AI“衝擊”下的儲存行業，需要高性能與綠色化“平行”丨ToB產業觀察

當AI應用以“周”為單位迭代進化，當千億、兆參數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場——儲存。

如果說算力是引擎，資料是燃料，那麼儲存就是容納燃料並確保其能高速、穩定輸送至引擎的“智能油箱”與“高速輸油管”。如果儲存跟不上時代的需求，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重構儲存行業

AI 技術的爆發式增長正在重構儲存需求的底層邏輯。《2025存力發展報告》顯示，全球資料總量將在2025年突破200ZB，其中AI訓練資料年增速達67%，這種增長不僅體現在容量維度，更催生了性能、架構、協同的全方位變革。

首先就是節點的增加，曙光儲存營運總監石靜告訴筆者，當前大模型訓練需要千卡叢集，甚至萬卡叢集，多計算節點同時儲存的過程中，對儲存的壓力要比通算時代增加了很多。

另一方面，AI時代，企業資料集規模越來越大，且資料來源和種類的豐富多樣性也“不可同日而語”。“當前，企業建構一個儲存體系，動輒就是幾十PB，甚至上百PB。同時，大模型時代之後，原先傳統意義上的‘冷資料’，已經變成了‘溫資料’，甚至是‘熱資料’。這也對儲存的架構提出了很多新的需求。”石靜強調。

此外，在AI時代，最大的不同是——對高性能儲存的需求愈發強烈。大模型訓練對儲存頻寬的渴求呈現指數級增長，當前，AI訓練所用頻寬需求已經進入“TB級紀元”。益企研究院《AI時代的儲存基石》白皮書指出，2025年AI訓練叢集的平均儲存頻寬需求較2023年提升300%，傳統HDD儲存150MB/s的頻寬已成為明顯瓶頸。

而對於頻寬的要求也不僅侷限於模型訓練階段，石靜表示，在推理過程中，企業也需要具備千萬等級IOPS低時延的頻寬支撐高並行的推理場景，“比如現在大家都在講提升訓練和推理效率，但在這個過程中，也需要儲存能夠‘跟得上’GPU的速度，不至於出現GPU等待資料IO的情況。”石靜指出。而這點在以往的通算時代卻並不是絕大多數企業對於儲存的需求。

在AI重構儲存行業的過程中，隨著需求的裂變式增長，儲存行業面臨前所未有的挑戰。

首先是架構瓶頸。傳統儲存與計算分離的架構導致資料搬運成本激增，中國移動呼市資料中心早期採用的集中式儲存系統，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，資料在記憶體與儲存間的搬運能耗佔系統總能耗的50%以上，這種“資料搬運困境”成為AI效率提升的主要障礙。即使採用RDMA網路加速技術，傳統架構仍難以突破頻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。全快閃記憶體儲是滿足AI性能需求的核心選擇，但成本始終是規模化應用的障礙。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，多模態資料的治理困境。AI時代的資料呈現“4V”特徵——體量巨大、種類多樣、價值密集、即時性強，給儲存管理帶來嚴峻挑戰。

高性能、綠色化，儲存行業未來路在何方？

面對AI需求的倒逼與可持續發展的要求，儲存行業正形成 “高性能突破”與“綠色化轉型”雙輪驅動的發展格局。

在高性能方面，高性能儲存技術的演進正從單點最佳化轉向體系性突破，涵蓋介質、架構、協議等全鏈條創新。

介質方面，全閃成為“必選項”。快閃記憶體技術的成熟使全快閃記憶體儲從高端場景走向普及，《2025存力發展報告》顯示，全國外接快閃記憶體佔比已超過28%，金融、製造、網際網路行業滲透率超45%；架構方面，分佈式架構主導規模化部署。集中式儲存的擴展瓶頸在AI時代愈發明顯，分佈式儲存憑藉彈性擴展能力成為主流；協議層面，協議與硬體的協同加速。NVMe-oF與RDMA技術的結合，正在打破儲存與計算間的通訊壁壘。比如，在中國移動呼市資料中心中，就採用了曙光儲存的“NVMe-oF+RDMA”組合方案，使儲存網路頻寬提升2倍，延遲降低3倍。

