生成式AI與存儲(chǔ)技術(shù)協(xié)同演進(jìn)：從架構(gòu)創(chuàng)新到產(chǎn)業(yè)落地
大數(shù)據(jù)時(shí)代，存儲(chǔ)與生成式AI的協(xié)同演進(jìn)成為推動(dòng)技術(shù)發(fā)展的重要趨勢(shì)。2022年11月，ChatGPT的橫空出世加速了生成式AI的商用落地。但誰(shuí)都不曾想到，第二波引爆AI大模型的，竟是中國(guó)AI創(chuàng)企DeepSeek。2025年初，DeepSeek-R1意外走紅，該模型實(shí)施“錯(cuò)峰降價(jià)”和“開源策略”，此舉大幅降低了企業(yè)部署AI的門檻。
AI的基石是數(shù)據(jù)基礎(chǔ)設(shè)施，存儲(chǔ)是存力基礎(chǔ)設(shè)施的核心組成部分，利用高效數(shù)據(jù)存儲(chǔ)與管理，支撐模型訓(xùn)練、推理優(yōu)化及多模態(tài)應(yīng)用落地。從ChatGPT的存儲(chǔ)密集型挑戰(zhàn)，到DeepSeek-R1的存儲(chǔ)優(yōu)化突破，生成式AI正通過(guò)架構(gòu)創(chuàng)新與開源生態(tài)，推動(dòng)存儲(chǔ)資源的高效利用與規(guī)模化部署。
AI降本增效驅(qū)動(dòng)存儲(chǔ)協(xié)同創(chuàng)新
DeepSeek CEO在今年2月公開表示，DeepSeek-R1基于動(dòng)態(tài)稀疏訓(xùn)練和混合專家架構(gòu)(MoE)，通過(guò)減少冗余參數(shù)存儲(chǔ)和優(yōu)化計(jì)算路徑，在緩存命中場(chǎng)景下實(shí)現(xiàn)理論成本的下限為0.14美元/百萬(wàn)輸入tokens，實(shí)際成本可能因任務(wù)復(fù)雜度波動(dòng)。而GPT-4 Turbo、Claude 3、LLaMA3等其他模型在緩存命中場(chǎng)景下的輸入成本大致在0.56美元/百萬(wàn)tokens至9.8美元/百萬(wàn)tokens不等。
隨著大模型成本大幅度降低，AI技術(shù)向中小企業(yè)的滲透也得以加速。DeepSeek-R1在Hugging Face發(fā)布一個(gè)月左右，其累計(jì)下載量就突破了1,000萬(wàn)次。IDC中國(guó)研究經(jīng)理程蔭對(duì)外表示，DeepSeek引領(lǐng)基礎(chǔ)大模型開啟另一開發(fā)新范式——以一系列創(chuàng)新優(yōu)化技術(shù)與手段降低成本和復(fù)雜性，從而降低門檻。
一方面，AI企業(yè)希望能通過(guò)算力資源優(yōu)化及模型輕量化技術(shù)，系統(tǒng)性降低AI開發(fā)與部署成本；另一方面，隨著邊緣AI加速落地，邊緣設(shè)備激增也導(dǎo)致分布式數(shù)據(jù)存儲(chǔ)的需求上升。市場(chǎng)研究機(jī)構(gòu)Omdia指出，AI技術(shù)的快速發(fā)展正在推動(dòng)存儲(chǔ)設(shè)備市場(chǎng)的增長(zhǎng)。預(yù)計(jì)到2029年，全球存儲(chǔ)設(shè)備出貨量將以12.5%的復(fù)合年增長(zhǎng)率(CAGR)持續(xù)增長(zhǎng)，主要得益于AI代理部署和私人數(shù)據(jù)增強(qiáng)訓(xùn)練帶來(lái)的數(shù)據(jù)中心存儲(chǔ)需求激增。
