存储涨价之后，如何让AI走向数据？丨ToB产业观察
存储的“基因重组”：当AI走向数据，一场效率革命正在发生
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
先看一组震撼的数据：国家数据局显示，从2024年到2026年，中国日均Token调用量从1000亿飙升至140万亿（截至2026年3月）。两年增长超过千倍，这背后传递的信号再清晰不过——AI已彻底告别实验室的模型训练阶段，正全面涌入生产和生活的每一个角落。
这场浪潮冲击之下，一个根本性的角色转换正在发生。过去，存储设备的使命是“数据保存”，像个忠实的仓库管理员；如今，它的职责被刷新为“数据赋能”。换句话说，它不再是被动承载数据的“容器”，而是必须主动参与数据处理、支撑AI高效运转的“核心枢纽”。
对于存储行业而言，这个拐点带来的绝非温和的增量增长，而是一场彻头彻尾的全面重构。而重构的核心逻辑，也发生了根本逆转：不再是让数据走向AI，而是要让AI走向数据。
存储架构迎来“基因重组”
“原来的企业存储核心是做数据保护，现在AI存储的第一目标变成了效率提升——核心就一句话，如何充分满足GPU对数据的饥渴需求，别让它空转。”浪潮信息存储产品部副总经理郭海峰的这句话，精准概括了存储使命的根本性变化。
这远不止是产品定位的调整，而是整个技术架构的“基因重组”。传统企业级存储是典型的“通算架构”，以CPU为核心。数据需要经过CPU的路径解析，从内核态复制转发，才能抵达GPU进行计算。这套流程服务关系型数据库和传统应用游刃有余，但面对智算时代动辄百卡、千卡的GPU集群时，效率瓶颈就暴露无遗：一旦存储拖了后腿，价格昂贵的GPU就只能空转等待。
数据最能说明问题的严重性。IBM大中华区存储事业部总经理吴磊指出，如今GPU部署规模庞大，投资动辄以亿甚至十亿计，“1%的闲置就意味着上亿元的浪费”。这与郭海峰的观点不谋而合：存储和网络在智算系统中成本占比或许只有5%-10%，但如果它们导致GPU空转，这区区百分之几的成本，就足以毁掉其余90%以上的投资回报。
为了满足企业对算力利用率的极致追求，存储的“基因重组”势在必行。目前，从软件和硬件两个层面切入，都能有效优化整体架构。浪潮信息和IBM恰好是这两个方向的典型代表。
浪潮信息在其新发布的A9000系列产品中，采用了“全链路免锁零拷贝的用户态AI原生并行架构”。简单来说，就是把数据传输路径从传统的内核态切换到了用户态协议栈，实现了端到端的免拷贝。这一改动效果显著，将延迟从毫秒级降至微秒级，单节点带宽更是达到了160GB/s，远超行业主流的60-80GB/s水平。
软件架构变革的背后，其实暗藏一条更深层的技术主线：KV Cache。在AI推理场景中，为了加速响应、避免重复计算，系统需要将键值对缓存保留在高速存储中。但随着模型上下文窗口的急剧扩大，KV Cache的规模早已超出了GPU显存和本地DRAM的承载极限。郭海峰详细解释了其中的技术逻辑：通过PD分离（Prefill与Decode分离），并利用GlobalCast技术和“双路径”设计，可以整合利用空闲带宽，显著缩短首Token的产生时间。根据浪潮信息公布的数据，通过其Agent Memory外置存储架构，A9000能将首Token延迟降低97%，Token吞吐量提升超过20倍。
另一边，IBM则从另一个维度切入。其推出的Storage Scale并行文件系统，能够在万卡集群中支撑高频的checkpoint数据落盘，确保数据在极短时间内写入存储，从而充分释放GPU的计算效率。
除了软件优化，硬件层面的革新同样关键。IBM在其自研的第五代闪存核心模块（FlashCore Module 5）的每块NVMe闪盘上，都嵌入了一颗专用芯片和高性能处理器，实现了硬件级的压缩、去重和加密。吴磊透露，这一设计能将压缩比做到1:5，而且由于压缩在盘上完成，完全不会对存储控制器的性能造成负担。
种种技术演进都指向同一个结论：AI时代的存储，正从一个被动的数据容器，进化成具备感知和计算能力的主动节点。
涨价是暂时的，效率优化才是关键
当存储节点进化为承载KV Cache、主动参与计算卸载的智能枢纽，市场对高带宽、低延迟存储介质的依赖便呈指数级攀升。这种由架构变革催生的庞大需求缺口，直接在上游供应链引发了产量倾斜与价格博弈。
多方数据显示，2026年第一季度，DRAM内存合约价涨幅达90%-95%，NAND Flash闪存合约价涨幅达55%-60%。这轮涨价潮的直接推手就是AI——大模型训练和推理需求井喷，导致原厂将大量产能从消费级转向利润更高的企业级AI产品。TrendForce预测，2026年第二季度NAND闪存合约价将继续大幅跳升70%至75%。
