科技日报记者 崔爽
当前，算力网高质量建设纵深推进，算力产业正加速向“产业智能化、智能产业化”升级。与此同时，随着人工智能（AI）从模型训练向推理服务、智能体应用加快拓展，数据规模持续增长、流转更加频繁，存力的重要性日益凸显。
最新发布的《信息通信行业发展“十五五”规划》提出，到2030年先进存力规模提升至1700EB（泽字节），明确鼓励算存协同创新应用。这是存力首次被写入信息通信业“十五五”规划。
日前举行的2026中国算力大会先进数据存力分论坛上，算力产业发展方阵与中国信息通信研究院发布《2026存力发展报告》（以下简称《报告》）。《报告》显示，截至2026年6月底，全国数据存力总规模达到2021EB，同比增长11%；先进存力占比提升至32%，规模超过640EB。
“随着人工智能的持续深入，数据资源、算力与存力三者之间的协同关系日益紧密，先进存力不仅要夯实数据存储的底座，更要以高效的数据供给和调度，为智能计算提供坚实的支撑。”中国信息通信研究院总工程师何宝宏表示。
推理数据激增 存力重要性凸显
“大模型持续迭代，推理应用加快落地，智能体不断深入各行业，一个标志性变化是推理的数据量已经超过训练数据量。”何宝宏谈道。
随着人工智能与行业深度融合，数据的角色也正在发生变化：从单纯“被存储的对象”，逐步拓展为“被理解的知识”和“被调用的记忆”，存储由此从数据承载者向智能时代的数据资源供给者演进。
“算力决定计算能力的上限，存力则影响计算能力能否得到充分发挥，以存强算已成为人工智能基础设施建设的重要发展趋势之一。”何宝宏说，过去，产业更多关注计算芯片性能、集群规模和算力水平。如今，随着推理请求持续增长，数据访问效率和算存协同水平对计算资源使用率的影响更加明显。
“过去两年，企业中的Agent（智能体）数量快速增长，AI开始从算力卡和模型训练走向医疗、金融等行业生产环节。”华为数据存储产品线副总裁吴俊杰表示，AI进入生产以后会产生大量数据，过去算力、模型获取、模型工程和整体开发等方面的问题逐步得到解决，但数据正在成为企业AI落地的关键瓶颈。
这一过程中，数据不再只是“存下来”即可，而是需要能够被快速调用、持续利用，并转化为知识和记忆。何宝宏介绍，行业知识库、智能体长期记忆管理、推理场景下的高效存储框架等方向正在逐步形成，金融、制造、医疗、能源、交通等领域的实践表明，存力的性能和效率已经直接影响人工智能应用的运行效果。
“从规模看，我国存力建设正在提速；从应用看，先进存力也开始从传统的数据承载设施，向人工智能时代的数据资源供给底座演进。”中国信息通信研究院云计算与数字化研究所总工程师郭亮说。
AI需求“上新” 先进存力提速
AI进一步走向推理和智能体阶段后，对存储提出不同于传统业务的新需求。传统存储更多承担数据持久化任务，而AI推理过程中，还需要频繁调用模型运行产生的过程数据，并根据上下文持续复用。
“传统存储里面我们提供的是块和文件的语义，在AI里面功能特性已经发生了一些变化。”吴俊杰观察到，在长序列、多轮次以及多Agent并发推理过程中，大量KV Cache（键值缓存，大语言模型在推理时用于加速生成和降低计算开销的核心优化技术）等过程数据不断产生，而片上HBM（高带宽内存）和内存容量有限，难以承载缓存需求。当缓存命中率降低后，就可能产生等待、截断和重算，进而影响推理效率。
这一问题已经在实际应用中得到验证。吴俊杰谈道，在某头部股份制银行的AI Coding（编程）场景中，由于KV Cache容量不足，原有缓存命中率约为60%，意味着40%的数据需要重新读取和计算。而采用外置KV存储后，KV容量提升数十倍，缓存命中率提升至95%左右，TPS（每秒处理次数）提升30%。
因此，在他看来，AI智能体迎来爆发期，数据将成为AI下一阶段进化的决胜关键。
基于这一系列新需求新变化，《报告》也重新定义了智能时代的先进存力：先进存力是面向未来人工智能发展，以“先进介质、绿色高密”为核心载体，以“大容量、高性能”为重要基础，以“数据编织、高效扩展”为关键支撑，以“数据知识化、记忆持久化”为价值引擎，以“数据范式、推理加速”为发展模式，以“开放生态、安全可靠”为坚实保障，面向模型训练推理、智能体应用与行业智能化升级等关键场景的先进数据存储与供给能力。
强化算存协同 释放存力效能
“面向企业数据中心、存力中心、智算中心三大方向，推进先进存力建设，加速AI规模化落地。”吴俊杰建议，具体来看，企业数据中心层面，以端到端全闪化方案保障通算业务稳定运行，并部署AI语义存储提升智算推理的精准性与响应效率；存力中心层面，通过AI数据湖打通“聚数-治数-用数”全链路，为模型持续进化供给高质量数据集；智算中心层面，采用AI记忆存储，通过“以存代算”技术路径实现推理加速，破解超大规模AI推理的容量与成本瓶颈。
随着AI应用加速落地，如何让存力与算力更好协同，也成为先进存力进一步发展的重要课题。
在基础设施层面，郭亮提出，可结合国家算力网建设进程，加强先进存力与算力资源一体化布局，加快算存协同标准和平台体系建设。
存储技术本身也需持续演进。面向人工智能发展带来的新需求，需加强存储介质、存储芯片、存储系统等关键技术攻关，提升从核心部件到整机系统的协同创新水平。对此，郭亮建议，围绕存力各环节加强产学研用协同攻关，推动科研成果向可部署、可验证方向转化。
技术能力最终还要落到应用场景。何宝宏表示，应聚焦金融、制造、医疗、能源、交通等重点行业，以实际应用需求推动存储技术、产品和服务持续优化，形成更多可复制、可推广的实践。
此外，随着数据规模持续增长，安全可靠和绿色低碳也成为先进存力发展的基础要求。郭亮建议，加强产业基础保障能力，统筹推进内生安全和绿色低碳能力建设，同时完善相关标准体系。
网友评论
