当前，人工智能产业的竞争重心正加速由单一算力比拼，转向数据、算法与算力三位一体的综合实力较量。在存储芯片等核心部件价格持续攀升带来的成本压力下，叠加大模型训练与智能体应用对数据规模、质量及实时性的严苛要求，传统数据基础设施已难以支撑ai时代的进阶需求。
近日，全国人大代表、华中科技大学副校长冯丹在接受媒体采访时表示：存储是AI时代不可或缺的“数字粮仓”，而数据则是驱动智能演进的核心“燃料”。“再强大的算力、再前沿的算法，若缺乏高质量数据支撑，终将沦为无源之水、无米之炊。而要让数据真正‘活起来’‘跑起来’，存储系统必须成为关键枢纽。”
激活沉睡价值：从“静态存储”迈向“动态生产”的范式跃迁
冯丹指出，当前大量数据处于闲置、低效甚至“休眠”状态，根源在于高质量数据集建设缺乏统一标准，各方对数据权属、价值评估与流通机制认知不一，导致“不愿供、不敢供、难流通”等现实困境。海量数据无法有效释放价值，严重制约AI产业化进程。
曙光存储此前提出的“数据工厂”构想，与冯丹代表的建言高度契合。新一代存储系统亟需突破“仅负责保存”的传统定位，升级为具备数据加工、组织与赋能能力的智能中枢。借鉴工业级流水线逻辑，曙光存储实现了对多源、海量、异构数据的自动化采集、清洗、标注、治理，并在存储层内完成预处理与token化等关键操作。
这一“以存代算、以存促算”的新型范式，将原本依赖后端GPU集群完成的繁重计算任务前移至存储侧，显著缓解算力瓶颈，全面提升AI模型训练与推理的端到端效率。
直面深层瓶颈：“自主芯”筑底 + “存算传”融合协同
当“数据燃料”问题逐步破局，“数字粮仓”的安全性、可靠性与可运维性同样不容忽视。随着大模型参数量迈入万亿级别，超大规模异构集群在稳定性、一致性与资源调度等方面面临前所未有的挑战。根因难定位、软硬件协同弱、资源利用率低等问题频发，“一日一崩”的训练中断现象，已成为悬于AI基础设施之上的“达摩克利斯之剑”。
对此，曙光存储提出的“国芯筑基”与“存算传协同”双轮驱动方案，提供了系统性解法。其坚持采用全栈自研国产存储主控芯片构建底层架构，并围绕AI负载特性深度优化指令集与微架构设计。这不仅筑牢了供应链安全底线，更成为实现软硬一体化极致调优的关键前提，为数据平台提供高稳定、高性能的物理底座。
针对复杂系统带来的运维难题，曙光存储推动存储、计算、网络与智能调度平台的深度融合创新，构建起覆盖全栈的智能运维体系。该体系大幅压缩故障影响范围，精简软件层级，提升异常溯源效率，更推动运维模式由“事后补救”向“事前预测、事中干预、事后闭环”的主动治理体系转变，切实压降大规模集群的故障率与不确定性风险。
系统性挑战亦体现在供应链波动层面。近期，存储主控芯片等关键元器件价格持续走高。曙光存储提出先进存力三大主张——摒弃粗放式硬件堆叠，聚焦整体效能跃升；依托智能动态调度技术，最大化存储资源利用率；强化系统级与生态级协同，追求全域最优配置。在保障性能的同时降低对单一硬件路径的依赖，助力用户在成本震荡周期中实现更优TCO（总体拥有成本）。
共筑新基建“头号工程”
冯丹强调：“必须将我国庞大的数据资源禀赋，转化为标准化、规模化、可持续输出的高质量数据供给能力。”她建议，应将人工智能数据平台列为“十五五”期间新型基础设施建设的“头号工程”。这也正是曙光存储长期深耕的方向：面向AI的数据平台，早已超越传统存储设备范畴，进化为集数据汇聚、治理、加速、安全防护与智能服务于一体的“数据操作系统”。
存储硬件价格的短期波动属于市场常态，而构建以数据为中心、高能效、高附加值的现代化存储体系，才是支撑人工智能行稳致远的根本所在。曙光存储将持续以“国芯”为根基、“数据工厂”为引擎，通过深度耦合的系统级创新，打造“存得下、产得快、稳得住”的新一代数据基础设施。
今日之中国存储产业，已非局限于某一颗芯片的单点突围，而是覆盖设计、制造、软件、生态的全链条协同跃升；不再是被动替代的追赶姿态，而是深度参与全球技术规则制定与市场竞争的主动作为。冯丹坚定表示：“只要我们把握历史机遇，强化顶层设计与系统推进，就一定能让存储产业的战略价值充分释放，助力我国在全球人工智能竞争格局中掌握主动权、赢得制高点。”
