8月28至30日，2025年第二屆CCF中國存儲大會在湖北武漢隆重召開。浪潮數(shù)據(jù)云存儲產(chǎn)品線總經(jīng)理劉希猛應邀出席主論壇，并發(fā)表主題演講《融存智用 運籌新數(shù)據(jù)》。在演講中，劉希猛分析了人工智能在當下和未來發(fā)展中面臨的核心問題，并提出“融合存儲”這一技術戰(zhàn)略，為加快落實“人工智能+”行動提供了新的解決方案。
從“弱人工智能”到“強人工智能”：數(shù)據(jù)驅(qū)動成為關鍵要素
美國哲學家約翰·塞爾（J. R. Searle）提出依據(jù)智能水平將人工智能劃分為“弱人工智能（Weak AI）”、“強人工智能（Strong AI）”與“超人工智能（Super AI）”。當前，我們正處于從“弱人工智能”向“強人工智能”演進的關鍵階段。劉希猛指出，算力和算法是支撐“弱人工智能”向“強人工智能”發(fā)展的基礎，在未來的一段時間，大模型逐漸標準化，模型本身不再是護城河，數(shù)據(jù)驅(qū)動將成為人工智能向更高智能水平發(fā)展的關鍵要素，數(shù)據(jù)驅(qū)動的AI生態(tài)將成為企業(yè)創(chuàng)新的核心引擎，誰掌握數(shù)據(jù)，誰就掌握智能，企業(yè)也會加快挖掘數(shù)據(jù)價值，推動人工智能演進，衍生出新的應用。
新應用會帶來新挑戰(zhàn)。劉希猛認為，在當前和未來的一段時間內(nèi)，企業(yè)挖掘人工智能數(shù)據(jù)價值的過程中主要面臨三大挑戰(zhàn)：一是數(shù)據(jù)管理成本高，大模型訓練的基礎數(shù)據(jù)數(shù)量、容量和類型帶來的處理復雜度增長10倍乃至千倍，需要存儲超大規(guī)模原始數(shù)據(jù)并對數(shù)據(jù)處理進行高效管理；二是數(shù)據(jù)訪問速度慢，算力、模型和數(shù)據(jù)規(guī)模不斷增大，模型訓練時GPU利用率持續(xù)下降，需要外置存儲提供高效數(shù)據(jù)訪問能力以提升GPU利用率；三是價值釋放效率低，在大模型推理落地的過程中，HBM顯存不足制約模型并行度、上下文長度和批量處理能力，需要外置存儲打破HBM容量圍墻，加快數(shù)據(jù)價值釋放。
融合存儲：智能時代的數(shù)據(jù)存儲底座
面對上述挑戰(zhàn)，浪潮存儲正式發(fā)布“融合存儲”技術戰(zhàn)略，為人工智能落地提供數(shù)據(jù)存儲底座解決方案。該技術戰(zhàn)略的核心目的是持續(xù)演進融合存儲技術，打造真正契合AI需求的領先存儲產(chǎn)品。提供EB級存儲空間、數(shù)據(jù)統(tǒng)一視圖、TB級存儲帶寬和億級IOPS以及推理提速數(shù)倍的能力，提供滿足智能時代持續(xù)增加的存儲能力要求，保證數(shù)據(jù)基礎設施能夠與算力和算法同步迭代，進而加快“人工智能+”行動落地。具體方向包括：
介質(zhì)融合：磁光電融合，提升能效比。優(yōu)化磁光電混合架構(gòu)，建立統(tǒng)一資源池；依托智能分層框架對IO分類分級、冷熱數(shù)據(jù)感知實現(xiàn)跨介質(zhì)高效調(diào)度；通過數(shù)控分離架構(gòu)持續(xù)優(yōu)化性能；向上高性能層達到微秒級時延，千萬級IOPS，向下歸檔層時延達到分鐘級甚至秒級。實現(xiàn)性能成本的高度平衡，提升能效比。
