“AI的落地速度，卡在了存储调度上？

在WAIC 2025世界人工智能大会上，一则不算喧哗却极具分量的技术发布引发了产业链的密切关注：中国移动联合曙光存储，正式启动“算力中心的全局统一文件存储产品落地应用”，即国内首个智能存力跨域调度平台的正式落地。

这个节点并非偶然。大会一边是“百模大战”、大模型“全面出海”，另一边却频现“卡顿与瓶颈”。

问题的根源，已经不仅仅是“算力不够”，更是“存力卡住算力”。

这是AI系统的隐形短板，也是决定大模型能否快速大规模落地的核心基础设施问题。而本次WAIC的发布，正是AI新基建路线图中，“存力”走向台前、跃升为战略资源的重要标志。

算力之后，存力加入“AI地基”阵营

过去几年，AI系统基础设施的关键词几乎可以用四个字总结：“加卡扩机”。但随着大模型从单点训练迈向多模态、多中心、大规模迭代的新阶段，“只靠算力堆叠”的扩容方式正遭遇物理极限与结构性瓶颈。

很多行业早已发现，GPU再强，如果存力跟不上、数据进不来，那就只能“空转”。AI真正的性能，不再只取决于算多少，还要看数据流得有多快、能不能在恰当的时间调度到恰当的位置。

曙光存储副总裁张新凤指出：“GPU在等数据”，而不是“数据在等GPU”，已经成为大量AI集群运行时的普遍现象。初步测算表明：每增加1元的“存力”支出，可为AI系统节省10元的算力开销。

也就是说，存力不仅仅是配角，更有望成为AI基建体系中“最具性价比的变量”。

而且，在平台化演进中，存储资源正经历三大转变：

趋势一：资源碎片严重，调度智能化成必选项

AI训练数据的来源、格式和分布越来越复杂，尤其在政企、工业、科研等场景中，冷热数据交杂、结构化与非结构化并存，且常常分布在多地、多厂商的存储设备上，已无法高效完成统一供给。

这就对平台的“资源整合调度能力”提出全新要求：能否跨区域统一纳管？是否支持协议自动转换？数据调度是否具备智能化识别能力？这不仅影响训练能否完成，更决定AI的ROI能否跑得通。

趋势二：大模型对“数据流速”提出极致要求

在实际训练中，AI集群规模动辄成百上千张卡，如果存储系统性能不足，就会出现“GPU排队等数据”的尴尬局面。这个问题，不是“买更多硬盘”就能解决，而是取决于数据在集群中的传输效率、调度优先级与IO管控机制。

尤其在“东数西算”等工程背景下，数据流动从跨机房变成跨省级域，传统静态部署方式完全无法满足这种高频、弹性、低延迟的需求。

如曙光存储副总裁杨志雷所言：“AI的本质是‘数据驱动的计算’，很多时候，存力调度效率就等于模型训练效率。”

趋势三：从“买硬件”到“调资源”的服务化供给

越来越多的AI用户开始转向“平台即服务”模式使用存储。冷数据进入归档池、热数据驻留高性能节点、临时训练数据弹性调度，这些动作都需要存储系统具备资源感知+智能策略+成本控制的能力。

换句话说，未来的AI系统，必须有一个“智能数据中枢”，能够感知业务负载、动态规划带宽、甚至提前预测训练所需的数据路径与资源结构。

智能存力调度平台，曙光存储打了个样

面对这种趋势，中国移动与曙光存储在WAIC 2025共同推出的“智能存力调度平台”，给出了业界第一个体系化实践范式。

这个平台，不只是技术组件拼装，而是一个覆盖全国、支持跨异构、多中心、高性能调度的数据中控系统。首批部署于长三角、成渝、内蒙古、贵州等国家级算力枢纽，覆盖7大存力资源池，支持8类主流AI芯片架构，并高度契合“东数西算”“全国算力一体化”国家战略。

