导语：传统数据存储架构在守旧大模子快速迭代升级过程中暴流露承载瓶颈，以AI原生涯储为代表的新式AI存储具备超高性能、超大容量、极致安全、数据编织等特征，不错灵验守旧大模子数据归集、预处理、检修、推理等全生命周期过程。
导语：传统数据存储架构在守旧大模子快速迭代升级过程中暴流露承载瓶颈，以AI原生涯储为代表的新式AI存储具备超高性能、超大容量、极致安全、数据编织等特征，不错灵验守旧大模子数据归集、预处理、检修、推理等全生命周期过程。
（1）配景
跟随东说念主工智能大模子的高速发展，数据量呈指数级增长，存储产业迎来新一轮的增长。把柄IDC和华为GIV团队预测，寰球每年新产生的数据总量跟着AI的发展快速增长，从2020年每年产生2ZB到2025年每年产生175ZB，2030年将达到1,003ZB，行将投入YB期间[1]。
张开剩余96%图1：寰球每年新产生的数据总量预测（ZB）
起首：华为
东说念主工智能大模子快速迭代创新，其研发分娩各阶段齐对存储提倡了新的条目。
在数据相聚与清洗门径，由于原始数据领域大、起首各样、种类丰富，需要构建大容量、低资本、高可靠的数据存储底座，何况用标准文献的格式完成海量数据的清洗和转机，以裁汰数据预处理的时长。
在模子检修与推理当用门径，由于主流预检修模子检修过程不相识，需要用Checkpoint（检讨点）机制来确保检修回退到还原点，因此，条目存储能快速读写Checkpoint文献。
此外，为保证大模子生成的内容是正当、合规的，存储需要提供比较丰富的数据审核材干。
同期，各企业选择的算力、算法缓缓经管，数据成为实在体现大模子各别性的要道身分。检修数据的体量与质料对升迁大模子的成果具有显文章用。尽管LLaMA3的参数领域不到GPT-3.5的一半，但其15TB检修数据远超GPT-3.5的570GB检修数据，使其在大部分基准上均表现更优[2]。
图2：数据是大模子的核心身分
起首：中国信息通讯谈判院
传统数据存储架构在守旧大模子快速迭代升级过程中暴流露权贵瓶颈，已难以承载寰球级领略系统的数据需求。
率先，传统存储系统的费解性能与并发材干难以匹配GPU算力需求，IO延迟导致算力空转征象遍及；其次，面对大批非结构化数据，传统决策极易出现孤岛与重叠拷贝的问题，缺失元数据追想与可复现性机制；再者，冷热数据分层依赖东说念主工，存在误判风险，影响检修效用；此外，对象存储在AI检修场景中闪现高并发读写短板，多存储系统拼接导致数据时常搬运与格式冲突。
以AI原生涯储为代表的新式AI存储是专为东说念主工智能应用和服务设想的数据存储系统，具备超高性能、超大容量、极致安全、数据编织等特征，不错灵验守旧大模子数据归集、预处理、检修、推理等全生命周期过程，正成为破局的要道。
图3：AI基础架构
起首：中国信息通讯谈判院
（2）界说
AI原生涯储（AI-Native Storage）是指为AI系统尤其是大模子检修、推理、数据治理等职责负载量身定制的下一代智能存储系统，其架构、性能、接口、诊疗、元数据系统等各方面齐以AI应用的需求为核心设想，而非对传统存储系统的简便翻新。
AI原生涯储与通用存储（传统存储）在架构设想和功能脾气上存在权贵各别，主要面向AI大模子检修和推理场景的特定需求，在智能诊疗、数据版块限定、组成架构、数据治理、数据分层、安全性等方面进行优化。
表1：原生涯储与通用存储（传统存储）对比
起首：融中操办
（3）组成
AI原生涯储（AI-Native Storage）涵盖底层硬件、性能、容量、诊疗、数据治理、输出输入接口等各层级，升迁大模子数据存储材干。
表2：AI原生涯储结构组成
起首：融中操办
（4）分类
1）存储架构维度
AI原生涯储体系在应付大模子商用化挑战时，缓缓造成了多维度协同的架构范式，成为AI基础要领中主动参与任务诊疗的“神经核心”，主要包括散布式文献系统架构、对象存储架构、羼杂存储架与并行文献系统架。
表3：从存储架构维度进行分类
起首：融中操办
2）数据形态维度
为确保不同的数据形态维度在检修、推理及常识库构建中的高效流动与智能诊疗，针对不同数据形态维度，AI原生涯储体系可分为结构化数据存储、非结构化数据存储及多模态数据存储。
表4：从数据维度进行分类
起首：融中操办
3）职责负载维度
不同的职责负载维度各有其出奇的需乞降特色，对应的AI原生涯储中包括检修型存储、推理型存储和相聚预处理型存储。
表5：从职责负载维度进行分类
起首：融中操办
4）感知材干维度
