(shù)據(jù)強國的進程中，其關(guān)鍵已超越數(shù)據(jù)規(guī)模的單純積累，轉(zhuǎn)向?qū)?shù)據(jù)質(zhì)量的深度聚焦。如何打造高質(zhì)量數(shù)據(jù)資產(chǎn)供給能力，如何讓數(shù)據(jù)要素高效按需流通，這將直接決定國家和企業(yè)在數(shù)字經(jīng)濟浪潮中的核心競爭力。

AI時代存儲市場的三座大山

隨著AI技術(shù)持續(xù)突破，構(gòu)筑更高效、更可靠的AI存力底座成為大勢所趨。當前，存儲市場正在經(jīng)歷三個全新變化，主要聚焦在效率和成本方面。

第一，AI大模型向多模態(tài)演進，訓練數(shù)據(jù)包括互聯(lián)網(wǎng)爬蟲、AI語料庫和大數(shù)據(jù)平臺等多種來源，數(shù)據(jù)類型和格式也各不相同。在數(shù)據(jù)歸集過程中，存儲系統(tǒng)需要提供多協(xié)議支持和免數(shù)據(jù)拷貝功能，以確保高效的數(shù)據(jù)處理和利用。

第二，在數(shù)據(jù)歸集和預(yù)處理階段，通常涉及大量小文件讀取，因此要確保數(shù)據(jù)能迅速讀取。在訓練時，為防止任務(wù)異常中斷后從初始狀態(tài)重新開始，保存訓練過程中的檢查文件尤為重要。

第三，長序列推理時，計算復雜度隨序列長度而增長，內(nèi)存占用與算力消耗激增，推理速度與成本間形成“效率低、成本高”的剪刀差，如何降低大模型推理成本、提升推理效率，將影響大模型的行業(yè)應(yīng)用進程。

想要引發(fā)千行萬業(yè)的AI變革浪潮，需要有與之相配套的存力基礎(chǔ)設(shè)施支持。為此，存力無論從供給水平還是技術(shù)創(chuàng)新能力方面，都要有所創(chuàng)新和突破。

新型AI存儲成為行業(yè)應(yīng)用落地新引擎

在AI時代，存力戰(zhàn)略價值已不容有失。存儲技術(shù)的持續(xù)創(chuàng)新將加速行業(yè)變革，成為千行萬業(yè)AI落地的戰(zhàn)略新引擎。

AI時代需要與之匹配的新型AI存儲。對于何為新型AI存儲，《新型人工智能存儲研究報告（2025年）》中提到，新型AI存儲具備極致性能、數(shù)據(jù)安全、大模型數(shù)據(jù)范式、高擴展性、數(shù)據(jù)編織和綠色節(jié)能六個關(guān)鍵特征，是AI基礎(chǔ)架構(gòu)不可或缺的組成部分，從數(shù)據(jù)歸集、訓練與推理三方面，推動AI應(yīng)用落地：

對于數(shù)據(jù)歸集，數(shù)據(jù)編織技術(shù)整合多源業(yè)務(wù)信息，支持用戶隨時隨地通過任意終端訪問所需數(shù)據(jù)。通過兼容多種存儲協(xié)議，在提升數(shù)據(jù)跨域調(diào)度效率的同時，大幅降低數(shù)據(jù)治理成本。

在訓練方面，高性能并行文件系統(tǒng)可以提升大模型訓練效率，超大帶寬和容量支持超萬卡集群無瓶頸擴展，EB級擴展能力適應(yīng)海量數(shù)據(jù)，加速卡直通技術(shù)使數(shù)據(jù)從存儲到算力“一跳直達”。

在推理方面，通過KV Cache多級緩存機制，讓大模型推理具備長記憶能力，能記住對話歷史和工作上下文，避免用戶反復解釋和模型重復計算，在提升大模型應(yīng)用體驗的同時，降低大模型推理成本。

新型AI存儲助力金融、制造等領(lǐng)域加速數(shù)智化轉(zhuǎn)型。以醫(yī)療為例，某醫(yī)院選擇新型AI存儲提升病理大模型的推理速度。在診斷胃癌過程中，能夠幫助醫(yī)生快速對比癌變區(qū)域與正常黏膜的特征差異，精準評估病灶風險，有效緩解醫(yī)生因人工對比帶來的工作負擔。

構(gòu)建AI時代新型“數(shù)據(jù)糧倉”

與算力聚焦在“算”不同，數(shù)據(jù)存力聚焦在“數(shù)”和“存”，是數(shù)據(jù)生產(chǎn)要素處理的綜合能力體現(xiàn)，肩負著為數(shù)字經(jīng)濟各種場景提供源源不斷的“生產(chǎn)資料”的使命。

存力中心圍繞數(shù)據(jù)匯聚、存儲、治理、開發(fā)、利用、供給等數(shù)據(jù)全生命周期流程，完成從數(shù)據(jù)資源到智能價值的高效轉(zhuǎn)化，其不僅承載著大規(guī)模數(shù)據(jù)的存儲需求，也對高效數(shù)據(jù)處理、分析、挖掘等技術(shù)領(lǐng)域起到支撐作用，推動從分散的小規(guī)模數(shù)據(jù)向規(guī)模化、融合化的數(shù)據(jù)發(fā)展，成為AI時代的“數(shù)據(jù)糧倉”。

周躍峰曾表示，AI時代首先要做到數(shù)據(jù)Ready。近兩年，從國家到地方、從行業(yè)到企業(yè)，正在加快存力中心的建設(shè)步伐。華為扎實做好數(shù)據(jù)工程研究和技術(shù)創(chuàng)新，和各行業(yè)伙伴緊密合作，推動我國存力中心集約化建設(shè)，為AI落地提供助力。

比如華為參與建設(shè)的貴州主樞紐存力中心暨數(shù)據(jù)要素保障基地，具有50PB的存力規(guī)模，實現(xiàn)了數(shù)據(jù)智能分級、可信數(shù)據(jù)空間的構(gòu)建以及數(shù)據(jù)跨域編織，以提高數(shù)據(jù)的安全性和可用性，以數(shù)據(jù)賦能帶動了本地產(chǎn)業(yè)發(fā)展。

AI大模型正倒逼存儲技術(shù)創(chuàng)新。將目光投向更長遠，新型AI存儲很可能是撬動人工智能時代杠桿的另一個支點，“以存強算”“以數(shù)助算”亦是彎道超車的重要落點。當AI產(chǎn)業(yè)具備扎實的存力底座，才能登高遠眺，看見AI時代最美的風景。

【關(guān)于科技云報到】

企業(yè)級IT領(lǐng)域Top10新媒體。聚焦云計算、人工智能、大模型、網(wǎng)絡(luò)安全、大數(shù)據(jù)、區(qū)塊鏈等企業(yè)級科技領(lǐng)域。原創(chuàng)文章和視頻獲工信部權(quán)威認可，是世界人工智能大會、數(shù)博會、國家網(wǎng)安周、可信云大會與全球云計算等大型活動的官方指定傳播媒體之一。

審核編輯 黃宇