而存儲(chǔ)系統(tǒng)也正通過(guò)高密度存儲(chǔ)方案和低延時(shí)數(shù)據(jù)管理，為生成式AI提供高效訓(xùn)練、推理優(yōu)化及多模態(tài)應(yīng)用落地的“存力底座”，驅(qū)動(dòng)模型性能與成本效率的平衡。與此同時(shí)，生成式AI的加速商用，也在驅(qū)動(dòng)存儲(chǔ)廠商加速推進(jìn)高密度存儲(chǔ)架構(gòu)升級(jí)與毫秒級(jí)低延時(shí)硬件創(chuàng)新。
如今，存儲(chǔ)廠商正通過(guò)介質(zhì)創(chuàng)新、架構(gòu)重構(gòu)和算法優(yōu)化等手段，系統(tǒng)性突破高密度與低延時(shí)的技術(shù)瓶頸，為百億級(jí)參數(shù)模型的規(guī)?；逃锰峁┑讓又?。
在介質(zhì)創(chuàng)新方面，存儲(chǔ)廠商通過(guò)熱輔助磁記錄(HAMR)技術(shù)、QLC SSD與高帶寬存儲(chǔ)器(HBM)來(lái)實(shí)現(xiàn)。
- HAMR通過(guò)激光瞬時(shí)加熱盤片局部區(qū)域，降低磁介質(zhì)矯頑力，實(shí)現(xiàn)納米級(jí)磁顆粒的穩(wěn)定排列。比如，希捷HAMR硬盤當(dāng)前商用產(chǎn)品單碟容量為3至3.2TB，實(shí)驗(yàn)室目標(biāo)為5TB及以上，是AI數(shù)據(jù)中心冷數(shù)據(jù)存儲(chǔ)的性價(jià)比方案。
- QLC通過(guò)4bit/cell單元結(jié)合3D堆疊工藝，理論上其單位面積容量較TLC提升三成左右。目前，三星、鎧俠、美光、閃迪等存儲(chǔ)巨頭均針對(duì)QLC SSD有布局。
- HBM通過(guò)硅通孔(TSV)技術(shù)堆疊DRAM芯片，結(jié)合2.5D先進(jìn)封裝，以低頻率實(shí)現(xiàn)高通道寬度，兼具高帶寬、高容量與低功耗特性，如今已廣泛應(yīng)用于數(shù)據(jù)中心、AI訓(xùn)練等高算力場(chǎng)景。自2016年推出以來(lái)，HBM歷經(jīng)了多次迭代，現(xiàn)在的HBM3E將傳輸速度提升至8Gbps，容量擴(kuò)展至24GB(通過(guò)12層堆疊實(shí)現(xiàn))。
在架構(gòu)重構(gòu)方面，分布式擴(kuò)展與存算一體架構(gòu)已成為重要路徑。分布式網(wǎng)絡(luò)存儲(chǔ)系統(tǒng)采用可擴(kuò)展的系統(tǒng)結(jié)構(gòu)，利用多臺(tái)存儲(chǔ)服務(wù)器分擔(dān)存儲(chǔ)負(fù)荷，利用位置服務(wù)器定位存儲(chǔ)信息，它不但提高了系統(tǒng)的可靠性、可用性和存取效率，還易于擴(kuò)展；存算一體架構(gòu)是指將傳統(tǒng)以計(jì)算為中心的架構(gòu)轉(zhuǎn)變?yōu)橐詳?shù)據(jù)為中心的架構(gòu)，直接利用存儲(chǔ)器進(jìn)行數(shù)據(jù)處理，從而把數(shù)據(jù)存儲(chǔ)與計(jì)算融合在同一芯片中，極大提高計(jì)算并行度與能量效率，特別適用于以可穿戴設(shè)備、移動(dòng)設(shè)備、智能家居等場(chǎng)景為主的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)領(lǐng)域。