基于感知材干维度，存储体系可分为被迫型传统存储、智能型存储、与自学习型存储。传统存储系统主要驯服“被迫反馈”的模式，在面对AI应用中复杂多变的数据探望模式和性能需求时，相通显过劲不从心，更适用于AI大模子领域的是智能型存储、与自学习型存储。
表6：从感知材干维度进行分类
起首：融中操办
(1)传统存储阶段（AI大模子兴起前）
传统存储阶段主要选择鸠集式设想，数据存储和处理高度依赖于中心化硬件设备，如存储区域网罗（SAN）和网罗附加存储（NAS）。这类架构通过专用硬件（如高端磁盘阵列）和阻滞公约（如光纤通说念）罢了数据鸠集管理，虽能提供较高的单点性能和可靠性，但存在权贵局限性。
其膨大性受限于硬件设备的物理容量，无法弹性应付数据量激增；存储与策画紧耦合的设想导致资源诈骗率低下，尤其在处理海量非结构化数据时易出现性能瓶颈。此外，鸠集式架构存在单点故障风险，容灾材干较弱，且依赖崇高专有硬件，爱戴资本奋斗。
跟着数据领域指数级增长及AI等新场景对高并发、低延时的需求，传统架构在费解材干、资本效益和天真性上的不及日益突显，缓缓被散布式存储架构取代。
(2) 需求驱动探索阶段（2020年代初期）
需求驱动下的探索阶段是跟着数据量的爆发式增长和时期翻新推动的势必产物。在寰球及中国数据产量执续攀升的配景下（2023年达32.85ZB）[3]，数据资源呈现出海量领域、各样类型、廉价值密度和高速流转的“4V”脾气，传统鸠集式关系型数据库在处理半结构化/非结构化数据时遇到严重瓶颈。
生成式东说念主工智能与大模子时期的突破进一步升迁了数据存储的刚性需求，倒逼时期变革。这一阶段的核心特征体现为从“关系型、鸠集式”向“非关系型、散布式”的范式升沉，并缓缓向“多模子、云原生”深化演进。通过存算分离、资源池化等时期重构数据管理架构，云原生数据库的特有化部署模式因得志“数据不过流”的安全需求而快速崛起。
与此同期，多模子数据管理系统应时而生，支执结构化、图数据、文档等多类型数据的交融处理，权贵造谣跨模子数据合资处理的架构复杂度与运维资本。这一阶段的时期探索为后续AI原生涯储体系的造成奠定了基础，记号着数据管理软件从被迫适配向主动创新的要道抨击。
(3) AI原生涯储体系造成阶段（2022-于今）
跟着大模子时期快速发展，在AI从科研范式转向工业级应用的过程中，传统存储架构靠近多模态数据管理、海量版块限定、及时推理支执等核心挑战，促使存储系统从被迫数据仓库向主动智能核心转型。
这一体系造成的要道在于存储时期与AI任务需求的深度耦合：初期通过散布式架构突破性能瓶颈，罢了EB级膨大和千万级IOPS；中期引入智能诊疗引擎，使存储系统能感知检修任务特征，动态优化数据预取和分层策略；后期深度交融数据编织时期，构建跨域数据湖并罢了全生命周期治理。
跟着LakeFS、DeltaLake等数据版块系统的普及，以及KVCache执久化、RAG常识库等新式存储形态的出现，存储系统缓缓具备任务感知、算法协同材干，造成存算一体的智能数据供应链。
云厂商和头部企业通过自研诊疗引擎、合资存储底座等践诺，推动存储从基础要领升维为AI系统的神经核心，最终罢了数据不动模子动、推理即取即用的新一代范式，为AI应用提供高效、安全、自主可控的数据守旧。
自2021年以来，中国在AI数据存储及先进存储领域赓续出台了一系列扶执政策，涵盖国度层面顶层设想与地点政府的具体践诺决策，波及数据存储基础要领开导、智能算力诊疗、数据安全合规、要道核心时期突破等多个目的。
这些政策文献不仅体咫尺《“十四五”数字经济发展筹备》《国度信息化筹备》《算力基础要领发展行径筹备》等国度级政策中，也蔓延至深圳、上海、北京等地在算力中心布局、智能数据湖开导、AI原生涯储场景落地点面的专项支执。
举座来看，政策导向呈现出“重基础要领、强安全管理、促产业交融”的特征，体现出中国政府对AI数据存储要道地位的高度认同。其核心指标是通过政策牵引、资金扶执与资源树立，推动造成安全可控、高性能、高效用的数据存储材干体系，为东说念主工智能大模子、AIGC、长追念Agent等新兴应用提供坚实底座，加速开导数字中国。
表7：2021年于今我国AI算力的电力设备行业关系政策及举措
起首：融中操办
（1）软硬件一体化销售模式
软硬件一体化销售模式（Appliance Model）是存储领域中一种典型的营业请托格式，其核心在于企业将自主研发的AI原生涯储软件与经过深度优化和预树立的硬件设备（如高性能服务器、NVMeSSD、高速网罗接口卡等）打包成竣工的一体机系统，四肢“交钥匙”处分决策径直销售给客户。