然而，在吴磊和郭海峰看来，存储涨价只是一时的市场现象，真正值得长期关注的，是如何通过技术手段优化整体效率。郭海峰提到一个案例：有企业将存储迁移到高带宽方案后，GPU利用率提升了15%——“用不到整个项目10%的钱采购存储，就把卡的利用率提升了15%”。吴磊则算了一笔更直观的账：通过FCM模块的1:5压缩技术，用户在涨价后开启压缩功能，实际可用容量的单位成本甚至比涨价前还要低。
但成本优化远不止于压缩比。存储行业正在经历的，是对“数据应该放在哪里”这一根本问题的重新思考。传统企业级存储中，“热、温、冷”数据分层管理已是成熟理念，但AI时代的分层逻辑远比过去复杂得多。
于是，五层存储体系应运而生，这可以说是AI给存储行业带来的最直观的结构性变化。按照业界通行的分类：第一层是HBM（高带宽内存），第二层是本地DRAM，第三层是本地SSD，第四层是传统企业级外置存储。而在第三层和第四层之间，现在出现了一个关键的“3.5层”——这是一个专门服务于AI推理场景的外置缓存层。
为什么需要这个3.5层？郭海峰的解释很直接：“3.5层是为了效率，可以放弃一定的可靠性。数据比是1:1，大不了数据丢了重新算，但不能牺牲效率。”这与第四层传统存储“数据保护优先”的理念形成了鲜明对比。吴磊也从经济学角度给出了类似判断：“全用HBM当然最好，但HBM太贵了。”在成本约束下，分层存储是必然选择。
在五层存储体系的影响下，“磁带存储”这个看似古老的技术，又一次凭借其极高的性价比成为企业的重要选项。据吴磊介绍，过去几年，多家大厂已部署了EB级甚至10EB级的磁带库，包括百度智能云也将其用于底层的冷数据存储。由IBM、HPE和Quantum联合推动的LTO联盟，其LTO-10已实现40TB原始容量，在2.5:1压缩比下可达100TB，未来的LTO-11、LTO-12容量还将更大。吴磊提供了一个实用视角：磁带机械臂从最远端抓取数据大约需要一分五十多秒，但如果一个数据三个月甚至六个月才访问一次，这两分钟的等待时间完全在可接受范围内。
让AI走向数据
这一轮存储行业的变革，其深刻程度远非五层存储体系所能完全体现。它映射出了一个更为底层的变化：传统的“让数据走向AI”模式已难以为继，“让AI走向数据”正在成为新的主流。
在传统数据使用模式中，AI应用是纯粹的“索取方”：应用发起请求，存储被动响应。这种模式在小规模、低频次场景下尚可运行，但面对EB级数据、百万级并发请求时，就完全不可持续了。更致命的问题在于数据一致性的崩塌。吴磊用了一个生动的比喻来描述这一困境：“我们每个人可能有好几个TB的照片、视频，企业则是几百个TB、几百个PB，甚至EB级。当数据有多个副本时，哪一个副本说的是真话，哪一个说的又是假话？”
面对这一挑战，IBM给出的解决方案是内容感知存储（Content-Aware Storage, CAS），其核心理念是结合单一数据副本和即时感知数据变化的机制。也就是说，数据一旦发生变化，模型能够即时感知，而无需通过繁琐的副本生产和传输来同步。吴磊强调：“过去部分厂商出于销售目的，可能会建议客户不断扩容升级。存储管理员则疲于应对各种报告和数据迁移。现在有了AI智能体，它可以分析完所有数据后，一次性做出最优决策，甚至能完成跨洲的数据迁移。”
这意味着，存储的角色正从被动的数据仓库，转变为主动的数据编排平台。而这个解题思路，似乎正在成为行业共识。IBM提出的内容感知存储，与浪潮信息倡导的“AI Data Platform”概念有许多相通之处。郭海峰这样阐述“AI Data Platform”：数据不应是静态的“湖”，而应是“一条不断流淌的河流，不断有数据进来，不断去处理、清洗、打标和再优化，重新训练模型”。这种动态的数据管理逻辑，与传统的“先存下来以后再说”的思路有着本质区别。
从产业视角看，“让AI走向数据”正在催生新的协同模式。浪潮信息利用其全栈能力（从底层算力到上层平台）为合作伙伴提供基础设施，郭海峰将其形容为“搭台唱戏”——浪潮信息搭台，伙伴们来唱AI这场戏。IBM则宣布与英伟达进一步扩大合作，在GTC 2026上展示了深度集成方案：Storage Scale System 6000可提供10PB高性能存储，用于支撑GPU原生分析引擎，IBM同时计划于2026年第二季度初在IBM Cloud上提供英伟达Blackwell Ultra GPU。
