存算协同新范式 先进存力重构人工智能基础设施

　    随着人工智能技术及应用的快速普及，数据呈现爆炸式增长态势。2025年，全国数据生产总量达52.26泽字节(ZB)，约占全球的27.44%。在此背景下，数据存力作为数据要素存储、流通和应用的基础支撑，其发展水平直接关系到我国数字基础设施的整体效能。面对这一情况，先进存力应运而生，其作为新型信息基础设施的重要组成部分，成为破题关键。

　　对此，中国电子工业标准化技术协会(以下简称“中电标协”)副理事长兼秘书长丁然在“凝共识、探未来，走进先进存力”——中国移动呼和浩特数据中心站活动中对《中国信息化周报》记者表示，当前先进存力已不再是单纯的数据存储载体，而是支撑人工智能发展、实现实际价值的核心基础能力，其作用已在社会生活中得到切实体现。随着人工智能应用的持续普及，各行业领域数据量呈爆发式增长，若缺乏高端先进的存储能力，将出现数据无法存储、难以调取、无法高效利用的问题，即便算力水平再高，也会因数据供给不足而受到制约。

　　“先进存力能够有效打通数据与算力之间的瓶颈，实现计算与存储的高效协同。从国家层面来看，发展先进存力能够推动存储产业链实现自主创新突破，从而为数字经济与人工智能的长远发展筑牢底层基础，这也是其成为国家新型基础设施重要组成部分的核心原因。”丁然解释说。

　　超大规模算力集群将成为存力转型升级的关键力量

　　据了解，“凝共识、探未来，走进先进存力”活动首站选择在了中国移动呼和浩特数据中心。对此，中电标协数据存储专委会秘书长孙钢表示，中电标协数据存储专委会将本次调研首站选在超大规模数据中心，主要原因在于，在人工智能技术的推动下，超大规模智算中心是算力、存储及相关数据处理应用落地的第一现场，能够直观观测到算力与存储数据处理能力的实际应用效果，以及应用与产品能力的具体变化。

　　赛迪顾问电子信息产业研究中心副总经理袁钰表示，随着智能体的普及与推理技术的发展，大量人工智能应用已切实落地于生产生活实践。这使得人工智能接入的行业不断增多、应用场景持续丰富、解决实际问题的范围持续扩大，随之产生的数据量与任务复杂度均呈指数级增长。以往由数十台服务器组成的人工智能基础设施集群，已难以满足当前复杂任务的需求。因此，行业需要具备更高精度、更高效率、更高保障度且商业闭环更为清晰的人工智能服务机制与模式，以保障人工智能能够切实落地应用并产生实际价值，超大规模算力集群也因此应运而生。

　　由此来看，在构建先进存力的进程中，超大规模数据中心凭借海量算力储备、规模化存储部署与完善的基础设施优势，可高效承接激增的AI存力需求，统筹推进绿色低碳布局、存算协同融合与产业生态搭建，同时为统一行业标准、完善性能评测体系提供坚实落地载体，是赋能存力产业转型升级、助推数据资产价值释放的核心关键力量。

　　助力存储从“数据容器”升级为“数据引擎”

　　孙钢表示，在人工智能场景下，存储与计算呈现出全新的关系，存储角色已从辅助运算、被动调用，转变为与计算共生协同的状态。目前，算力虽率先完成部署，但当前算力发挥的关键制约因素已转向存储。若存储能力无法匹配需求，会出现计算资源空转等问题，这在模型训练、推理等场景中尤为突出。

　　“在模型推理场景中，存储除承担存算协同功能外，还需承担更多新型职能。为满足更多用户需求，智能体时代的存储，需要从被动接收数据，由计算系统统一调度，对存储内容不做感知等传统能力向数据感知与认知能力强化的前沿方向转变，这一变革在落地大模型的智算中心中已率先体现。”孙钢说。

　　对此，中科曙光北京公司总裁助理、分布式存储产品部总经理石静也透过自身的实践提出了自己的认识。她表示，在传统认知中，存储仅承担数据存储功能，而随着人工智能技术的快速发展，存储需要向底层深耕，向上层延展。

