當AI應用以“周”為單位迭代進化，當千億、萬億參數(shù)的大模型成為競爭的基石，全球科技競爭的焦點，已從單純的“算力競賽”，悄然蔓延至一片更為底層的戰(zhàn)場——存儲。

如果說算力是引擎，數(shù)據(jù)是燃料，那么存儲就是容納燃料并確保其能高速、穩(wěn)定輸送至引擎的“智能油箱”與“高速輸油管”。如果存儲跟不上時代的需求，即便有再強大的算力，也只是“巧婦難為無米之炊”，空轉的引擎無法驅動AI這艘巨輪前行。

AI重構存儲行業(yè)

AI 技術的爆發(fā)式增長正在重構存儲需求的底層邏輯?！?025存力發(fā)展報告》顯示，全球數(shù)據(jù)總量將在2025年突破200ZB，其中AI訓練數(shù)據(jù)年增速達67%，這種增長不僅體現(xiàn)在容量維度，更催生了性能、架構、協(xié)同的全方位變革。

首先就是節(jié)點的增加，曙光存儲運營總監(jiān)石靜告訴筆者，當前大模型訓練需要千卡集群，甚至萬卡集群，多計算節(jié)點同時存儲的過程中，對存儲的壓力要比通算時代增加了很多。

另一方面，AI時代，企業(yè)數(shù)據(jù)集規(guī)模越來越大，且數(shù)據(jù)來源和種類的豐富多樣性也“不可同日而語”?！爱斍?，企業(yè)構建一個存儲體系，動輒就是幾十PB，甚至上百PB。同時，大模型時代之后，原先傳統(tǒng)意義上的‘冷數(shù)據(jù)’，已經(jīng)變成了‘溫數(shù)據(jù)’，甚至是‘熱數(shù)據(jù)’。這也對存儲的架構提出了很多新的需求?！笔o強調(diào)。

此外，在AI時代，最大的不同是——對高性能存儲的需求愈發(fā)強烈。大模型訓練對存儲帶寬的渴求呈現(xiàn)指數(shù)級增長，當前，AI訓練所用帶寬需求已經(jīng)進入“TB級紀元”。益企研究院《AI時代的存儲基石》白皮書指出，2025年AI訓練集群的平均存儲帶寬需求較2023年提升300%，傳統(tǒng)HDD存儲150MB/s的帶寬已成為明顯瓶頸。

而對于帶寬的要求也不僅局限于模型訓練階段，石靜表示，在推理過程中，企業(yè)也需要具備千萬級別IOPS低時延的帶寬支撐高并發(fā)的推理場景，“比如現(xiàn)在大家都在講提升訓練和推理效率，但在這個過程中，也需要存儲能夠‘跟得上’GPU的速度，不至于出現(xiàn)GPU等待數(shù)據(jù)IO的情況?！笔o指出。而這點在以往的通算時代卻并不是絕大多數(shù)企業(yè)對于存儲的需求。

在AI重構存儲行業(yè)的過程中，隨著需求的裂變式增長，存儲行業(yè)面臨前所未有的挑戰(zhàn)。

首先是架構瓶頸。傳統(tǒng)存儲與計算分離的架構導致數(shù)據(jù)搬運成本激增，中國移動呼市數(shù)據(jù)中心早期采用的集中式存儲系統(tǒng)，在支撐“九天大模型”訓練時，GPU利用率僅能達到40%。北京大學孫廣宇教授曾指出，數(shù)據(jù)在內(nèi)存與存儲間的搬運能耗占系統(tǒng)總能耗的50%以上，這種“數(shù)據(jù)搬運困境”成為AI效率提升的主要障礙。即使采用RDMA網(wǎng)絡加速技術，傳統(tǒng)架構仍難以突破帶寬與延遲的物理極限。

其次是成本壓力。性能與投入的失衡困境。全閃存儲是滿足AI性能需求的核心選擇，但成本始終是規(guī)?；瘧玫恼系K。2025年QLCSSD單位容量成本雖較2023年下降40%，但仍比HDD高出2.3倍。

第三是管理難題，多模態(tài)數(shù)據(jù)的治理困境。AI時代的數(shù)據(jù)呈現(xiàn)“4V”特征——體量巨大、種類多樣、價值密集、實時性強，給存儲管理帶來嚴峻挑戰(zhàn)。

高性能、綠色化，存儲行業(yè)未來路在何方？

面對AI需求的倒逼與可持續(xù)發(fā)展的要求，存儲行業(yè)正形成 “高性能突破”與“綠色化轉型”雙輪驅動的發(fā)展格局。

在高性能方面，高性能存儲技術的演進正從單點優(yōu)化轉向體系性突破，涵蓋介質、架構、協(xié)議等全鏈條創(chuàng)新。

介質方面，全閃成為“必選項”。閃存技術的成熟使全閃存儲從高端場景走向普及，《2025存力發(fā)展報告》顯示，全國外置閃存占比已超過28%，金融、制造、互聯(lián)網(wǎng)行業(yè)滲透率超45%；架構方面，分布式架構主導規(guī)?；渴?。集中式存儲的擴展瓶頸在AI時代愈發(fā)明顯，分布式存儲憑借彈性擴展能力成為主流；協(xié)議層面，協(xié)議與硬件的協(xié)同加速。NVMe-oF與RDMA技術的結合，正在打破存儲與計算間的通信壁壘。比如，在中國移動呼市數(shù)據(jù)中心中，就采用了曙光存儲的“NVMe-oF+RDMA”組合方案，使存儲網(wǎng)絡帶寬提升2倍，延遲降低3倍。