该模式的典型代表包括DDN的AI400X、华为OceanStorPacific系列、波浪HFSS系列等。这类居品时常面向大型智算中心、AI科研平台、大型科技企业等客户群体，单次合同金额较高，请托复杂度大，但也带来了强客户粘性和相识的后续服务收益。
对厂商而言，软硬一体化不仅有助于限定举座系统性能界限，还能增强居品的各别化竞争力，构建深度绑定的行业处分决策生态。
（2）软件授权订阅模式
软件授权订阅模式（Subscription Licensing）的基本格式是将AI原生涯储系统四肢一款孤独的软件居品授权给客户使用，客户把柄使用周期（如年、季度、月）或使用资源量（如存储容量、并发节点数、IO带宽等）支付订阅用度，从而赢得该软件的正当使用权以及执续更新、时期支执和版块升级等服务。
订阅授权模式强调“执续价值请托”，使厂商不错通过握住迭代优化居品、增多新功能和适配更多AI场景来保执客户粘性。典型厂商如WEKA、VASTData、国内的杉岩数据、星辰天合等。
订阅模式不仅有助于造谣客户初期采购门槛，也让厂商赢得可执续的现款流和用户反馈，守旧其在AI期间握住演进的居品策略。
（3）托管云服务模式
托管云服务模式（Managed Cloud Service）是通过云平台将其存储材干以服务的格式请托给客户的一种营业模式。该种模式下，用户不错通过API或限定台快速肯求存储资源，并把柄本色业务需求进行径态扩欢喜缩容。
与土产货部署或特有化部署不同，这种模式的核面貌念是“即开即用、按需计费、弹性膨大”，客户无需采购硬件或自行搭建复杂的存储系统，而是通过公有云、特有云或羼杂云平台径直探望和使用厂商提供的AI原生涯储服务，计费格式时常包括按存储容量、探望频率（如Get/Put请求数）、带宽流量、并发聚拢数等维度进行细巧化计费。
这种服务时常以对象存储、文献系统或高性能并行存储的格式提供，支执高费解、低延迟、高并发等AI模子检修和推理所需的要道材干。典型提供者包括如WEKA在AWS/GCP上的云原生版块、VASTData的UniversalStorage云服务版块，以及国内的华为云FusionStorage、阿里云PanguStorage等。
（4）名目定制部署模式
名目定制部署模式（Project-based Custom Deployment）是针对特定行业客户或大型名目需求，提供定制化处分决策，包括从存储系统架构设想、软硬件选型、接口适配、性能优化，以及到现场部署、运维体系开导、东说念主员培训等多个门径。
该模式时常发生在政企单元、智算中心、科研院所、大型国有企业等场景中，以“名目合同制”进行商务请托，名目金额高、请托周期长，客户粘性强。举例，某政务大模子名目需要支执跨区域多中心的数据分享与他乡灾备，厂商可能会提供多副本容灾结构、AI任务诊疗感知存储分层机制、合资运维平台等专属功能，并针对客户原有系统进行接口对接和兼容适配。
典型厂商如华为、波浪信息，以及部分国产AI原生涯储新锐企业（如杉岩数据、星辰天合）均积极尝试这种模式在智算中心、科研院校和要道行业客户中建立深度勾通关系。
表8：AI原生涯储领域的营业模式
起首：融中操办
（1）产业链
AI原生涯储行业的上游主要包括存储介质与存储器、存储主控芯片与接口芯片、要道材料与零部件以及核心专利与时期。
中游参与者主如果各大AI存储系统抽象处分决策提供商，包括软件平台，硬件基础要领集成以及抽象云平台。
下贱应用领域隐讳智算中心、金融、自动驾驶、医疗、政务、科研机构等。
图4：AI原生涯储系统产业链
起首：融中操办
（2）阛阓领域
跟着东说念主工智能时期的快速发展，尤其是在大模子、AIGC（生成式东说念主工智能）等新兴应用的推动下，传统存储系统已难以得志AI对海量数据的高并发探望、高费解率与低延迟处理的需求。
在这一配景下，AI原生涯储四肢专为AI职责负载设想的新式存储架构，正在成为行业关爱的焦点，阛阓需求正跟着数据领域的爆炸式增长而速即扩大。
2024年，寰球AI原生涯储行业的阛阓领域为8.47亿好意思元，预测至2028年寰球AI原生涯储行业的阛阓领域增长至132.80亿好意思元。
图6：寰球AI原生涯储行业的阛阓领域
起首：融中操办
在“AI+”国度政策执续推动下，中国AI产业快速发展，带动对数据存储材干提倡前所未有的需求。与泰西比较，中国在AI检修数据量的生成速率和模子应用的广度上具备出奇上风，AI原生涯储因此成为国产化时期解围的迫切目的。
头部云厂商、存储设备制造商与AI基础要领服务商正在加速布局，推动造成涵盖自研硬件、智能软件、异构策画适配与高效数据诊疗的竣工生态。跟着AI模子的参数目、推理密度与多模态应用的握住升级，中国AI原生涯储阛阓正步入高速成永远，成为寰球阛阓中最具活力的增长引擎之一。