但所有这些技术与合作的最终落点，仍然是人。吴磊在沟通中反复强调一个观点：“AI是一个工具，不能代替人，它没有情感，也无法做决定，最终做决定的仍是人类。”无论是浪潮信息致力于让GPU“不空转”，还是IBM用AI智能体帮助存储管理员轻松管理数十个同构或异构节点，其终极目标都是一致的：将人从繁琐、重复的运维工作中解放出来，让他们能将更多的注意力和创造力投向真正的业务创新。
IBM商业价值研究院的调研揭示了一个有趣的现象：76%的CEO对自己企业的IT架构“非常自信”，但43%的CIO却感到焦虑。这种认知落差恰恰说明，AI时代的数据基础设施挑战，远比表面看到的更为复杂。“让存储融入平时的业务中，而不是让业务等存储”——这句总结，或许正是这个时代对存储行业最朴素也最关键的要求。
回望过去两年，存储行业经历了从波澜不惊到惊涛骇浪的转变。当全球AI总支出逼近万亿美元量级，当Token成本的每一次下降都直接影响着大模型的经济可行性，存储不再只是技术链条的终点，它正在成为AI价值创造中不可或缺、且日益主动的一环。
（文｜Leo张ToB杂谈，作者｜张申宇，编辑丨杨林）
相关攻略
Anthropic联手顶级资本，成立AI服务公司专攻中型企业市场 一则重磅消息在科技圈传开。当地时间5月4日，AI领域的明星公司Anthropic正式宣布，将与黑石集团、赫尔曼与弗里德曼以及高盛共同成立一家全新的人工智能服务公司。 那么，这家新公司究竟要做什么？根据官方新闻稿，其核心目标非常明确：与
近日，“字节系”AI助手豆包因被曝在App Store测试付费订阅服务，瞬间引爆舆论，相关话题火速登顶微博热搜。 消息一出，大量网友瞬间“炸锅”。根据网络反馈，不少用户对价格表示质疑，吐槽道“算不明白还收费”“比ChatGPT还贵”，甚至有情绪激动的网友直接喊话：“敢收钱就卸载！”与此同时，许多用户
Flask 2 x 的 async 视图仅在 ASGI 服务器（如 Uvicorn）下有效，WSGI 模式不支持异步；需用 uvicorn 启动、使用异步库、避免阻塞调用，并确保中间件与扩展兼容 async。 Flask 2 x 原生支持 async 视图，但不等于自动支持 asyncio 库的任意
Airflow 中如何将 execution_date 转换为当日零点时间戳：时区安全的最佳实践 本文详细讲解在 Apache Airflow 中，如何将默认 UTC 时区的 execution_date 准确转换为指定业务时区（例如 Europe Amsterdam）当日零点时间戳的标准化方案。通
Lara vel怎样为AI推理任务预留专用高优队列 在Lara vel项目中运行AI推理任务时，你是否遇到过这样的困扰：任务被常规业务队列阻塞，响应延迟飙升，或者多个任务争抢GPU资源导致失败？这背后一个常见的原因，就是没有为AI推理任务设置专用的高优先级队列。别担心，下面这套组合拳，能帮你彻底解决
热门专题
热门推荐
商业帝国大亨：一款点击就能征服宇宙的财富游戏？ 近期，手游圈的目光似乎被一款名为《商业帝国大亨》的新作吸引了。不少玩家都在询问：这款游戏到底好不好玩？值不值得投入时间？今天，我们就来深入剖析一下它的玩法核心与特色，看看它能否满足你对“商业帝国”的想象。 1 核心玩法评析：从点击屏幕到宇宙财团 如果
异环一咖舍店铺装修方案分享：店铺经营怎么装修 在《异环》的世界里，经营自己的店铺无疑是件充满乐趣的事。看着人气攀升、收入增长，那份成就感不言而喻。不过，很多新手玩家容易踏入一个误区：一上来就冲着最华丽的摆件去，结果投入巨大，收益提升却未必理想。今天，我们就来聊聊如何用最精明的策略，搞定你的“一咖舍”
鸣潮3 3版本声骸管理方案推荐 随着鸣潮3 3版本的到来，一次全面的声骸系统更新在所难免。特别是针对那些拥有特殊机制的角色，如何高效管理你的声骸库存，成了不少指挥官当前的头等大事。好消息是，新版本支持通过方案码一键导入配置，这无疑大大提升了效率。那么，当前版本有哪些值得关注的方案，又该如何灵活运用呢
梦幻西游神木林175级装备搭配推荐 先来看头盔的选择。这是一件130级的罗汉金钟男头，套装点化成了蜃气妖，并且打上了13锻月亮石。对于神木林这样的法系门派来说，蜃气妖套能直接提升灵力，是核心选择之一。而罗汉金钟这个特技，在高端任务和PK中的重要性不言而喻，关键时刻一个罗汉，往往能扭转战局。用高锻数的
梦幻西游魔王寨175装备搭配推荐 先来看头盔的选择。一件160级附带光辉之甲特技、且激活了长眉灵猴套装效果的头盔，无疑是法系门派的上乘之选。更难得的是，它还额外附加了4 58%的法术暴击伤害属性。为了最大化生存能力，这颗头盔被打上了16锻月亮石，将防御堆砌到了一个相当可观的程度。对于追求极致输出的魔