在算法層面，存儲(chǔ)廠商可以通過(guò)數(shù)據(jù)編織(Data Fabric)和近數(shù)據(jù)處理(NDP)來(lái)優(yōu)化性能。數(shù)據(jù)編織旨在通過(guò)邏輯層面的數(shù)據(jù)整合與加工，打破物理集中的局限，實(shí)現(xiàn)數(shù)據(jù)的無(wú)縫共享與高效利用。近數(shù)據(jù)處理技術(shù)是指利用存儲(chǔ)控制器的計(jì)算能力，執(zhí)行與數(shù)據(jù)存取緊密相關(guān)的任務(wù)，在減少數(shù)據(jù)遷移的同時(shí)，具有低延遲、高可擴(kuò)展性和低功耗等優(yōu)點(diǎn)。
通過(guò)采用這些技術(shù)，企業(yè)可以提升數(shù)據(jù)處理和分析的效率，達(dá)到節(jié)約系統(tǒng)資源，降低時(shí)延和能耗的目的。具體案例包括，華為通過(guò)數(shù)據(jù)編織技術(shù)，可實(shí)現(xiàn)全局元數(shù)據(jù)智能調(diào)度，保障百億參數(shù)模型訓(xùn)練連續(xù)性；Nvidia GPUDirect存儲(chǔ)技術(shù)結(jié)合RDMA與NVMe-oF協(xié)議，支持?jǐn)?shù)據(jù)直傳GPU顯存，減少推理延遲。
由此可見，AI技術(shù)的降本增效與存儲(chǔ)需求的指數(shù)級(jí)增長(zhǎng)形成雙向驅(qū)動(dòng)，倒逼存儲(chǔ)技術(shù)創(chuàng)新成為全行業(yè)智能化升級(jí)的底層剛需。
從數(shù)據(jù)倉(cāng)庫(kù)升級(jí)至智能數(shù)據(jù)管理平臺(tái)
在存儲(chǔ)技術(shù)與生成式AI協(xié)同演進(jìn)的過(guò)程中，存儲(chǔ)系統(tǒng)正從被動(dòng)數(shù)據(jù)倉(cāng)庫(kù)向智能數(shù)據(jù)管理平臺(tái)演進(jìn)，通過(guò)軟件定義存儲(chǔ)、分布式架構(gòu)優(yōu)化和實(shí)時(shí)分析能力，成為支撐AI計(jì)算的高效數(shù)據(jù)調(diào)度中心。如今，存儲(chǔ)系統(tǒng)通過(guò)AI賦能的動(dòng)態(tài)優(yōu)化機(jī)制，實(shí)現(xiàn)了資源與計(jì)算需求的協(xié)同。
單個(gè)千億參數(shù)的大語(yǔ)言模型在訓(xùn)練過(guò)程中，需要PB級(jí)的數(shù)據(jù)存儲(chǔ)與處理能力。在模型迭代過(guò)程中產(chǎn)生的增量數(shù)據(jù)，也需要高性能閃存來(lái)提供實(shí)時(shí)讀寫保障。同時(shí)，文本生成、圖像渲染、視頻合成等場(chǎng)景的并發(fā)處理，也對(duì)存儲(chǔ)系統(tǒng)提出了更高的要求。目前，企業(yè)級(jí)SSD為了滿足高IOPS(每秒輸入輸出操作次數(shù)）和低延遲的特性，正朝著30TB+的大容量方向發(fā)展。
此外，AI服務(wù)器架構(gòu)升級(jí)也在催生新型存儲(chǔ)方案。比如，存算一體架構(gòu)打破傳統(tǒng)“計(jì)算-存儲(chǔ)”分離模式，通過(guò)硬件級(jí)協(xié)同加速AI推理效率，使存儲(chǔ)介質(zhì)直接參與計(jì)算任務(wù)的預(yù)處理與中間結(jié)果緩存。又如，智能分層存儲(chǔ)讓熱數(shù)據(jù)采用3D NAND閃存實(shí)現(xiàn)毫秒級(jí)響應(yīng)，而冷數(shù)據(jù)依托QLC技術(shù)提升單盤容量、降低綜合存儲(chǔ)成本。
