从对标到领跑 中国拿下全球存储双榜第一

　   近日，在德国汉堡举办的ISC 2026高性能计算大会上发布了最新的IO500榜单，中科曙光ParaStor F9000全闪存储系统在生产型全节点和10节点榜单中实现双榜第一。

　　据了解，IO500是高性能计算与人工智能领域权威的存储系统性能基准测试榜单，旨在评估真实工作负载下的I/O能力。其中“生产型榜单”更为严苛，仅纳入已在真实生产环境中长期运行的存储系统，要求满足实际业务负载、冗余设计与持续运行能力，部署周期通常以年计。因此，该榜单被视为衡量存储系统真实应用价值的重要标准，亦是高端存储市场实际选型的风向标之一。

　　中科曙光北京公司副总裁何振表示，此次中科曙光ParaStor F9000在IO500生产型榜单同时拿下10节点和全节点第一，意义不只是“拿了一个冠军”，而是国产高端存储第一次在全球最严格的真实生产型评测体系中形成了系统性领先，证明中科曙光在”芯算存网冷管软”全链路上的协同优化已经达到国际顶尖水平。

　　国产存储工程化能力显著增强

　　值得关注的是，此次IO500生产型榜单着重考核被评产品在真实业务环境下的长期稳定性、复杂混合负载能力，以及规模扩展一致性，而不是单纯技术性能指标的评比。对此，在何振看来，IO500生产型榜单的价值就在于，它把竞争从“实验室指标”拉回到“真实生产环境”。因此这次结果对外界的信号非常清晰：国产存储已经能够在全球最核心的AI训练与高端计算场景中，经受住真实业务验证，并在关键指标上形成领先。

　　具体来看，自国家超算互联网核心节点建设启动以来，ParaStor F9000已投入实际生产环境，并持续迭代优化。目前，该系统已在数万卡集群中稳定运行超过一年，在大模型训练、科学计算与数据分析等关键场景中提供支撑。

　　何振表示，从产业视角看，这代表国产存储正在完成一个关键转变：过去更多是“对标国际先进”，而现在是在真实的AI基础设施体系中，开始参与甚至在部分关键维度形成领先。这种领先不是某一个指标的领先，而是系统级能力、长期稳定性和规模化支撑能力的综合体现。

　　“基于这一点，在未来的市场拓展上，我们不会只强调单一性能优势，而是更多依托‘真实生产级能力’这一核心标签，去参与科研计算平台、高校与科研机构的AI基础设施建设，以及面向政企客户的高性能智算中心项目。”何振如是说。

　　构建AI基础设施系统能力

　　作为国产高端存储体系的重要组成部分，ParaStor F9000在硬件与软件层面均实现全栈自主研发，并与计算、网络体系形成协同，为多项前沿科研任务提供数据底座支撑。

　　目前，中科曙光正加速构建以“存—算—网—液冷”为主体的全栈一体化协同布局。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表示，当前，智能计算、高端计算与政企数字化需求呈现明显分化，本质上是数据负载从“单一计算型”走向“多类型混合负载时代”。因此，中科曙光的整体思路不是做单一“全能型产品”，而是通过多产品矩阵协同，在统一架构下覆盖从超算科研到企业业务再到数据归档的全生命周期数据需求，致力于让不同场景都能在同一数据底座体系中获得最优匹配能力。

　　“ParaStor F9000在关键技术上的自主创新，核心体现在从‘单点组件优化’走向‘系统级协同设计’。全国产自研的意义，并不只是供应链层面的可靠保障，更重要的是带来了体系级优化空间。核心软硬件栈全国产自研，使得存储系统可以在协议栈、数据路径、调度机制等多个层面进行深度协同优化，这也是ParaStor F9000能够在高负载场景下持续保持性能稳定的重要基础之一。”石静进一步解释道。

　　对此，何振表示，中科曙光的核心壁垒不只在存储产品本身，而在于系统级工程能力，包括大规模集群落地经验、存算网协同架构设计能力，以及在真实生产环境中长期验证的能力体系。换句话说，竞争已经从“存储产品竞争”，升级为“AI基础设施系统能力竞争”。

　　以分层化、体系化矩阵助力场景落地

　　石静表示，随着AI从通用大模型走向行业大模型，存储侧最明显的变化是负载不再单一，而是呈现高度分化：既有训练阶段的高吞吐，也有推理阶段的低时延高并发，还包括RAG、向量检索、KV Cache等新型混合负载。在这种背景下，曙光存储的产品规划核心不再是单一产品性能提升，而是围绕“AI数据工作流”构建分层化、体系化、场景化的产品矩阵。

　　例如，在高性能计算与科研场景中，重点关注极致吞吐与大规模并发能力，需要存储系统具备支撑万卡级甚至更大规模集群的数据供给能力，确保科学计算与大模型训练的连续性与效率;在大模型训练场景中，更强调数据流效率与计算协同能力，包括对KV Cache、向量数据以及训练checkpoint等关键数据路径的加速能力，使存储系统深度参与训练过程，而不仅是数据存放层。

　　“在智能网联汽车场景中，数据链路更长，从车端采集、云端回传，到清洗标注、模型训练，再到仿真验证，形成完整的数据闭环。面对每日TB级甚至PB级路采数据，对存储的持续写入能力、冷热数据分层能力以及跨阶段数据调度能力提出了更高要求。这使得存储系统需要从传统的‘容量型基础设施’，向‘面向AI工作流的数据引擎’演进。它不再只是数据的承载层，而是开始深度参与模型训练与应用迭代过程，成为连接数据采集、训练与推理的关键枢纽。”石静说。

　　同时，中科曙光分布式存储总工程师袁清波也表示，在AI4S场景中，数据规模与计算复杂度同步提升，且数据与计算高度耦合。因此，存储系统要从传统的数据承载角色转变为支撑计算过程的数据流动基础设施，直接参与分子模拟、材料计算等科学发现过程。

　　由此来看，高性能存储已进入AI基础设施的“核心层”，其性能、效率、安全性、稳定性成为AI产业发展的“关键点”。身处其中，中科曙光依托存、算、网、液冷全栈协同布局与一体化系统级打磨，针对性破解AI集群IO瓶颈、海量数据治理、算力存力适配等核心痛点，有效夯实了人工智能产业高质量发展底层支撑。

(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。