本文原載微信公眾號"云數智觀察"，作者：郭濤。轉載已獲授權。
北京2026年5月13日 /美通社/ -- AI時代，在算力火了之后，人們又將關注的目光投向了存儲。雖然算力決定了AI的上限，但存儲決定了AI能不能真正落地，并且用得好、用得久、用得起。
存儲漲價的背后
近期，存儲產品漲價潮持續蔓延，包括DRAM、閃存顆粒、機械硬盤、磁帶等核心組件的供應全面緊張，特別是20TB、24TB大容量硬盤的交付周期普遍延長。IBM大中華區存儲事業部總經理吳磊提到一現象，當前很多企業即便有充足的預算，存儲產品也很難快速到貨。這態勢與GPU"一卡難求"的緊缺局面高度相似，顯示出供需矛盾全面加劇，全球供應鏈與成本壓力倍增。
其實，存儲供應鏈失衡只是浮出海面的冰山一角。創新技術的快速迭代、層出不窮的新型工作負載，以及企業用戶對安全和自動化運維的高要求等，才是最大的壓力所在。
從業務需求的轉變可以看出，當AI從模型訓練階段全面進入推理的爆發期，企業的存儲需求發生了根本性改變。AI推理必然依賴企業內部的海量、多類型、實時性存量數據，而數據不可復用、難以盤活成了普遍痛點。另外，隨著大模型的快速迭代，參數量激增，對存儲的響應速度、并發能力、數據流動性等都提出了更高要求。
再從企業日常的安全與運維實踐來看，技術架構復雜、攻擊升級、專業人才不足等短板進一步被放大。在安全層面，黑客利用AI技術，使得索軟件的攻擊速度與破壞力大幅提升。傳統安全響應機制幾乎失效，必須實現秒級甚至毫秒級的威脅發現、偵測與處置，否則企業將面臨巨大的數據損失。在運維層面，企業已經普遍采用"混合多云+多廠商設備"的異構架構，這抬高了運維團隊的人力成本和技術門檻。
不容忽視的是，企業的數據規模長期處于加速爆發的過程中，從數百TB躍升至數十EB，而且結構化、半結構化、非結構化數據混雜，覆蓋IoT設備、智能汽車、醫療影像、工業傳感器等多元數據源，同時金融、醫療、政務、汽車等行業又有嚴格的合規要求，長期數據保留增加了存儲的難度與成本。
一方面，數據必須服務于業務，將海量數據高效轉化為真實業務價值；另一方面，數據又需要長期合規留存、全程安全可控。雙重壓力疊加，迫使企業必須尋求新的存儲技術、架構與解決方案。
讓AI走向數據
吳磊指出，"讓AI走向數據"的核心存儲理念，直指傳統存儲模式的痛點，將成為企業構建AI競爭力的關鍵。
過去，企業普遍采用"數據搬運、多副本拷貝"的傳統方式，為滿足AI處理的需要，就要將數據復制、上傳、集中處理。這種方式在小規模數據時代尚能適用，但進入EB級數據與高并發推理的"詞元（Token）經濟"時代，則捉襟見肘。
從"數據走向 AI"到"讓AI走向數據"，這是范式的轉變。吳磊解釋說，讓AI主動走向數據、理解數據并就近處理數據，將從根本上解決數據搬運的難題。
傳統的多副本不僅會帶來高昂的網絡與存儲成本，還將引發數據一致性失控、安全管控難度劇增、合規追溯困難等一系列困擾，有些時候企業甚至無法判斷哪一份副本才是真實、最新的數據，最終可能導致AI推理結果失真或算力大量空耗。
IBM的破解之道是，以"單副本架構+內容感知存儲（CAS）"為技術核心，讓存儲主動感知數據變化，在數據更新的一瞬間即可同步給AI模型，無需人工重做副本，更無需重復數據處理，從而實現數據一處更新、全局可用。這一新的架構大幅降低了數據傳輸與安全管控成本，可確保數據的唯一性、準確性與實時性，很好地消除了數據亂、副本多、效率低的瓶頸。
在此基礎上，IBM還進一步提出了"人工智能工廠"（AI Factory）的理念，致力于打造覆蓋數據采集、集成、準備、訓練、模型適配、推理、歸檔的端到端AI數據平臺，讓數據在全生命周期內自由流動，并持續產生價值。