中國移動呼市數(shù)據(jù)中心的實踐表明，千億參數(shù)模型單次訓練需讀取超10PB樣本數(shù)據(jù)，持續(xù)帶寬需求達TB級。據(jù)悉，曙光存儲為該中心配置的總量逾60PB的存儲資源（包括全閃、混產(chǎn)品），通過高密與數(shù)據(jù)節(jié)能的技術，在400G網(wǎng)絡下實現(xiàn)單節(jié)點190GB/s帶寬的同時，降低了整體存儲建設成本，提升性價比。

從長遠發(fā)展上看，存儲行業(yè)光有高性能遠遠不夠。作為高載能的數(shù)據(jù)中心，這幾年一直致力于推動全生命周期的碳中和，在“雙碳”目標與能源成本壓力下，綠色存儲已從可選配置變?yōu)楸剡x項，形成“技術節(jié)能+結構優(yōu)化+政策引導”的發(fā)展路徑。

硬件層面，中國移動呼市數(shù)據(jù)中心規(guī)模化應用液冷與間接蒸發(fā)技術，使智算中心PUE降至1.15。軟件層面，智能調(diào)度算法成效顯著，曙光存儲的動態(tài)電壓調(diào)節(jié)技術根據(jù)負載調(diào)整能耗，《綠色存儲技術研究》報告顯示，采用智能節(jié)能技術的存儲系統(tǒng)，能效比可提升45%以上。

結構優(yōu)化層面，綠電替代成為數(shù)據(jù)中心綠色轉型的核心舉措，中國移動呼和浩特數(shù)據(jù)中心總經(jīng)理王科峰介紹，中國移動呼市數(shù)據(jù)中心2025年綠電占比將達100%，較2024年的69%實現(xiàn)跨越式提升。綠電的應用不僅有中國移動呼市數(shù)據(jù)中心這一個個例，《2025存力發(fā)展報告》顯示，西部數(shù)據(jù)中心綠電占比平均達58%，較東部高出23個百分點，成為綠色存儲的主戰(zhàn)場。

政策層面，國家層面的政策引導正在加速綠色存儲落地，“東數(shù)西算”工程明確要求樞紐節(jié)點數(shù)據(jù)中心PUE低于1.25，推動存儲系統(tǒng)向低能耗方向發(fā)展。行業(yè)標準也不斷完善，IEEE提出的存儲級能效比（SER）指標，通過量化每GB數(shù)據(jù)的年能耗，為綠色存儲提供了評價依據(jù)。

除了高性能與綠色化的需求之外，在各行業(yè)降本增效的當下，成本也是絕大多數(shù)IDC用戶考慮重要因素之一。在成本方面，為了更具“性價比”，中國移動呼市數(shù)據(jù)中心采用“全閃+混閃”的配置，正是平衡性能與成本的折中方案，這種模式已成為國內(nèi)智算中心的主流選擇。愛集微咨詢數(shù)據(jù)顯示，AI存儲的單位TB建設成本是傳統(tǒng)存儲的3.7倍，某互聯(lián)網(wǎng)巨頭2025年存儲投入同比增長52%，仍難以完全匹配算力擴張速度。

在管理層面，還是以中國移動呼市數(shù)據(jù)中心為例，其支撐的40余個行業(yè)大模型中，既有結構化的政務數(shù)據(jù)，也有非結構化的醫(yī)療影像，傳統(tǒng)存儲管理系統(tǒng)難以實現(xiàn)精準的冷熱數(shù)據(jù)分層。面對此，曙光存儲拿出了StorInsight智能分析工具，通過實時采集IO特征，自動將熱數(shù)據(jù)遷移至全閃層，使存儲資源利用率提升35%，但這種智能化管理能力在行業(yè)內(nèi)的普及率不足20%。

通過存儲架構的優(yōu)化與管理系統(tǒng)的智能化，在確保高性能的前提下，將成本降到最低，這點直擊了絕大多數(shù)用戶的痛點。

存算融合是趨勢

除了確保高性能存儲與綠色化需求之外，未來的數(shù)據(jù)中心，尤其是像中國移動呼和浩特這樣的國家樞紐節(jié)點，其定位將不再是簡單的“算力中心”，而是“存力與算力融合的中心”。

在融合的過程中，存算一體的架構瓶頸是最大挑戰(zhàn)。北京大學孫廣宇教授指出，未來將形成“層次化的異構存算一體架構”，針對AI訓練、推理等不同場景采用差異化融合方案。

為解決“內(nèi)存墻”問題，存算一體技術將計算單元與存儲單元深度融合，曙光存儲正在研發(fā)的存算合封解決方案，通過先進封裝技術拉近數(shù)據(jù)與計算的距離，預計能效提升300倍。

與此同時，在“東數(shù)西算”政策推動下，構建跨域協(xié)同存力網(wǎng)絡也成為關鍵，存儲資源正形成跨區(qū)域協(xié)同格局。中國移動依托 “4+N+31+X”體系，以呼市數(shù)據(jù)中心為核心節(jié)點，通過400G算力專網(wǎng)實現(xiàn)存儲資源的全國調(diào)度。曙光存儲正在構建跨區(qū)域數(shù)據(jù)授權與安全機制，解決數(shù)據(jù)流動中的信任問題。《2025存力發(fā)展報告》顯示，東部與西部存力協(xié)同調(diào)度可使整體存儲成本降低22%，算力利用率提升18%。

未來，隨著存算一體、AI原生等技術的成熟，存力將成為數(shù)字經(jīng)濟的核心生產(chǎn)力，為大模型創(chuàng)新、產(chǎn)業(yè)智能化轉型提供堅實支撐。（文｜Leo張ToB雜談，作者｜張申宇，編輯丨蓋虹達）