2024年，中国AI原生涯储行业的阛阓领域为14.36亿元，同比增长逾2倍，预测至2028年阛阓领域增长至224.32亿元。
图7：中国AI原生涯储行业的阛阓领域
起首：融中操办
（1）智算中心
智算中心四肢面向AI、大数据、高性能策画的核心平台，其策画任务遍及具备“多节点、高并发、数据密集型”的特色，对存储系统提倡了极高条目。
AI原生涯储通过支执海量非结构化数据的散布式管理、GPU纵贯读写、RDMA高速互联、冷热数据智能分层等材干，得志了智算中心在算力密集型任务下的存储性能瓶颈挑战：
大模子检修方面，AI原生涯储可守旧PB级检修数据的高并发读取和散布式写入，灵验裁汰检修周期； 推理服务场景中，AI原生涯储提供的低延迟读写和高IOPS材干，确保了模子及时反馈性能； 关于多用户、多个AI任务并行诊疗的场景，AI原生涯储支执细粒度的资源遮盖、QoS限定和Kubernetes原生集成，保险了系统启动的平允性与相识性。另外，智算中心对数据安全和管理的需求较高，AI原生涯储系统相通具备探望审计、配额管理、WORM、防删改等企业级材干，得志政府、科研和行业用户的数据合规条目。
智算业务在本色应用中主要包括两个门径：检修和推理。把柄IDC的统计数据，2022年部署的智算算力里，检修算力占比为41.5%，推理算力占比达到58.5%
跟着推理算力的缓缓普及，其占比将会得到执续升迁，预测到2026年，推理算力的占比将会升迁到62.2%，带动智算中心的领域和处理材干呈指数级增长，对AI原生涯储系统的依赖愈加执续和当年。
图8：云表推理算力缓缓升迁
起首：IDC、中信建投、腾讯谈判院
（2）金融
金融领域的业务自然具备数据体量大、类型复杂、及时性强与安全合规条目高档特色，而AI原生涯储体系则通过高费解、低延迟、高并发与智能分层管理等核心材干，灵验守旧了金融机构对海量数据进行高效建模和智能分析的需求。
AI原生涯储系统在金融行业中主要应用于量化往返、金融大模子检修与推理、反诓骗检测、智能风控等要道业务场景：
图9：AI原生涯储在金融领域的应用
起首：融中操办
此外，AI原生涯储还支执合规条目下的数据审计、加密、WORM机制与土产货化部署，确保金融数据的安全与可控。
（3）自动驾驶
自动驾驶系统每天会产生大批车载传感器数据，包括高清录像头视频、雷达点云、GPS轨迹、CAN总线信息等，这些非结构化数据体量纷乱、格式各样，对存储系统提倡了高并发写入、高费解读取与高可膨大性的条目。
AI原生涯储凭借散布式架构、多公约支执（如POSIX、S3）、智能分层存储和高效元数据管理，八成支执数据相聚、模子检修、仿真考证、闭环学习等全链条过程中。
图10：AI原生涯储在自动驾驶领域的应用
起首：融中操办
AI原生涯储系统还具备高可靠性、数据压缩与重叠数据删除材干，大幅造谣了永远存储资本，并通过权限限定与探望审计机制，得志车企对数据安全与合规的条目。
（4）医疗
东说念主工智能在医疗行业的应用握住拓展，已成为守旧智能医学图像分析、临床扶助会诊、药物研发、健康管理以及医疗大模子检修等要道场景的迫切时期技能。
医疗数据具罕有据类型各样（图像、文本、结构化信息羼杂）、数据增长速即、合规与秘籍条目高档特色，传统存储系统难以应付AI负载下的复杂数据流转需求。
AI原生涯储以其散布式架构、高并发读写材干、智能分层存储和原生对接AI检修框架的脾气，八成为医疗AI提供强有劲的数据支执，不仅优化了医疗AI的数据处理效用，更成为医疗机构罢了智能化升级、保险数据安全合规、推动精确医疗发展的核心守旧平台。
图11：AI原生涯储在医疗领域的应用
起首：融中操办
此外，该类存储系统相通具备数据加密、探望限定、WORM等脾气，得志《个东说念主信息保护法》《HIPAA》等法律对医疗数据安全和秘籍的严格条目。
（5）政务
政务数据相通呈现出数据起首分散、类型复杂（视频、图像、文本、结构化数据并存）、探望并发高、安全合规条目严等特色，传统存储难以得志东说念主工智能在政务场景中的检修、推理和治理需求。
AI原生涯储系统具备高费解、高并发、智能分层和原生支执AI算力体系的材干，八成守旧政务数据的全生命周期管理。同期，AI原生涯储系统还可提供细粒度权限限定、数据防删改、审计跟踪等功能，得志政府对数据主权、安全合规和分级管理的严格条目。
AI原生涯储系统在政务领域的应用正日益深化，成为守旧政务数据中台、智能服务大厅、档案数字化、政务舆情监测以及城市治理决策等核心场景的数据底座。