吳磊用餐飲類比詞元經濟時代存儲的演進。傳統存儲如同家庭廚房，SAN/NAS好比預制加工廠，應用存儲就像是預制餐；而新的"AI+"要求存儲變成"私人廚師"，智能的存儲可以按需調度、主動服務并實時響應AI負載，并最大化數據價值。
總而言之，讓AI走向數據，就是把存儲從被動的"數據容器"升級為主動的"智能數據服務層"，讓AI可以在數據產生的地方就近處理、實時學習、高效推理，實現數據不搬家、AI更高效、成本更可控、安全可追溯，將AI從演示項目變成規模化的生產力，這將為AI的落地筑牢最堅實的數字底座。
邁向自主存儲，踐行增本增效
在"讓AI走向數據"的理念指導下，IBM布局新的存儲產品與技術，為AI落地鋪就數據之橋。
1. 持續更新AI高性能存儲，打造AI工廠的算力底座與數據引擎
作為IBM人工智能工廠的核心引擎，IBM Storage Scale System 6000/3500面向大模型訓練、多模態數據處理、萬卡級GPU集群等高算力場景，提供端到端AI數據管道支撐。
具體來看，面向大模型訓練的Checkpoint，可以提供極致高吞吐、低延遲架構，保障訓練過程中關鍵斷點數據快速落盤、不丟進度、不浪費算力，顯著提升GPU有效利用率；可以統一承載文本、圖片、音頻、視頻、傳感器數據等混合負載，適配從數據準備、分布式訓練、模型適配到推理的全流程；全局統一命名空間能夠有效打通邊緣、數據中心、私有云與公有云，實現數據一處更新、全局可用；與NVIDIA實現深度生態協同，比如支持GPUDirect等高速協議，大幅降低數據搬運開銷。
IBM Storage Ceph主要面向高IOPS、高并發、云原生的AI負載場景，可提供統一、彈性、可橫向擴展的分布式存儲能力。它采用統一架構，塊、文件、對象三協議合一，可以簡化云原生與虛擬化環境部署，并且兼容S3 API，很好地適配容器、微服務與AI云平臺。特別值得一提的是，它可以從小規模起步，按需平滑擴容，尤其適合數據湖、AI中臺、海量小文件等長期增長型場景。
2. 引入AI智能體，重新定義新一代閃存核心
IBM重新定義企業級全閃存，將AI智能體與自研硬件芯片深度融合，打造自主、安全、高效的核心業務存儲。
全新的FlashSystem.ai是AI驅動的自主存儲的智能中樞。它定位為"永不休息的智能存儲管理員"，可以把存儲從被動設備升級為自主自治的智能層。IBM中國區存儲業務銷售總經理金鑫歸納了FlashSystem.ai的特色和優勢：第一，支持自然語言交互，降低命令行與專業門檻，即使普通管理員也可高效操作；第二，實現主動性能優化，比如在數小時內自適應業務負載，實現智能調優資源、智能遷移負載，提升整體效率與穩定性；第三，秒級勒索軟件感知，比如可通過I/O特征識別異常，并在60秒內發出告警，同時結合硬件級防護，實現更快的恢復；第四，合規審計自動化，可自動生成可解釋審計報告，大幅縮短合規文檔編制時間，降低合規成本；第五，在安全方面，系統僅支持"增、擴、優化"等安全操作，同時嚴格限制刪除等高風險動作，從機制上保障了數據安全；第六，管理效率大幅提升，可減少90%的存儲手動管理工作量。
金鑫還特別提到了IBM自研的硬件級黑科技——第五代閃存核心模塊（FlashCore Module 5）。其重要性和特殊性表現在：可實現硬件級壓縮、重刪、加密和異常檢測，完全不占用控制器性能，最高支持1:5的硬件壓縮/重刪，顯著降低單位TB的成本；采用量子安全加密，通過硬件級加密抵御未來量子計算破解風險，有效滿足長期數據安全與合規要求。目前第五代 FCM可支撐IBM FlashSystem 5600/7600/9600全系列產品，實現從邊緣到核心關鍵業務的全覆蓋。