再者，多元化市場(chǎng)需求也在驅(qū)動(dòng)存儲(chǔ)技術(shù)創(chuàng)新向兩個(gè)方向突破——基礎(chǔ)物理層能效優(yōu)化與場(chǎng)景化定制能力強(qiáng)化。能效優(yōu)化技術(shù)包括通過(guò)3D TLC閃存電荷捕獲層梯度摻雜設(shè)計(jì)提升數(shù)據(jù)穩(wěn)定性，結(jié)合動(dòng)態(tài)功耗管理技術(shù)，邊緣設(shè)備在非連續(xù)讀寫模式下綜合功耗可降至1.5W/TB；在場(chǎng)景化定制能力方面，包括車規(guī)級(jí)存儲(chǔ)基于AEC-Q100標(biāo)準(zhǔn)實(shí)現(xiàn)寬溫耐受(-40℃至125℃)，并通過(guò)LPDDR5接口與多芯片冗余架構(gòu)支持高并發(fā)數(shù)據(jù)處理。
因此，可以說(shuō)存儲(chǔ)系統(tǒng)正升級(jí)為AI基礎(chǔ)設(shè)施的核心支撐組件，實(shí)現(xiàn)動(dòng)態(tài)數(shù)據(jù)治理、存算協(xié)同加速、AI增強(qiáng)優(yōu)化的三大能力躍遷——通過(guò)數(shù)據(jù)編織與智能分層技術(shù)，支撐多模態(tài)數(shù)據(jù)的實(shí)時(shí)調(diào)度與價(jià)值挖掘；基于訓(xùn)推一體化架構(gòu)與近存儲(chǔ)計(jì)算，縮短AI任務(wù)端到端處理時(shí)延；利用模型訓(xùn)練特征反饋驅(qū)動(dòng)存儲(chǔ)資源動(dòng)態(tài)分配，實(shí)現(xiàn)性能、成本與能耗的平衡。
存儲(chǔ)巨頭的產(chǎn)品矩陣與全場(chǎng)景覆蓋
面對(duì)越來(lái)越多的存儲(chǔ)需求，行業(yè)領(lǐng)軍企業(yè)當(dāng)然不會(huì)錯(cuò)過(guò)這難得的商機(jī)。這些企業(yè)通過(guò)技術(shù)分化與全場(chǎng)景產(chǎn)品覆蓋(云端高算力、邊緣低成本、端側(cè)輕量化)，去構(gòu)建適配AI時(shí)代需求的完整解決方案。我們也看到，存儲(chǔ)廠商正通過(guò)構(gòu)建更全面的產(chǎn)品矩陣，覆蓋從云端訓(xùn)練到邊緣推理的全場(chǎng)景需求。預(yù)計(jì)該組合方案將提升服務(wù)器的單位存儲(chǔ)密度，優(yōu)化綜合能效比。
“市場(chǎng)對(duì)存儲(chǔ)器提出了大容量化、高性能化、低功耗化的要求，顧客對(duì)存儲(chǔ)器的需求也呈現(xiàn)多元化，為此我們將推出最優(yōu)化組合的產(chǎn)品。”鎧俠電子(中國(guó))有限公司技術(shù)執(zhí)行官戶谷得之對(duì)《國(guó)際電子商情》表示，在用于大規(guī)模語(yǔ)言模型開發(fā)、學(xué)習(xí)、推論的AI服務(wù)器方面，市場(chǎng)對(duì)閃存、SSD的需求有望迅猛增長(zhǎng)。
