从日均 1000 亿到 140 万亿，中国数据市场在短短两年间经历了令人咋舌的爆发式增长。国家数据局的最新数据显示，这一数字在 2026 年已飙升至惊人的规模。这组数字的背后，不仅仅是数据的堆积，更标志着 AI 正在从实验室的模型训练，全面走向生产生活的落地应用。对于存储行业而言，这不再是一次温和的增量增长，而是一场彻底的重构。
过去，存储设备的核心使命是“数据保存”，它们像是一个个被动的容器，默默承载数据。而今天，存储被赋予了“数据赋能”的新职责——它不再是静态的仓库，而是主动参与数据处理、支撑 AI 高效运转的核心枢纽。正如浪潮信息存储产品部副总经理郭海峰所言，传统企业存储侧重于数据保护，而AI 存储的首要目标是效率提升，核心在于如何充分满足 GPU 对数据的需求，避免其空转。
这种变化不仅仅是产品定位的调整，而是整个技术架构的“基因重组”。过去的企业级存储多基于“通算架构”，以 CPU 为核心，数据需要经过内核态的复制和转发才能传递给 GPU。这种架构在处理传统应用时行之有效，但在面对智算时代的 GPU 集群时，效率却显得捉襟见肘。
数据的代价是昂贵的。IBM 大中华区存储事业部总经理吴磊指出，如今 GPU 部署动辄百卡、千卡乃至万卡规模，投资动辄上亿。在这种背景下，1% 的闲置就意味着上亿元的浪费。如果存储成为瓶颈，导致 GPU 空转，那么存储和网络本身占比 5% 至 10% 的成本，就会直接毁掉其余 90% 以上的投资回报。
为了满足企业对算力利用率的需求，存储行业必须打破传统，让 AI 走向数据。这意味着存储架构需要从被动响应转向主动优化，确保 GPU 的每一次计算都物尽其值。
在这场重构中，软件与硬件的协同优化成为了关键突破口。行业领先者如浪潮信息，通过全链路免锁零拷贝的用户态 AI 原生并行架构，将数据传输路径从内核态切换到用户态协议栈，实现了端到端的免拷贝。这一技术革新将延迟从传统的毫秒级降至微秒级，单节点带宽更是达到了160GB/s，远超行业主流的 60GB/s 至 80GB/s。
在软件架构的变革背后，更深层的技术主线是KV Cache（键值对缓存）的优化。随着 AI 模型上下文窗口的急剧扩大，KV Cache 的规模已远超 GPU 显存（HBM）和本地 DRAM 的承载能力。浪潮信息通过 PD 分离（Prefill 与 Decode 分离）及双路径设计，将空闲带宽整合利用。数据显示，其 Agent Memory 外置存储架构可将首 Token 延迟降低 97%，Token 吞吐量提升超过 20 倍。
相比之下，IBM 则从硬件底层切入，推出了支持万卡集群高频 checkpoint 落盘的 Storage Scale 并行文件系统。其自研的第五代闪存核心模块（FlashCore Module 5）在每块 NVMe 闪盘上嵌入了专用芯片，实现了硬件级的压缩、去重和加密。这种设计能够将压缩比做到 1:5，且不影响存储控制器性能，从另一个维度释放了 GPU 的计算效率。
当存储节点进化为具备计算能力的智能枢纽时，业界对高带宽、低延迟存储介质的依赖呈指数级攀升。这也直接导致了上游供应链的价格波动。2026 年第一季度，DRAM 内存合约价涨幅高达 90%-95%，NAND Flash 闪存合约价涨幅也达到 55%-60%。
尽管价格上涨是暂时的，但效率优化才是关键。行业专家普遍认为，存储迁移到高带宽方案后，即便成本增加 10%，也能提升 GPU 利用率 15%，这笔账在经济上显然是划算的。同时，通过硬件级压缩技术，用户在涨价后开启压缩功能，其实际可用容量的单位成本甚至可能比涨价前更低。
除了成本考量，存储行业对“数据应该放在哪里”这一根本问题的思考也发生了结构性变化。传统的“热、温、冷”分层已不足以应对 AI 时代的复杂性，一个全新的五层存储体系应运而生：
- 第一层：HBM（高带宽内存）
- 第二层：本地 DRAM
- 第三层：本地 SSD
- 3.5 层：专门服务于推理场景的外置缓存层。这层存储为了效率，可以牺牲一定的可靠性，采用 1:1 数据比，确保速度优先。
- 第四层：传统企业级外置存储，继续保留数据保护优先的理念。
在这一体系中，古老的“磁带存储”技术意外成为了性价比之选。随着磁带容量的提升和成本的优化，对于几个月甚至半年才访问一次的数据，两分钟的等待是完全可接受的。磁带机械臂抓取数据的等待时间，在长周期的冷存储场景下，已不再是瓶颈。
这场变革最深层的意义，在于模式的重塑。传统的“让数据走向 AI"模式，即应用发起请求、存储响应，在大规模高并发场景下已难以为继，甚至面临数据一致性的崩塌。面对 EB 级数据，多个副本之间谁真谁假成为了难题。
IBM 提出的内容感知存储（CAS）提供了一个新的解题思路。它结合单一数据副本和即时感知机制，确保模型能够即时感知数据变化，而非通过繁琐的副本传输来同步。浪潮信息提出的“AI Data Platform”概念与之异曲同工，强调数据不是静态的“湖”，而是一条不断流淌的河流，需要不断处理、清洗、打标和再优化。
这种动态的数据管理逻辑，催生了新的产业协同模式。无论是浪潮信息的“搭台唱戏”，还是 IBM 与英伟达的深度集成，其核心都在于让 AI 走向数据。存储从被动的数据仓库，转变为主动的数据编排平台。AI 智能体可以分析所有数据，一次性做出决策，甚至实现跨洲的数据迁移，极大地解放了存储管理员的精力。
回顾这场存储行业的惊涛骇浪，其最终落点仍然是人。吴磊强调，AI 是工具，没有情感，无法做最终决定，最终决策权仍在人类手中。无论是让 GPU 不空转，还是让智能体管理异构节点，终极目标都是将人从繁琐的运维中解放出来。
调研显示，尽管 CEO 对 IT 架构充满自信，但 CIO 却深感焦虑。这种认知落差恰恰说明，AI 时代的数据基础设施挑战远比表面复杂。当全球 AI 总支出逼近万亿美元量级，存储不再只是技术的终点，而是成为 AI 价值链条中不可或缺的一环。“让存储融入平时的业务中，而不是让业务等存储”，这或许是这个时代对存储行业最朴素也最关键的要求。