图12：AI原生涯储在政府领域的应用
起首：融中操办
（6）科研
AI原生涯储系统在科研领域的应用愈发当年，已成为守旧多学科交叉谈判、高性能策画模拟、科学大模子检修、科研数据分享与管理的迫切基础要领。
科研行径正从传统实验缓缓走向数据驱动与模子驱动，相配是在天文不雅测、基因组学、材料科学、表象模拟、脑科学等前沿领域，实验设备和传感器每天生成PB级的原始数据，对存储系统的性能、膨大性与智能管理提倡了极高条目。
AI原生涯储通过散布式架构、高并发I/O材干、智能数据分层和原生对接AI算力平台，灵验处分了科研数据“存不下、调不快、用不顺”的瓶颈。
举例在天体物理或粒子物理谈判中，其可守旧海量不雅测数据的高速写入与并行分析处理；
在生命科学领域，原生涯储能优化基因测序数据、多组学数据与AI分析模子之间的协同探望；
在科研大模子检修中，系统可无缝对接多节点GPU集群，罢了海量科研语料和模拟数据的高效加载与检修加速；
在科研数据分享与存档方面，AI原生涯储具备多公约接入、数据生命周期管理、元数据管理等功能，支执跨机构、跨平台的通达协同谈判。更迫切的是，该类系统还内置数据加密、探望审计、WORM等安全机制，得志科研机构对常识产权保护和数据永远可用性的核心诉求。
总之，AI原生涯储正在重构科研数据基础架构，助力科研从“重积贮”走向“快策画”，从而加速科学发现与时期突破。
AI存储系统从存储介质、系统、架构、数据编织、数据范式和数据安全等多方面发力，协同升迁大模子数据存储材干。AI原生涯储系统将来将向先进介质应用、以数据为中心的体系架构、数据内生安全、智能数据编织、可执续存储共五大目的演进。
图13：AI存储结构分层
起首：中国信息通讯谈判院
（1）先进介质应用
跟着AI大模子缓缓走向多模态，各样化的数据驱动存储介质各样化发展。其中，极热数据内存型介质将以DRAM为主、SCM为辅，内存的分级将成为更生态；热数据介质将一说念使用NANDFlash，Flash闪存时期则会连接向高密度、低时延演进；在温、冷数据介质时期中，磁带有望连接向高密度、高并发目的演进，光盘则会走向更大容量、更高并发、更长命命。
在介质工艺层面，受半导体制造工艺和介质结构物理极限的收尾，SSD、DRAM等介质的集成度无法执续升迁，将来可通过Wafer级创新、Chiplet级创新、接口和公约创新来进一步升迁介质密度和寿命，造谣介质功耗，增强介质的可靠性。
数据编码时期通过智能诊疗与优化开释介质潜能，包含缩减数据量的压缩编码、抗数据失误的纠错编码以及抗数据丢失的纠删编码。将来面对海量多元的存储数据以及介质交融的存储系统，通过智能化数据压缩、合资编码、智能化数据分类，有望突破数据编码时期，罢了有储灵验容量升迁、集约节能、永远可靠。
图14：数据合资编码
起首：华为
图15：智能分类图示
起首：华为
（2）以数据为中心的体系架构
以数据为中心的体系架构是为了应付数据量爆炸式增长与数据处理材干不及之间的矛盾而提倡的新式架构范式。传统以CPU为中心的架构因存储与策画资源紧耦合导致资源诈骗率低下，数据时常挪动和格式转机奢靡大批策画资源，难以得志AI、大数据等应用需求。
该架构在宏不雅层面选择存算分离策略，通过高通量互联总线将策画、存储、内存等资源解耦为孤独池化的硬件资源（如CPU池、DPU池、闪存池），罢了弹性膨大与天真分享，放置土产货存储超配浪费，同期支执内存拉远、SSD池化等时期突破物理界限，使GPU等算力能径直探望远端存储资源；
图16：存算分离架构
起首：华为
微不雅层面则强调存算一体，将专用算力镶嵌数据存储节点或网罗传输旅途，通过近数据处理、算子下推、网存协同等格式减少数据搬运，罢了“数据不动策画动”的高效范式。
图17：存算交融旨趣
起首：华为
这种架构通过存储资源池化、全内存语义探望、NPU纵贯存储等创新，权贵升迁数据处理效用，在万卡GPU智算场景中可将CheckPoint规复时间从分钟级压缩至秒级，灵验处分数据重力效应，为YB期间的数据密集型应用提供高通量、低时延、高膨大的守旧材干。
（3）智能数据编织
智能数据编织是一种通过自动化格式动态息争散布式数据源的时期，旨在冲破数据孤岛并罢了跨平台数据整合，从而高效支执各样化的应用需求。其核心在于诈骗东说念主工智能、常识图谱等时期，执续识别并聚拢来自不同应用的数据，发现数据间的业务关联关系，构建全局诬捏数据总线以罢了数据的智能流动。
图18：智能数据编制框架
起首：华为
