AI大模型的快速发展，正推动数据存储从IT系统的“后台配角”跃升为智能经济的重要引擎。与此同时，存储产业链面临周期性波动，上游原厂减少资本开支与AI领域爆发式的数据需求形成碰撞。
在此背景下，存储产业正于新竞争态势中重新构建坐标系，统一标准、协同发展成为破局关键。
在2025数据存储产业大会上，中科曙光出任中电标协数据存储专委会（以下简称“专委会”）当值会长，并宣布为推动中国存储产业在全球竞争中抢占先机，专委会将发起编写AI存储标准、成立Future Storage工作组。
曙光存储总裁何振在接受21世纪经济报道等媒体采访时指出，算力基础设施应用侧在购买来自不同存储厂商的产品后，由于没有实现统一标准，容易出现数据流通困难的问题。
曙光接任数据存储专委会后，计划构建存储技术标准和技术框架，以此期望打破传统模式中的产品孤岛问题。同时，这也将为企业提供更加公平合理的竞争环境，进而向标准适配+生态协同方向转变。
“专委会将逐渐提出和完善AI存储技术标准、框架和适配指南等，这尤其对小型存储企业会形成技术支撑，让他们可以更快速适应国内AI发展对存储的技术需求。”何振分析道，在此基础上，希望进一步推动我国在世界存储领域的话语权。
这意味着，国内存储产业正展现出加速聚合态势，一条从技术追赶到生态引领的路径正愈发清晰。
AI存储演进探路
随着AI技术落地，存储产业的发展方向逐渐形成行业共识。AI的核心始于数据，存储创新直接影响AI工作流效率，其变革体现在多个维度。
华为副总裁、数据存储产品线总裁周跃峰指出，AI始于数据而不是GPU，因此AI时代也是数据的黄金时代，存储创新在此过程中愈发重要。
在他看来，AI的多样化负载，对存储性能提出更高要求。例如在训练环节已经匹配大带宽等能力以满足数据快速传输需求，但在AI推理过程中也需要相应性能，因此对存储性能要逐渐构建起标准。
此外，在AI时代，可扩展性从纵向扩展，走向纵向与横向扩展并重，随着近存计算技术兴起，DPU逐渐成为存储系统的必备部件。
常被人忽视的是数据安全。存储作为数据安全的最后一道防线，支持数据韧性与防勒索能力将成为硬性要求。
存储范式也在发生转变，从单纯支持数据存取的传统模式，向集成推理加速、多模态知识库生成等功能的AI数据平台（AI Data Platform）演进。
随着数据存储需求愈发旺盛，过去根据对数据的快速读取需求，将数据分为热数据、温数据、冷数据三类，其中冷数据通常作为归档用，极少被调出。但在AI时代，所有数据都存在被调用的需求，因此将演变为热数据、温数据两大类的局面。这意味着如今支持温数据的机械硬盘（HDD）也需要新形态，以支持海量数据高效、低成本地留存。
当前，国内存储产业正面临新的产业发展环境。何振总结道，过去，中国整体存储技术在全球处在跟随状态，随着AI技术发展，可能将引发存储行业重新洗牌，进而产生新机遇。
他指出，中国主流存储产品无论从性能、成本还是能效等方面，都已经赶上海外同类产品，后续计划借力专委会，构建中国自己的存储标准，把国内厂商的技术优势转化成标准优势，同时借助国内AI发展机遇，把产品和标准持续在实际生产环境中锤炼，这将对国产存储产品进一步走向海外市场起到助力作用。
近期存储市场的紧俏行情也对国内产业带来启发。
受访时，曙光存储副总裁杨志雷分析道，在AI需求支撑下，寻求更好存储解决方案成为行业变革的核心。
从目前趋势看，多模态数据存储需求将愈发丰富，很难通过技术手段解决市场端的供需不平衡问题，不过在供应链层面，可以围绕市场紧俏的技术和需求深度迭代，聚焦提供行业解决方案。
此外在传统存储市场中，从存储介质到访问方式等方面，过去已经积累了成熟经验，但未来3～5年间，预计AI存储会提出诸多新需求，这也是专委会的意义，即联合生态伙伴共同制定未来的新技术标准。
曙光存储副总裁张新凤则指出，存储系统的纯硬件成本，70%以上都来自存储相关介质，本轮“存储涨价”，幅度高达50%，有的产品甚至达到2倍，对产业后续发展带来不确定性。在AI存储的机会方面，产业界期待更多新技术和企业参与到生态中，推动产业更加健康有序发展，在变化中更加理性、往可控方向发展。
生态链紧密耦合
数据显示，全球数据存储市场空间已超2.6万亿元，要提升中国存储产业的全球竞争力，强化产业协同、构建自主标准体系成为破局关键。
面对AI大模型引发的新一轮机遇，国内存储产业已经在提出应对方案。从早期业界提出先进存力概念，到今年国内推进先进存力中心建设，适配国内AI训练和推理需求的新型存储能力已经在积蓄。
张新凤对21世纪经济报道记者分析道，发展先进计算平台的背后，必然需要先进存力提供支持，于是曙光存储自2021年提出先进存力概念，其核心就是解决AI时代智算中心、超智融合等多方面IT基础设施变革升级对底层存力带来的新挑战。
相比于传统存力建设，先进存力中心建设提出了多方面新要求。
其一是极致的性能提升，即从此前每秒GB为单位升级为目前每秒TB为单位的存储传输带宽，这几乎是提出1000倍的速率提升要求。对此，在端到端NVMe全闪、IO性能方面都需要进行能力支持。
其二是融合协同，在新一代智算中心为代表的项目建设中，由于涉及数据采集、打标签、清洗、训练等全过程，有时还需要进一步进行数据Token化、模型参数归档等。其中诸多环节的协议都不一样，对底层存储IO在每个阶段的要求也不尽相同。“一套存储系统既要满足这么多协议，也要满足每个协议对性能的变化要求。”张新凤补充道。
其三是数据汇聚与流动，在前述数据流动的链条中，倘若涉及多种协议间的多份拷贝，往往存在时效性和空间利用率占用等方面挑战，这都会体现在计算成本上。因此目前客户更希望一份数据在不同流程中采用不同过的访问协议，并且匹配数据在热、温不同介质层间能自由流动。
“在AI时代，数据汇聚是必经环节，这与传统数据烟囱的建设方式不同，也是所有行业真正要做智能化的起点。”她分析道，除此之外，数据安全可靠、绿色环保等，都是当前建设先进存力平台提出的新要求。
此前曙光存储与中国移动合作发布“东数西算”存算一体化调度平台，也是为了更好适配AI时代数据跨地域的存算协同需求而生。
张新凤分析道，由于中国移动的业务完全解耦，其采用的云存储也为多个厂商的异构平台，要对这种复杂架构进行打通并实现数据流动，对存储平台提出了较高技术要求。
“我们已经协同中国移动上线了几个试点项目。第一阶段已经实现了数据汇聚、流动、管理，下一步，会围绕源数据的定义和搜索、未来新数据的自动推理策略等展开工作，期望更智能化处理这些数据。”她分析道，其核心是帮助中国移动为代表的数据中心客户，实现将有价值的数据逐步Token化。
天宇优配提示：文章来自网络，不代表本站观点。