鎧俠為應(yīng)對(duì)AI驅(qū)動(dòng)的存儲(chǔ)性能需求，正在加速CBA技術(shù)(CMOS直接鍵合存儲(chǔ)陣列)在第十代3D NAND閃存中的應(yīng)用。其第十代3D NAND通過(guò)CBA技術(shù)獨(dú)立優(yōu)化CMOS與存儲(chǔ)陣列晶圓，結(jié)合Toggle DDR6.0接口與SCA協(xié)議，NAND I/O接接口速度提升33%至4.8Gb/s，其通過(guò)優(yōu)化電路設(shè)計(jì)降低動(dòng)態(tài)功耗，并基于高密度3D堆疊技術(shù)(如332層)推出適配數(shù)據(jù)中心的QLC架構(gòu)存儲(chǔ)方案。
三星、SK海力士、美光也同屬存儲(chǔ)產(chǎn)業(yè)鏈上游核心供應(yīng)商，它們?cè)谑袌?chǎng)定位上與鎧俠的業(yè)務(wù)側(cè)重與技術(shù)路徑存在差異。三星通過(guò)垂直封裝技術(shù)優(yōu)化高帶寬計(jì)算市場(chǎng)，并持續(xù)引領(lǐng)消費(fèi)級(jí)DRAM技術(shù)發(fā)展；SK海力士正聚焦HBM3E堆疊技術(shù)，支撐AI服務(wù)器近存計(jì)算需求，并探索汽車與移動(dòng)端HBM應(yīng)用；美光基于HBM3E與低功耗DRAM強(qiáng)化邊緣計(jì)算與車載存儲(chǔ)場(chǎng)景的成本優(yōu)勢(shì)。
存儲(chǔ)巨頭的差異化技術(shù)布局本質(zhì)上是面向AI驅(qū)動(dòng)的數(shù)據(jù)基礎(chǔ)設(shè)施變革所作出的戰(zhàn)略響應(yīng)。在云端，通過(guò)存算一體架構(gòu)與先進(jìn)封裝技術(shù)提升存儲(chǔ)密度，支撐大模型訓(xùn)練需求；在邊緣，基于低功耗DRAM與動(dòng)態(tài)功耗管理技術(shù)適配分布式推理場(chǎng)景；在端側(cè)，通過(guò)移動(dòng)HBM，如三星的LPW DRAM，與高能效接口協(xié)議提升終端響應(yīng)效率，兼顧功耗與性能。這種技術(shù)分化推動(dòng)存儲(chǔ)架構(gòu)從單一性能指標(biāo)轉(zhuǎn)向多場(chǎng)景協(xié)同，形成覆蓋“云邊端”的互補(bǔ)生態(tài)，為AI算力與存儲(chǔ)密度的協(xié)同優(yōu)化奠定硬件基礎(chǔ)。
不過(guò)，在數(shù)據(jù)中心和AI領(lǐng)域，存儲(chǔ)技術(shù)通過(guò)PCIe 5.0接口與存算協(xié)同架構(gòu)（如HBM3E與GPU的高效連接）來(lái)優(yōu)化性能，QLC技術(shù)尚未成為核心支撐——在移動(dòng)終端，存儲(chǔ)密度提升依賴TLC技術(shù)，QLC的應(yīng)用仍受限。所幸的是，目前已經(jīng)有許多存儲(chǔ)廠商在推動(dòng)QLC技術(shù)的商用。
在協(xié)議與接口方面，消費(fèi)級(jí)市場(chǎng)處于高端領(lǐng)域滲透階段，但PCIe 5.0受限于成本與散熱，還待進(jìn)一步普及滲透。如今，存儲(chǔ)業(yè)內(nèi)人士普遍認(rèn)為，2025年P(guān)CIe 5.0技術(shù)從底層硬件到應(yīng)用生態(tài)已經(jīng)成熟，預(yù)計(jì)在今年內(nèi)我們有望看到更多PCIe 5.0 SSD商用，其覆蓋場(chǎng)景從消費(fèi)級(jí)擴(kuò)展到企業(yè)級(jí)。