在数据网罗中，智能数据编织八成自动感知存储网罗现象、数据活跃度及业务特征，通过数据画像精确描摹数据重力、时空信息等多维度属性，并结合数据大脑生成最优的数据排布策略。举例，在跨数据中心、云表与边际的场景中，它通过语义感知存储、在网策画服务等时期优化数据存取旅途，罢了冷热数据的分级存储（如“东数西存”造谣运营资本），同期确保数据在流动过程中的安全实在。
该时期还支执数据版块管理和血统跟踪，注重数据质料在屡次流转中劣化，最终构建起高效、自动化且具备领略材干的存力网罗，为大领域AI检修、及时决策等场景提供坚实的数据基础。
（4）内生安全保护
存储系统的内生安全保护条目将安全机制深度融入数据全生命周期管理的核心架构中，造成主动回绝体系以应付复杂恫吓，为AI期间海量数据的高效诈骗与合规流转提供了坚实保险。其核心在于通过硬件自主可控、实在启动、防侧信说念攻击等底层时期构建基础防护层，同期在软件层面罢了数据相聚、传输、存储、处理、分享及葬送各门径的端到端加密与动态脱敏。
图19：主动数据保护
起首：华为
其中，零信任存储旨在处分刻下存储靠近的数据泄漏、竣工性被碎裂、数据可用性碎裂等诸多安全问题。通盘的数据探望与操作齐被视为未被考证的，探望主体、数据以及数据操作动作三者基于最小授权原则，通过执续考证、动态授权等格式罢了最小粒度数据探望限定。
图20：零信任存储
起首：华为
（5）绿色节能
基于经典的冯•诺伊曼架构，数据在存储和策画单元间传输所需能耗，占IT系统总能耗的60%~90%。AI大模子的发展条目更高性能稚童耗的存储系统，在通过期期创新与系统优化降稚童耗及环境影响的同期，确保数据基础要领的永远高效启动。
存储系统层面的节能，通过硬件功耗智能调优、数据分级节能、存储设备散热、资源感知的统筹诊疗等时期，感知策画、存储、网罗设备的启动现象，识别数据冷热特征，并结合业务负载法规，构建系统调优模子。其中，芯片级动态能耗管理对存储系统节能至关迫切，通过异构各样化算力集成、片上动态能效智能管理等时期，可灵验处分高算力与低功耗的矛盾。
将来，通过制定隐讳芯片能效、碳脚迹跟踪、再生材料应用的绿色标准体系，存储产业将推动每比特数据读写能耗着落50%，助力寰球ICT行业碳减排指标罢了，实在构建起环境友好、资源高效的数据生态。
全闪存存储时期是AI元素存储系统的生机聘请。比机械硬盘时延小100倍摆布，每秒数据读写次数大1000倍以上，空间占用量入为出50%。跟着闪存介质堆叠层数与颗粒类型方面的突破，其资本也在执续走低，成为处理大模子数据的生机聘请。
此外，使用全闪存存储时期比较机械硬盘能减少能耗70%。尤其是高密存储节点密度能达到传统存储服务器的2.6倍以上，结合存算分离架构,相对使用通用型服务器,减少了存储节点CPU、内存及配套交换机,同等容量下带来能耗省俭10%~30%。权贵造谣大模子数据的存储能耗。
（1）竞争形式分析
寰球AI原生涯储领域的竞争呈现多元化和分层化特征，海外阛阓主要由三类参与者主导：传统存储巨头、云服务商和新兴时期公司。
HPE、Dell等老牌企业凭借羼杂云处分决策和全闪存时期，在金融、科研等高端场景保执上风；AWS、Azure等云厂商通过寰球化布局和全托管服务占据公有云存储阛阓主导地位；VAST Data、Zilliz等新兴公司则以创新架构（如散布式存储、开源向量数据库）切入AI原生涯储赛说念，布局多模态搜索、边际策画等领域。
国内阛阓举座由抽象云平台占据阛阓主导地位，代表企业有阿里云、腾讯云、华为云等，其数据湖、向量数据库、散布式存储架构等存储处分决策与AI检修框架深度整合，隐讳电商、政务、制造等核心场景，天翼云、挪动云等运营商配景的平台在国企数字化转型中也占据独专诚位。
图20：中国AI原生涯储行业的竞争形式
起首：融中操办
硬件基础要领集成领域以华为、京东云海、中科晨曦、波浪信息为代表，通过存算一体机、液冷存储服务器等守旧国度级算力中心和行业级AI应用，参与AI原生涯储阛阓。
软件平台领域，敬佩服、星辰天合等孤独第三方厂商通过研发散布式文献系统、超交融架构（aSAN）等新式时期挤身AI原生涯储阛阓赛说念。
（2）代表企业分析
1）华为
华为在AI原生涯储领域的核心居品或服务包括Fusion Storage存储处分决策、存算一体芯片、液冷存储处分决策和OceanStor数据湖存储居品。
Fusion Storage：选择全对称散布式架构，支执文献、对象、块存储公约的合资探望，并通过散布式哈希算法罢了负载平衡。其弹性EC算法升迁存储诈骗率，支执EB级数据存储，已应用于多个国度级智算中心的AI大模子检修场景，数据存取效用较传统决策升迁30%；
