兩會熱議新基建“頭號工程”

【全球存儲觀察 ｜ 科技熱點關注】

“從無到有，從有到強。”

全國人大代表、華中科技大學副校長馮丹教授用這八個字概括了中國存儲產業數十年的奮進歷程與崛起成就。

當前，存儲芯片、固態硬盤、存儲系統的全鏈條國產化已基本實現，國產高端存儲在金融、醫療、電信等國計民生行業站穩腳跟，更有國產存儲廠商揚帆出海。

然而，成績背后仍存隱憂，中國存儲產業在AI時代面臨的三大挑戰不容回避。

挑戰一，核心部件隱憂。AI算力需要匹配高性能存儲，閃存是高性能存儲的核心。近期NAND價格劇烈波動，暴露出產業鏈上游的脆弱性。雖然國產存儲系統整機能力突出，但在NAND閃存等核心部件上，全球供應仍高度集中。這必然考驗存儲系統廠商的供應鏈韌性、成本控制能力和資源利用效率。如何通過架構創新對沖價格波動，成為重要課題。

挑戰二，數據價值沉睡。作為人工智能“燃料”的高質量數據集，中國規模僅相當于歐美的10%左右。馮丹指出，大量數據沉睡在各行各業的數字基礎設施中，既“不愿供”，也“流不動”。數據標準不一、質量參差不齊，高質量數據平臺的建設迫在眉睫。存儲系統如何更好適配AI需求，成為又一大挑戰。馮丹用“數字糧倉”比喻存儲的戰略地位，既然AI的“儲備糧”告急，中國存儲豈能再做“沉默的底座”。

挑戰三，產業生態割裂。系統級協同遠未達成，存儲廠商做存儲，算力廠商做算力，AI應用開發者各自為戰。這種割裂導致數據在系統間反復搬運，存儲的底座能力與AI應用如何充分結合，讓存儲更好地促算、促AI創新，也是一大挑戰。

不可否認，挑戰越大，機遇越大。當前，中國存儲產業界與學界的探索，正在匯聚成三條清晰的發展路徑。

一是從硬件堆砌到效能優先，追求單位成本下的極致效率。

過去存儲競爭拼的是容量和速度，未來拼的是“單位成本下的極致效率”。面對核心部件價格波動，單純依賴硬件升級難以為繼，如何盤活現有資源、提高算力利用率、降低總體擁有成本是更加現實的選擇。

國內廠商曙光存儲提出“先進存力”三大主張，強調憑借高性能存儲、架構創新，在達到相同性能目標的前提下，減少對單一部件的數量依賴。同時，通過智能分析、智能調度、數據壓縮等軟件能力，讓存儲系統主動理解數據價值、動態優化資源。此外要加強系統層、生態層的協同，尋求全域視角下的最優方案。

通過提高單位效能，讓每份硬件投入產生更高業務價值，或許是應對當前供應鏈波動問題最現實有效的路徑。

二是構建“數據工廠”式創新平臺，打造新基建的“頭號工程”。

馮丹提出的“數據工廠”構想，本質上是通過構建數據轉化體系，將數據從“原材料”加工為“高質量燃料”。這要求存儲系統向上對接各類AI應用和智能體，提供統一、高效、安全的數據服務；向下屏蔽底層硬件復雜性，保證穩定可靠。從“存”到“產”的升級，考驗的是系統整合能力和生態協同水平。

在產業界，曙光存儲率先提出的AI數據工廠理念與馮丹的構想不謀而合。通過AI應用親和、AI數據加速兩大核心能力，讓存力平臺深度融入AI全業務流程。AI應用親和通過KV Cache卸載、多層數據分級等技術，針對性優化推理環節；AI數據加速則整合多類型存儲資源，配合向量數據庫優化與AI算子加速庫，實現高價值私域數據的自動化處理。該平臺從數據清洗標注到模型訓練、推理部署，打通數據流轉全鏈路，有效緩解AI訓練中的“數據饑餓”問題。

圖注：曙光存儲在HAIC2025期間提出AI數據工廠理念

馮丹特別建議，將人工智能數據平臺作為新基建的“頭號工程”來布局，這一觀點正在成為學界和產業界的共識。北京交通大學教授張向宏指出，進入數智社會，數據成為核心生產要素，需要類似“水廠”“電廠”這樣的基礎設施來規模化供給，這正是“數據工廠”的歷史使命。

三是打破“存儲孤島”，強化系統級協同。

眾所周知，實現存、算、網的緊耦合，是產業進階的關鍵。通過開放架構與統一標準，讓存儲融入多元算力生態，支撐數據要素的高效可信流動。在AI訓練全流程中，存儲需要與計算資源深度協同，確保昂貴算力不閑置、海量數據不阻塞。全國人大代表騫芳莉建議，將“先進存力”納入國家頂層設計，設立存儲技術國家重大科技專項，加速全閃存應用，構建自主可控的存儲產業鏈。

作為國產存儲的實力代表，曙光存儲不僅率先提出“先進存力”理念，更將其全面落地于產品。曙光分布式全閃ParaStor F9000通過超級隧道技術，實現AI訓練速度4倍的提升。其XDS技術實現數據直通GPU顯存，推理效率提升50%。同時，曙光通過存算網一體架構，打通從數據清洗到訓練到推理再到部署的全流程。其開放接口可適配DeepSeek等主流AI框架，并支持異構設備的多源接入，實現“讓平臺適配數據”而非“為數據換平臺”。

此外，曙光與多方產業伙伴共建“數據可信流動機制”，在跨區域部署中實現多地數據治理合規協同，為數據從存儲到使用建立起“可信軌道”，實現系統級協同。

當前，隨著AI大模型的蓬勃發展，存儲不僅是數據的安身之所，更決定了人工智能的“上限”。從“數字糧倉”到“數據工廠”，中國存儲產業正在經歷一場深刻的角色蛻變。

從上向下看，通過國產芯片與緊耦合系統，屏蔽底層硬件復雜性。從下向上看，通過“數據工廠”能力，為各類AI智能體提供統一、高效、安全的數據服務，實現從“數據到知識”的快速轉化。

從“跟跑”到“領跑”，從來就不是一條直線。AI時代，中國存儲產業的真正考驗，不在于能否造出“比國外更快”的存儲硬件，IOPS再高也只是一個性能指標，而在于能否構建一個從數據存儲到數據價值轉化的完整生態產業鏈。

當存儲不再是“數據的終點”，而成為“智能的起點”，中國存儲產業才能真正完成從“跟跑”到“領跑”的徹底蛻變。

行而不輟，未來可期。

【聲明】本文和作者回復僅代表個人觀點，不構成任何投資建議。