曙光将其定义为“AI系统的智能神经网络”，并将调度能力拆解为四个核心能力模块：

核心能力一：全局统一调度 —— 打破资源孤岛

传统多地训练中心各自为政、存储分散，形成数据孤岛。而曙光平台可通过标准接口、统一协议适配层，将各地存储节点、不同品牌设备、异构系统统筹接入，实现跨域、跨池、跨平台的统一纳管与策略调度。

更关键的是，它还能根据业务特性做“带宽重排”，动态调整不同训练任务所需IO资源。

核心能力二：冷热数据智能分级 —— 提效降本，系统自驱

平台通过对数据访问频率与模型阶段的持续监控，自动判定哪些是“高频训练调用”，哪些是“历史归档”。再通过冷热分级策略，将热数据优先调度至近端高性能SSD节点，冷数据则迁移至远端成本更低的对象存储/归档池。

这不仅实现了训练提速30%+，还有效降低了企业的整体TCO。据介绍，某项目落地后，整体存储成本下降超过40%。

核心能力三：跨域无感流动，构筑“东数西算”真实底座

AI系统的跨区域训练越来越常态化，但数据的跨域传输过去常受限于带宽、延迟、业务中断等问题。智能存力调度平台通过自研的数据路径感知系统与并发链路机制，实现了数据在训练过程中的无感知迁移与实时带宽调度。

如某客户在华东部署推理业务，训练任务却可同步迁移至西部资源池，前台服务完全不受影响。这一能力，为“东数西算”提供了可靠的数据底座。

核心能力四：协同芯片层革新，让GPU不再空转

曙光存储基于超前技术预判，打造“超级隧道HyperTunnel”技术了，构建超低阻数据基础设施，支持具身智能加速升级算法，充分利用多模态大模型，开辟机器人“大脑”、“小脑”加速进化的新方法。

以具身智能训练为例，其以190GB/s带宽，500万 IOPS，使AI训练速度提升4倍，有效支撑智元机器人模型迭代。

需要指出的是，这个平台不是PPT，是已经跑起来的落地样板。

目前，平台调度技术已在多个高密度场景中完成部署并验证：

·自动驾驶： 为车企打造100PB训练资源池，训练效率提升超40%，模型迭代周期显著缩短；

·具身智能： 支撑智元机器人平台跨域高并发训练，提供500GB/s聚合带宽；

·科研与AIGC： 通过自研元数据系统支持千亿级小文件高效调度，提升渲染与科研数据处理效率数倍。

正如曙光存储副总裁杨志雷所言，这不是一个新产品，而是“会思考、能调度、能进化”的AI数据中控系统。

智能存力调度平台，是提前建设“AI粮仓”

存储曾是系统中“沉默”的一环，如今已变为AI系统的数据起点与协同中枢。从“数据仓库”到“数据调度大脑”，存力平台正重构AI基础设施的逻辑。

那么，它有什么用呢？我们觉得，在以下方面将有重要价值：

一是降低门槛，让AI可被普惠。

传统AI部署动辄上亿，中小企业望而却步。曙光平台通过资源池化和服务化部署，支持“以租代建”“弹性调用”，用小得多的成本，即可用上高性能存力，大幅降低AI使用门槛。

二是提升效率，让AI落得更实。

针对多模态训练、高密度并发等典型场景，平台通过冷热智能分级、动态调度等机制，实现训练效率30%-50%提升，尤其在自动驾驶、医疗、智算教育等领域价值显著。

三是保障自主可控，夯实中国AI底座。

智能存力调度平台，全栈自研、兼容开放，应用的存储产品均处于全球第一梯队，为调度平台提供高性能底座。它不仅打破技术壁垒，更构建起面向未来的“AI粮仓”。

当大模型进入实际落地阶段，系统瓶颈早已从“算不动”转向“调不动”。谁能把资源存得下、调得顺、数据用得快，谁才有资格跑进AI的深水区。

从WAIC 2025可以看到，AI的下一个临界点，不在模型参数里，而在数据路径上。曙光存储正通过“智能存力调度平台”描绘出一条从“堆资源”到“调系统”的演进路线。

AI系统的“含智量”，终将由它背后的“存力地基”来决定。