0
AI進入2025年下半年，正以前所未有的速度催生存儲需求。
據雷峰網(公眾號：雷峰網)了解，Q4存儲芯片價格已呈現全面上漲態勢，行業普遍預測，存儲需求將在Q4至明年Q2期間迎來大規模釋放。
然而，當前產業鏈各環節的產能擴張進度難以匹配需求增長節奏，疊加存儲介質成本持續飆升，于是，耐人尋味的分化景象出現了：
一邊是客戶內存條“一條難求”的困境；另一邊，市場的報價體系陷入混亂——有二線存儲廠商因為篤定價格將繼續攀升，甚至暫停對外報價，臨時安排員工休假，選擇“囤貨待漲”以賺取更大價差。
即便如此，在 AI 領域的存儲采購決策中，內存效率仍被置于核心優先地位，成本因素則退居第二甚至第三位。就在行業多數參與者對漲價趨勢 “樂見其成” 時，中科曙光站出來，想給這場“狂歡”降降溫——
“我們想呼吁整個產業更加理性，往更健康可控的方向去發展，這是我們做存儲系統廠商的期望”，曙光存儲副總裁張新鳳說道。
11月19日，2025數據存儲產業大會在廣州召開。在這場大會上，中科曙光迎來重要角色升級——正式出任中電標協數據存儲專委會當值會長，宣布專委會將發起編寫AI存儲標準，并聯合牽頭成立Future Storage工作組，以推動中國存儲產業在全球競爭中搶占先機。
站在存儲周期“新一輪波峰”上，曙光作為中國智算產業的核心力量，對當前存儲發展的趨勢與挑戰有怎樣的判斷？在AI推理帶來的存儲浪潮中，曙光的優勢又是什么？
在存儲市場持續火熱的情況下，有業內人士觀察到，內存與閃存顆粒的產能已“吃滿”到明年甚至后年。張新鳳指出，在當前存儲的漲價結構中，純硬件成本超過70%來自存儲介質，且漲幅普遍達到50%-100%。
不過，這種產能的吃緊，與AI對更高性能存儲的需求所帶來的產能擠占，息息相關——
AI對I/O（存儲設備與內存之間的數據交換）提出了遠高于以往的要求，尤其是GPU的出現，對高帶寬、大容量的HBM（高帶寬內存）需求更是大增。這類先進存儲介質具有更高利潤，進一步擠占傳統存儲介質的產能；加上目前全球具備量產能力的廠商數量有限，且多模態模型的發展讓存儲需求更趨多樣復雜，種種趨勢正給未來的存儲供給造成壓力。
可以說，存儲介質本身像期貨，具有明顯的產業周期性；但AI的出現，改變了供應側的周期節奏。
盡管如此，當前各類AI場景對存儲的核心訴求仍然是“快”——既要高吞吐、低延時，也要系統穩定。
但在細分場景里，側重點又有所不同：曙光存儲副總裁郭照斌指出，訓練階段對帶寬與吞吐要求較高；推理階段則更看重低延時與高 IOPS。
那么，放眼客戶側，大家對AI時代的存儲具體又提出什么新的需求？
張新鳳發現，一方面，客戶對性能要求的極速提升。過去，衡量高性能存儲系統時的帶寬單位是GB/s，而如今已進入TB/s時代，性能差距達到1000倍。在這種極致的性能下，先進存儲系統往往繞不開端到端NVMe全閃架構。
其次，是“融合能力”成為剛需。
在智算工作流中，從數據采集、打標簽、清洗、訓練，到token化、推理知識庫構建，各個環節涉及Swift API、NFS、S3等多種協議。如今，越來越多客戶希望一套存儲系統可以解決所有問題，這使得融合能力成為核心競爭點。
除此之外，數據流動方式也出現根本變化。
此前，數據流動的方案是“一份數據在不同協議間多次拷貝”，但這往往存在兩個問題：一是時效性不足，二是空間利用率下降，后者直接關系到成本控制。
當下，現實的需求正在轉變，客戶更希望同一份數據可被不同協議直接訪問。張新鳳認為：“這可能是所有行業真正要做智能化的起點。”
存儲主要分為分布式與集中式兩類：分布式存儲將數據分散存儲在多個節點上，集中式存儲則將所有數據集中存儲于一個中心節點。
哪種會成為AI推理時代的主流？一種共識是：分布式存儲更契合AI推理海量數據與高并發的核心需求。
曙光存儲副總裁楊志雷也觀察到，在AI場景中，一套系統需要同時支持多協議訪問、冷熱分層管理，分布式是最優解。
自2004年曙光啟動 ParaStor 分布式存儲研發以來，分布式存儲產品便持續擠壓集中式存儲的市場份額，這一點從營收占比中已可見一斑。
其分布式ParaStor在兼具性能與低延時、高IOPS之外，也兼顧性能的線性擴展度——打破了“擴容與性能”的矛盾，讓存儲系統既能擴張容量的同時提升性能，且不犧牲低延時、高IOPS的核心優勢。
楊志雷直言：分布式存儲“未來投資回報比是最高的”。
不過，與此同時，曙光并沒有放棄集中式存儲：其在2024年6月便發布首款集中式存儲產品FlashNexus全閃存陣列，正式切入這一領域。
“集中式存儲的增長并未放緩”，楊志雷補充道，在金融、運營商、醫療等傳統業務領域，集中式存儲仍具備穩定性、可靠性優勢；且在處理結構化數據的低延時需求上，集中式存儲擁有天然優勢——這些因素決定了，集中式存儲短期內仍將與分布式存儲并存。
事實上，經過多年積累，曙光在存儲系統能力上進行了體系化重構，已經使存儲從簡單的數據容器升級為“智能的數據引擎”。
舉例來說，在具身智能領域，ParaStor分布式全閃存儲可提供超過500GB/s的聚合帶寬，滿足多模態數據的實時處理需求。
同時，其與智元機器人的合作也入選“2025年度數據存儲典型實踐案例”。究其背后，在AI訓練、推理以及具身智能機器人的領域之內，曙光提出兩個核心性能的架構和理念：
一方面，在存儲端采用超級隧道技術，結合無競爭化、無鎖化等優化手段，充分發揮硬件的極致性能。
另一方面，推行近距離計算理念，或將存儲與CPU、GPU深度融合——例如在CPU、GPU端增設存儲接口，實現應用層面的深度結合。
并且，曙光存儲將依托自身在AI存儲領域的優勢，聚焦“AI數據語義”核心，推動面向大模型訓練的存儲架構、接口協議與性能評測標準的制定。
在存儲領域已深耕實踐多年的曙光，如今已躋身存儲標準制定的引領者行列，推動AI存儲標準編寫，構建存儲技術標準和技術框架，旨在為各企業產品研發提供參考，打破傳統產品孤島問題。
市場信號已然明確：下一輪智算競賽的核心決勝點，早已超越單純的硬件顆粒爭奪，轉向誰能將海量數據轉化為“智能燃料”——可持續流轉、安全共享、高效復用的數據資源。
在這場數據價值重構的浪潮中，曙光致力成為推動產業升級的核心力量，為中國存儲產業爭取國際話語權。
雷峰網雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