以AI智能體為驅動，IBM FlashSystem.ai將訓練好的AI模型封裝在本地容器中，用自然語言交互替代命令行與圖形界面，從而實現存儲的自助式管理、自動化運維、主動式優化，旨在用極少的人力管理大規模、跨品牌、跨時代的復雜存儲架構，以實現高效率、高韌性、低成本和強合規，為業務創新保駕護航。
如果說AI存儲是AI時代存儲必修的"基本功"，解決了算力與數據的匹配問題，那么IBM提出的"自主存儲"則是AI時代存儲的"進階形態"，解決的是企業對數據、架構與運維的自主掌控問題。兩者一脈相承、層層遞進，共同構成IBM面向"AI+"時代的完整存儲戰略。AI存儲是能力層，自主存儲則是管理層/控制層，在AI存儲之上，用AI智能體實現自治、自愈、自優化、自安全。自主存儲可以理解為是IBM"數字自主"戰略在存儲層的落地，其核心是讓企業掌握數據與架構的絕對掌控權，不被廠商、云所綁定，能夠自主規劃 IT演進路徑。可以預見，未來的企業級存儲將是"AI存儲能力+自主存儲架構"融合的形態。
3. 磁帶是數據的終極歸宿
在光盤存儲逐步退出后，磁帶就成了可支撐30年以上長周期、高可靠、低成本存儲的"唯一"選擇，其可靠性遠超硬盤3～4個數量級。目前最新的LTO10E單盤容量達到40TB，容量、密度、帶寬持續領先。IBM磁帶設備可在高速運行中實時精準定位，保證數據讀寫零偏差、高穩定；而且磁帶更薄、韌性更強，可支持高速穩定運行，不易拉伸和斷裂；同樣內置抗量子加密，并支持WORM一次寫多次讀功能，可滿足金融、醫療、政務等行業長期留存的要求；單位容量成本遠低于硬盤、閃存與公有云歸檔。
4. 全場景分層存儲
在技術和產品層面不斷創新之外，IBM還以策略驅動、智能感知、應用無感為核心，構建了覆蓋全數據生命周期的分層存儲體系，兼顧性能、成本、安全與合規。
IBM FlashSystem全閃存用于存儲熱數據，主要面向ERP、核心數據庫、實時交易、AI推理等高并發、低延遲場景，提供微秒級響應與7×24小時的高可用；溫數據可存儲于IBM Storage Scale/Storage Ceph之上，以滿足AI訓練、數據湖、數據分析、虛擬化、混合云等大容量、高吞吐、彈性擴展場景的需求；磁帶庫用于長期保留冷數據，主要面向長期歸檔、合規留存、低頻訪問數據，實現極致的低成本、高可靠、長壽命。
金鑫表示，全場景分層存儲的核心價值表現在，能夠按訪問頻率、重要性、生命周期自動分層，實現智能自動化遷移，無需人工干預，并且開放兼容市場上主流的公有云，同時很好地利舊，在供應鏈緊張、硬件成本倍增的背景下，切實踐行降本增效。
存儲，做好自己的主角
在詞元經濟時代，存儲不是配角，而是AI規模化落地的底座與命脈。在某種程度上，它決定了AI能不能跑起來，因為只有低延遲、高吞吐、大并發的存儲，才能讓算力利用率持續提升；它決定了AI是否經濟，因為智能分層存儲可以將成本降到最優，讓AI擁有更強的盈利能力；它決定了AI的安全與合規，量子安全加密、長期留存等是業務連續的基本保證。
面對未來的存儲挑戰，"讓AI走向數據"與"自主存儲"是IBM存儲戰略的兩大基石，將全面引領企業存儲邁向智能、自治、高效、安全。存儲將從被動容器升級為主動智能服務層，AI智能體由加分項變為標配，并深度融入運維、優化、安全與合規的全流程。全閃存+分布式存儲+磁帶的全棧分層存儲解決方案，將更好地幫助企業在多云、異構、AI深度落地的環境中，掌握數據自主。