华为海想昇腾920存算一体芯片：通过将策画单元镶嵌存储介质，突破传统“存储墙”和“功耗墙”问题，能效比升迁5倍，显存占用造谣37%，守旧5G基站和云策画中心的及时数据处理；
液冷存储处分决策：将数据中心PUE值降至1.05-1.2，单机架支执最大60kW制冷材干，服务超30个省级政务云平台；
OceanStorA800深度学习数据湖存储居品：界说了存储时期的六维标准——高性能、数据韧性、新数据范式、高膨大性、绿色节能及数据编织材干，隐讳医疗、金融、工业等场景。
2）阿里云
阿里云在AI原生涯储领域的核心居品或服务为MaxCompute数据湖、阿里云Milvus向量数据库和Pangu存储引擎。
MaxCompute：支执EB级多模态数据存储，集成文本、图像、时序数据的合资管理框架，与机器学习平台PAI深度联动，守旧淘宝双11期间万亿级商品特征的及时检索；
阿里云Milvus向量数据库：在开源Milvus版块的基础上增强了可膨大性，罢了海量向量的存储、索引与毫秒级检索，并通过散布式架构存储千亿级别向量数据，存储效用升迁，优化金融反诓骗和电商推选场景的反馈速率；
Pangu存储引擎：选择纠删码算法，将存储资本造谣40%，同期支执GPU直连探望，权贵升迁AI检修数据费解量；
定制化数据湖仓一体决策：主要应用在工业领域，罢了制造业质检数据的多模态交融存储与及时间析。
3）腾讯云
腾讯云的核心居品包括TBase散布式数据库、基于Iceberg的腾讯云湖仓一体架构和Tencent Cloud VectorDB向量数据库。
TBase：通过散布式事务确保数据的一致性和可靠性，支执高膨大性、高SQL兼容度，以及多级容灾材干，适用于亿级数据的存储、分析和查询场景，日均处理10亿笔微信商户订单往返。
数据湖策画服务（DLC）：以开源Iceberg 为底层标准存储格式，选择流批一体架构，罢了毫秒级反馈，百万级数据及时写入。
Tencent Cloud VectorDB：基于腾讯集团逐日处理千亿次检索的向量引擎 OLAMA，单索引支执千亿级向量领域，可支执百万级 QPS 及毫秒级查询延迟。应用于推选系统、当然话语处理等 AI 领域。
4）中科晨曦
中科晨曦的居品线涵盖ParaStor散布式存储系统和液冷存储处分决策。
ParaStor：支执单一集群3-4096节点膨大，提供EB级存储空间，选择Scale-Out横向膨大架构，通过智能SSD Cache及小文献团员时期优化性能，应用于自动驾驶检修场景，具备低延迟特色，其中ParaStor300S为宣武病院提供了高通量基因组学数据处理决策。
液冷存储决策：选择冷板式液冷时期造谣散热功率，结合数据重删压缩等时期，存储节点PUE值降至1.2以下，电费量入为出60%，已落地华南理工大学数据中心，并入选IDC《液冷数据中心白皮书》案例。
5）波浪信息
波浪信息的AS13000散布式存储系列、绿色算力处分决策、AIStation智能管理平台组成AI存储时期矩阵。
AS13000：支执异构硬件兼容，通过无感知数据迁徙时期匡助企业罢了传统存储向AI原生架构的平滑过渡，支执EB级容量膨大。
绿色算力决策：通过硬件加速与智能功耗管理，罢了千万级IOPS并发处理，PUE值限定在1.2以下，服务智能制造产线的质检数据高效存取。
AI Station智能管理平台：集成存储资源诊疗功能，可动态分拨检修数据至GPU集群，通过显存遮盖罢了单节点8卡支执56个开发环境，资源诈骗率权贵升迁。
6）敬佩服
敬佩服的居品包括软件界说存储(SDS)及超交融存储(HCI)系统和EDS存储处分决策。
SDS及HCI：敬佩服关爱各行业用户核心需求，打造适配的全栈替代决策，累计助力12,000+用户完成对VMware架构的替代。
EDS存储处分决策：举例在医学领域，通过自动AI分层时期，阅片速率从约90张/秒升迁至450+张/秒，合资调优后影像调阅性能升迁60.9%。
7）星辰天合
星辰天合的核心时期为XGFS全分享架构文献系统和羼杂云数据管理平台。
XGFS：支执文献、对象、块存储公约的合资探望，通过全局缓存时期将跨云数据探望速率升迁50%，适配90%国产化硬件环境。
羼杂云平台：罢了公有云与特有云存储资源的智能诊疗，在音视频处理场景支执4K/8K素材的及时裁剪与存储。其XEOS对象存储系统通过纠删码算法与智能预取机制，将海量非结构化数据的存储资本造谣35%，服务超200家企业的AI检修数据管理需求。