協(xié)議融合：富元數(shù)據(jù)組織，提升共享效率。采用富元數(shù)據(jù)融合存儲架構(gòu)，通過增加元數(shù)據(jù)語義標簽形成可支持多種非結(jié)構(gòu)化數(shù)據(jù)的富元數(shù)據(jù)結(jié)構(gòu)；通過構(gòu)建標準化的原子操作集，為多種訪問協(xié)議提供統(tǒng)一的元數(shù)據(jù)服務；支持多協(xié)議語義無損訪問、性能相當。實現(xiàn)一次存儲、多業(yè)務讀取，降低數(shù)據(jù)存儲成本。
管理融合：數(shù)據(jù)智能編織，加速數(shù)據(jù)流動。通過統(tǒng)一抽象接口，實現(xiàn)異構(gòu)資源的統(tǒng)一納管，并構(gòu)建全局元數(shù)據(jù)統(tǒng)一視圖，解決異構(gòu)設備和數(shù)據(jù)管理的問題；通過業(yè)務數(shù)據(jù)親和和緩存加速策略對數(shù)據(jù)進行調(diào)度，配置端到端數(shù)據(jù)傳輸校驗，提高廣域傳輸?shù)陌踩耘c效率。打破數(shù)據(jù)孤島，保障數(shù)據(jù)可視、可見、可流動。
應用融合：存算協(xié)同加速，提升數(shù)據(jù)效率。以API驅(qū)動應用集成，構(gòu)建存算統(tǒng)一架構(gòu)，以計算下沉和存算協(xié)同編排實現(xiàn)存儲和計算資源高效配合；通過KVCache融合提升KV緩存數(shù)據(jù)的生命周期管理效率，實現(xiàn)支持萬億級KV條目，超長上下文推理。以存代算，打破HBM限制，提升算力資源利用率，加快數(shù)據(jù)價值釋放。
場景共同體：推動產(chǎn)品創(chuàng)新和應用實踐
簡單的數(shù)據(jù)練不出偉大的AI。從人工智能的發(fā)展歷程來看，當前大模型的智能化程度和與“強人工智能”的距離很大程度上取決于對高質(zhì)量數(shù)據(jù)集和數(shù)據(jù)存儲底座的價值挖掘程度。浪潮存儲堅持通過持續(xù)深入新場景、了解新需求、融合新技術打造更符合市場需求的存儲產(chǎn)品，幫助用戶“存好、管好、用好”自己的數(shù)據(jù)，加快人工智能的發(fā)展速度。
劉希猛建議，為充分挖掘數(shù)據(jù)價值，搶占我國在人工智能領域的創(chuàng)新高地，可從以下三個方面打造人工智能數(shù)據(jù)基礎設施場景共同體：
堅持融合存儲技術戰(zhàn)略：以服務國家人工智能發(fā)展全局為導向，持續(xù)演進融合存儲，打造安全、可靠、經(jīng)濟、高效的數(shù)據(jù)存儲底座，以融合存儲支撐全場景AI應用與數(shù)據(jù)中心建設，加速賦能強人工智能時代的創(chuàng)新突破與產(chǎn)業(yè)升級。
堅持應用為需求的第一來源：將應用場景作為技術創(chuàng)新的戰(zhàn)略基點和價值驗證的核心標準，系統(tǒng)構(gòu)建覆蓋技術追蹤與產(chǎn)業(yè)映射的全鏈路需求治理體系，筑牢AI基礎設施實用性底座。
構(gòu)建高質(zhì)量技術生態(tài)體系：打造產(chǎn)學研融合的創(chuàng)新聯(lián)合體，貫通從理論突破到產(chǎn)業(yè)轉(zhuǎn)化的全創(chuàng)新鏈，加速實驗室成果向規(guī)�；a(chǎn)的躍遷，以技術生態(tài)的協(xié)同優(yōu)勢賦能AI數(shù)據(jù)基礎設施的持續(xù)迭代與代際領先。
劉希猛表示，浪潮存儲始終堅持“洞察行業(yè)需求”和“構(gòu)建高質(zhì)量技術生態(tài)”的戰(zhàn)略方向，融合存儲也是在深度洞察人工智能技術和應用的基礎上提出的技術戰(zhàn)略。他認為，融合存儲將成為未來人工智能發(fā)展不可缺少的數(shù)據(jù)基礎設施，構(gòu)建我國在人工智能領域的國際競爭力，加快邁向“強人工智能”的步伐。