具體來(lái)看，PCIe 5.0固態(tài)硬盤雖自2022年逐步上市，但其早期受限于存儲(chǔ)主控工藝落后、高功耗與散熱難題，導(dǎo)致消費(fèi)級(jí)產(chǎn)品長(zhǎng)期處于“殘血”狀態(tài)。盡管2025年新一代存儲(chǔ)主控通過(guò)工藝優(yōu)化和散熱設(shè)計(jì)改進(jìn)，使性能逐步接近理論值，但成本高昂與終端用戶需求不足仍制約普及率。因此，行業(yè)預(yù)測(cè)消費(fèi)級(jí)市場(chǎng)需待主控成本下降、散熱方案成熟才能全面鋪開。
存儲(chǔ)行業(yè)面臨ESG轉(zhuǎn)型
除了存儲(chǔ)技術(shù)層面的創(chuàng)新與升級(jí)之外，我們也看到，AI的進(jìn)一步滲透也帶來(lái)了更多的電能的消耗。目前，AI的電能消耗已從單一模型訓(xùn)練擴(kuò)展至全生命周期，涵蓋推理、部署和持續(xù)優(yōu)化環(huán)節(jié)。隨著算力需求指數(shù)級(jí)增長(zhǎng)，能源效率優(yōu)化與清潔能源整合將成為平衡技術(shù)進(jìn)步與可持續(xù)發(fā)展的關(guān)鍵。
早在2022年，數(shù)據(jù)中心用電量已占全球電力消耗的1%-1.5%，國(guó)際能源署(IEA)預(yù)測(cè)到2026年這一比例可能翻倍至2%。AI算力需求激增或使2030年突破3%。另外，生成式AI的爆發(fā)式增長(zhǎng)，意外成為存儲(chǔ)技術(shù)迭代的“壓力測(cè)試器”。目前，大模型訓(xùn)練單次耗電超小型核電站單日發(fā)電量，其中存儲(chǔ)系統(tǒng)能耗占比10%至15%(參考谷歌透露的其用于AI訓(xùn)練的能量消耗占總用電量數(shù)據(jù)。）
在全球數(shù)據(jù)中心能耗激增與歐盟碳關(guān)稅政策的雙重壓力下，存儲(chǔ)行業(yè)正掀起一場(chǎng)靜默卻深刻的變革。頭部存儲(chǔ)企業(yè)不再滿足于單純的技術(shù)參數(shù)競(jìng)爭(zhēng)，而是將綠色生產(chǎn)、能效優(yōu)化與AI算力需求深度融合，試圖在商業(yè)價(jià)值與社會(huì)責(zé)任之間找到平衡點(diǎn)。而這場(chǎng)變革的起點(diǎn)，是存儲(chǔ)密度的躍升與能耗的“精準(zhǔn)瘦身”。比如，美光方面宣稱，其1β工藝HBM3E比競(jìng)品的功耗降低30%，適配高算力GPU。
此外，綠色生產(chǎn)體系的構(gòu)建，讓半導(dǎo)體封測(cè)廠從耗能大戶轉(zhuǎn)型為低碳標(biāo)桿。以美光在西安的封測(cè)廠為例，為了實(shí)現(xiàn)更高的環(huán)境目標(biāo)，美光制定了四個(gè)2025年的量化指標(biāo)，包括碳排放的顯著減排、可再生能源的全面使用、水資源的有效保護(hù)，以及廢棄物的資源化和零填埋。同時(shí)，美光還積極部署了多項(xiàng)可持續(xù)發(fā)展項(xiàng)目，在其西安工廠引入自動(dòng)化技術(shù)、配備先進(jìn)制程控制系統(tǒng)等，這些舉措不僅提高了生產(chǎn)效率，還顯著減少了碳排放。
據(jù)戶谷得之介紹，鎧俠以3D閃存的大容量化、高性能化為目標(biāo)，正在推進(jìn)AI、數(shù)字社會(huì)不可或缺的新概念半導(dǎo)體存儲(chǔ)器的研發(fā)，以滿足未來(lái)在計(jì)算機(jī)、存儲(chǔ)系統(tǒng)領(lǐng)域?qū)Π雽?dǎo)體的需求。“為此，我們將推進(jìn)新結(jié)構(gòu)的高速存儲(chǔ)器、SCM的研發(fā)工作，并推進(jìn)半導(dǎo)體產(chǎn)品的節(jié)能化。”鎧俠開發(fā)的低功耗SCM內(nèi)存，通過(guò)減少數(shù)據(jù)“折返跑”提升推理環(huán)節(jié)的能效。