此外，星辰天合开源社区孝顺的Ceph优化决策被多家云厂商选择，升迁散布式存储集群的相识性。
8）京东云海
京东云海主营合资存储平台，提供块存储、对象存储、文献存储、并行文献存储、大数据存储等多种自研居品，属于 AI 原生涯储的居品主如果云海AI 存储。
云海AI存储具备原生KV Cache等脾气，适配主流推理框架，助力大模子检修，应付自动驾驶等场景的海量小文献读写与目次热门贫窭，也适用于各样高性能推理场景。
9）极说念科技
极说念科技（北京）有限公司的主营业务是围绕数据“存、管、算”协同设想，提供企业级数据系统处分决策，其中属于AI原生涯储或与AI应用深度集成的存储处分决策主要有ALAMO散布式文献存储系统、ANNA散布式合资存储、MetaView数据管理系统以及Achelous智能集群运维系统。
ALAMO：提供了超卓的带宽和元数据的高IOPS，既支执横向膨大，也支执纵向膨大，跟着横向膨大的节点数的增多，存储的容量和性能均得到线性增长。
ANNA：支执多种文献探望公约（CIFS，NFS，POSIX）、块探望、S3对象探望公约，一套存储系统得志各样化的应用需求。
MetaView：构建了一个无上限的包含工业标准数据特征和用户自界说数据特征的元数据管理系统。通过出奇的“存/管协同”设想模式和并行散布式图处理引擎，及时拿获并跟踪元数据的变化，涵盖数据感知、数据发现、数据溯源和数据重组。
Achelous：将各式异构策画汇注，分享硬件资源（包括CPU、Memory、GPU、FPGA等），按需动态构建策画框架，旨在提高策画的并行度和提高资源诈骗率，以造谣用户的举座领有资本。
10）华瑞指数云
华瑞指数云主营业务是为政府、企业及机构提供数据基础要领举座处分决策，专注于智能数据存储与管理。其核心居品全栈自研 AI 原生数据平台 WADP，具备超高费解、低延迟、无穷膨大等脾气，冲破 AI 策画“存储墙”，适配多种行业场景，如金融数据分析、医疗影像处理、企业级 AI 开发等。
华瑞指数云提供 ET 系列存储居品（如极速散布式块存储、合资存储、对象存储等），分裂针对高性能、交融存储、海量数据管理需求，助力用户高效处理数据，支执 AI 应用落地。
11）同友科技
同有科技聚焦信创存储，主要居品为ACS系列全闪存阵列和双活存储系统。
ACS5000F：选择上升FT-1500A处理器和国产SSD，其全闪存阵列提供260万IOPS性能，为信息处理策画机、磁盘阵列、存储服务器等设备提供强有劲的配套及支执。
双活存储架构：通过跨数据中心同步时期，罢了金融业务RTO限定在秒级，RPO为0，应用层不中断，数据库无需回滚，极地面造谣了业务启动的风险。
12）上海赜睿
上海赜睿信息科技有限公司旗劣品牌Zilliz以Milvus开源向量数据库和Zilliz Cloud全托管服务为核心，构建AI原生数据检索基础要领。
Milvus：支执万亿级向量索引，通过散布式架构罢了多模态数据（如图文、视频特征）的交融索引，在电商商品搜索、生物医药分子库匹配等场景造成时期标杆。
Zilliz Cloud：提供企业级向量数据库服务，内置自动扩缩容与多田户遮盖功能，守旧金融风控系统的及时数据查询需求。在开源生态中，Milvus社区孝顺者超2000东说念主，被应用于超1000家企业的AI应用场景。
13）后摩智能
后摩智能的车规级存算一体芯片和多传感器交融存储系统服务于自动驾驶领域。
鸿途H30芯片：基于存算一体架构，基于12nm工艺制程，Int8精度下罢了256TOPS物理算力，典型功耗35W，支执智能驾驶场景的经典CV网罗及BEV、PointPillar等先进算法。
公司于2023年通过ISO 26262:2018 ASIL D功能安全过程认证，为车规级居品研发奠定基础。
14）火山引擎
火山引擎的VikingDB多模态数据库和工业质检存储决策是其核心居品。
VikingDB多模态数据库：选择存算分离架构，支执及时向量写入与流式更新，罢了非结构化数据到向量的高效转机；在检索性能上可支执百亿级向量库的毫秒级反馈，同期结合羼杂检索材干升迁精度与效用；
此外，VikingDB提供云原生弹性诊疗与自动调参功能，优化资源资本并保险服务相识性，那时期践诺已隐讳智能问答、推选告白、版权去重等各样化场景。
[1]华为《数据存储2030解释（2024版）》
[2]Llama3初体验以及和ChatGPT 3.5 Turbo对比 - Eric时期圈
[3]星环信息科技（上海）股份有限公司2024年年度解释开云kaiyun官方网站
发布于：北京市