　　何为向底层深耕、向上层延展?石静借用人工智能五层蛋糕理论做了说明。存储属于基础设施层，向底层深耕，一方面，需要支撑计算芯片提升运行效率;另一方面，需推动存算一体芯片发展，在计算芯片中集成数据处理能力或在存储芯片中集成计算能力，从而实现向芯片层的深度融合。同时，存储系统也需实现能源高效利用，完成底层能力升级。向上层延展，即对接模型层与应用层。在这一过程中，存储系统需为模型训练与推理提供高效支撑，无缝融入人工智能模型与应用的工作流程，参与数据编排、标注、检索等全流程环节。同时，存储模块还需全面融入人工智能数据流，主动完成数据加载、预处理与检索优化，保障全流程高效运行。

　　“尽管存储已从传统业务承载者、信息技术基础设施支撑者，转变为效率引擎与业务发展驱动力，但我更希望存储能够跳出被动适配的发展模式，以数据为中心重构整体生态。”石静表示，当前相关推理框架已提出以KV Cache为核心的设计理念，未来行业可探索以存储与数据为中心，围绕数据要素构建人工智能训练与推理生态。

　　袁钰表示，当前，先进存力对人工智能基础设施所带来改变较为明确。例如，在智能体领域，此前关注度较高的相关应用，如推理效果与运行模式，均与存储能力密不可分。同时，推理过程中的响应速度，以及呈现给用户的使用体验，对存储性能也提出了较高要求。“在实际使用中，我们经常遇到输入内容后响应缓慢或结果偏差较大的情况，这类问题虽可通过迭代优化加以改善，但我们仍期望数据调用速度，以及存储在终端、服务器等设备内历史信息的响应效率与质量能够得到提升。而上述需求的实现，均离不开存储技术与先进存力的支撑。”袁钰进一步解释道。

　　补齐产业标准发展短板

　　袁钰表示，目前，存力呈现出发展五大发展趋势：一是布局从集中化转向网络化;二是AI驱动存力需求暴增;三是绿色存储成为硬性约束;四是存力产业生态化发展;五是数据资产化进程加快，存力货币化趋势显现。

　　不过，袁钰也表示，目前来看，先进存力仍然存在定义概念宽泛、场景适配性不足、缺乏统一量化指标等问题。同时，石静也认为，人工智能应用已从训练阶段延伸至推理阶段，用户更关注技术落地后的端到端收益，例如业务并发量、支撑窗口等实际指标，而非单纯的存储效率。而推理阶段的效率评估主要从两个维度开展：一是在固定输入输出词元长度下，评估响应时延指标;二是在固定输出时延要求下，评估单张智能卡可支撑的推理业务并发数量。不过面对行业需求变化，当前行业内暂无统一的行业评估标准予以支撑。

　　孙钢表示，当前人工智能存储领域存在技术路径不统一、知识碎片化、厂商实现方式差异较大等问题，统一标准建设迫在眉睫。“为此，我们已启动面向人工智能应用的存储能力要求、大模型推理存储系统技术要求相关团标研制。我们将核心能力划分为人工智能加速能力、存储扩展能力、高吞吐场景性能能力、兼容能力、可靠性与安全能力等方向，并且将这些方向明确为人工智能场景核心问题与标准要求。”孙钢说。

　　在这一过程中，孙钢表示，行业需达成以下共识：一是构建综合价值评估体系，突破传统可靠性、容量、扩展性等单一指标，形成多维评估标准;二是明确核心接口规范，统一接口技术要求;三是构建存储能力框架，明确新一代人工智能存储的角色定位、核心功能与技术模块。

　　与此同时，丁然表示，中电标协一直关注数据存储产业发展，数据存储专委会成立以来始终致力于构建技术创新至产业标准的完整闭环，推动存储产业链实现自主可控。在具体工作方面，一是紧跟人工智能发展趋势，围绕人工智能存储性能、大模型推理加速、存算协同等关键领域，加快相关标准研究与制定工作，构建存算协同标准体系，破解数据供给不足与算力闲置的结构性矛盾;二是立足产业可持续发展与安全保障需求。一方面推进绿色低碳存储相关标准建设，包括能效标准、PUE相关标准;另一方面完善设备兼容、互联互通等标准，打破厂商技术壁垒，实现多云环境互联互通与资源共享。

(本文不涉密)
责任编辑：路沙

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。