歐盟碳關(guān)稅也在加速“存儲(chǔ)即服務(wù)”模式向高密度、高能效升級(jí)，即使該模式技術(shù)基礎(chǔ)已存在多年?？偟膩?lái)看，這是一種由公司向個(gè)人或企業(yè)提供技術(shù)專業(yè)知識(shí)和存儲(chǔ)空間的商業(yè)模式。當(dāng)存儲(chǔ)從固定資產(chǎn)變?yōu)榘葱栀?gòu)買的服務(wù)，整個(gè)產(chǎn)業(yè)的商業(yè)邏輯正在被重寫。
在這場(chǎng)靜悄悄的革命中，存儲(chǔ)設(shè)備正從“數(shù)據(jù)倉(cāng)庫(kù)”進(jìn)化為“減碳引擎”。技術(shù)的每一次突破，都在為地球的碳賬戶存入一筆綠色資產(chǎn)?；蛟S未來(lái)某天，人們選購(gòu)存儲(chǔ)產(chǎn)品時(shí)，能效標(biāo)簽的重要性將超越容量參數(shù)，就像現(xiàn)在家電市場(chǎng)的能效等級(jí)一樣成為消費(fèi)共識(shí)。這將不僅是技術(shù)的勝利，更是人類對(duì)可持續(xù)發(fā)展的一次集體投票。
中國(guó)引領(lǐng)存儲(chǔ)與生成式AI協(xié)同創(chuàng)新
值得注意的是，在數(shù)字化浪潮席卷全球的當(dāng)下，中國(guó)正以前瞻性布局和系統(tǒng)性規(guī)劃，引領(lǐng)存儲(chǔ)技術(shù)與生成式AI的協(xié)同創(chuàng)新邁向新高度。
在國(guó)家層面，工信部為存儲(chǔ)技術(shù)與生成式AI的協(xié)同發(fā)展提供了頂層設(shè)計(jì)框架——“算力強(qiáng)基揭榜行動(dòng)”從國(guó)家戰(zhàn)略層面明確存儲(chǔ)系統(tǒng)作為“動(dòng)態(tài)決策單元”的定位，要求通過(guò)多介質(zhì)存儲(chǔ)管理與跨域資源協(xié)同技術(shù)實(shí)現(xiàn)算力與存儲(chǔ)效能的全鏈路閉環(huán)優(yōu)化。
此外，由存儲(chǔ)產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟和中國(guó)電子技術(shù)標(biāo)準(zhǔn)化研究院等20多家學(xué)研機(jī)構(gòu)聯(lián)合發(fā)布的《2025年AIGC數(shù)據(jù)存儲(chǔ)技術(shù)研究報(bào)告》系統(tǒng)性論證了存儲(chǔ)系統(tǒng)從靜態(tài)數(shù)據(jù)承載向“數(shù)據(jù)處理-訓(xùn)練-推理-歸檔”全鏈路閉環(huán)的轉(zhuǎn)型路徑，并通過(guò)高校科研平臺(tái)等案例驗(yàn)證技術(shù)落地效果，支撐AI訓(xùn)練推理全流程效能躍升。
這些舉措為存儲(chǔ)技術(shù)與生成式AI的協(xié)同發(fā)展注入了強(qiáng)大動(dòng)力，標(biāo)志著中國(guó)在這一領(lǐng)域邁出了堅(jiān)實(shí)步伐。未來(lái)，隨著這些頂層設(shè)計(jì)的逐步落地和企業(yè)實(shí)踐的深入推進(jìn)，中國(guó)有望在存儲(chǔ)技術(shù)與生成式AI的融合創(chuàng)新中取得更多突破，為全球科技發(fā)展貢獻(xiàn)更多中國(guó)智慧和力量。