中國移動呼市資料中心的實踐表明，千億參數模型單次訓練需讀取超10PB樣本資料，持續頻寬需求達TB級。據悉，曙光儲存為該中心配置的總量逾60PB的儲存資源（包括全閃、混產品），通過高密與資料節能的技術，在400G網路下實現單節點190GB/s頻寬的同時，降低了整體儲存建設成本，提升性價比。

從長遠發展上看，儲存行業光有高性能遠遠不夠。作為高載能的資料中心，這幾年一直致力於推動全生命周期的碳中和，在“雙碳”目標與能源成本壓力下，綠色儲存已從可選配置變為必選項，形成“技術節能+結構最佳化+政策引導”的發展路徑。

硬體層面，中國移動呼市資料中心規模化應用液冷與間接蒸發技術，使智算中心PUE降至1.15。軟體層面，智能調度演算法成效顯著，曙光儲存的動態電壓調節技術根據負載調整能耗，《綠色儲存技術研究》報告顯示，採用智能節能技術的儲存系統，能效比可提升45%以上。

結構最佳化層面，綠電替代成為資料中心綠色轉型的核心舉措，中國移動呼和浩特資料中心總經理王科峰介紹，中國移動呼市資料中心2025年綠電佔比將達100%，較2024年的69%實現跨越式提升。綠電的應用不僅有中國移動呼市資料中心這一個個例，《2025存力發展報告》顯示，西部資料中心綠電佔比平均達58%，較東部高出23個百分點，成為綠色儲存的主戰場。

政策層面，國家層面的政策引導正在加速綠色儲存落地，“東數西算”工程明確要求樞紐節點資料中心PUE低於1.25，推動儲存系統向低能耗方向發展。行業標準也不斷完善，IEEE提出的儲存級能效比（SER）指標，通過量化每GB資料的年能耗，為綠色儲存提供了評價依據。

除了高性能與綠色化的需求之外，在各行業降本增效的當下，成本也是絕大多數IDC使用者考慮重要因素之一。在成本方面，為了更具“性價比”，中國移動呼市資料中心採用“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智算中心的主流選擇。愛集微諮詢資料顯示，AI儲存的單位TB建設成本是傳統儲存的3.7倍，某網際網路巨頭2025年儲存投入同比增長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資料中心為例，其支撐的40余個行業大模型中，既有結構化的政務資料，也有非結構化的醫療影像，傳統儲存管理系統難以實現精準的冷熱資料分層。面對此，曙光儲存拿出了StorInsight智能分析工具，通過即時採集IO特徵，自動將熱資料遷移至全閃層，使儲存資源利用率提升35%，但這種智能化管理能力在行業內的普及率不足20%。

通過儲存架構的最佳化與管理系統的智能化，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使用者的痛點。

存算融合是趨勢

除了確保高性能儲存與綠色化需求之外，未來的資料中心，尤其是像中國移動呼和浩特這樣的國家樞紐節點，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。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、推理等不同場景採用差異化融合方案。

為解決“記憶體牆”問題，存算一體技術將計算單元與儲存單元深度融合，曙光儲存正在研發的存算合封解決方案，通過先進封裝技術拉近資料與計算的距離，預計能效提升300倍。

與此同時，在“東數西算”政策推動下，建構跨域協同存力網路也成為關鍵，儲存資源正形成跨區域協同格局。中國移動依託 “4+N+31+X”體系，以呼市資料中心為核心節點，通過400G算力專網實現儲存資源的全國調度。曙光儲存正在建構跨區域資料授權與安全機制，解決資料流動中的信任問題。《2025存力發展報告》顯示，東部與西部存力協同調度可使整體儲存成本降低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，存力將成為數字經濟的核心生產力，為大模型創新、產業智能化轉型提供堅實支撐。 (鈦媒體AGI)