作者：王聰彬

現(xiàn)在可以和金子對標增值的，那一定是存儲。不僅價格持續(xù)上行，而且還沒有現(xiàn)貨，交付周期已經(jīng)要用年計算。從DRAM到顆粒，再到硬盤和磁帶，幾乎所有相關存儲都面臨嚴重的供給壓力。

存儲在AI時代，在算力之后也走到了臺前。尤其是最近“龍蝦”帶動的推理爆發(fā)，讓我們一下進入Token經(jīng)濟時代，數(shù)據(jù)的增長速度已經(jīng)發(fā)生了質(zhì)變。

數(shù)據(jù)的爆發(fā)也為企業(yè)帶來了多重壓力，91%以上的CIO已經(jīng)將其存儲改造列為首要議程，運維成本和復雜度作為核心考量；78%以上的企業(yè)已意識到僅靠擴容無法滿足AI發(fā)展需求，必須做到存算協(xié)同。

IBM從客戶實際使用場景出發(fā)，將存儲劃分為熱、溫、冷、深冷不同層級，構建覆蓋AI全生命周期的存儲體系，既支撐傳統(tǒng)核心業(yè)務，也面向AI負載提供擴展能力。

當AI走向數(shù)據(jù)，存儲成為新的基礎設施分水嶺

現(xiàn)在企業(yè)對存儲體系進行的結構性重構，已經(jīng)變?yōu)閲@數(shù)據(jù)流轉效率與全鏈路協(xié)同進行重塑。很多企業(yè)開始重視“人工智能工廠”（AI Factory）的概念，他的本質(zhì)是一個將數(shù)據(jù)轉化為智能的端到端系統(tǒng)，從數(shù)據(jù)源到AI數(shù)據(jù)平臺，再到智能輸出。

像IBM Storage Scale數(shù)據(jù)平臺、IBM Storage Scale System一體機就可以幫助企業(yè)構建真正的AI工廠，端到端地處理數(shù)據(jù)。

為了幫助企業(yè)以更低成本、更高效率從海量數(shù)據(jù)中挖掘價值，GTC 2026大會上，IBM與NVIDIA宣布了新的合作，推動GPU原生數(shù)據(jù)分析、智能文檔處理、本地及受監(jiān)管環(huán)境的基礎設施部署。

NVIDIA選用了IBM存儲方案，為GPU原生高級分析引擎供給海量數(shù)據(jù)：IBM Storage Scale System 6000可提供高達10PB的高性能存儲，將IBM的統(tǒng)一數(shù)據(jù)訪問層及大規(guī)模并行吞吐能力，與NVIDIA的GPU流水線深度整合。

?窺一斑就可知全豹，IBM能夠提供的是端到端、高性能、穩(wěn)定的數(shù)據(jù)存儲服務。

“不同業(yè)務、不同負載對存儲的訴求截然不同，延遲、吞吐、成本、合規(guī)，優(yōu)先級各不相同?！盜BM大中華區(qū)存儲事業(yè)部總經(jīng)理吳磊說道。

IBM大中華區(qū)存儲事業(yè)部總經(jīng)理吳磊

以傳統(tǒng)金融為例，AI已經(jīng)被用于反欺詐場景，過去信用卡被盜刷，往往要兩天后才接到通知，今天則可以在分鐘級完成識別。背后的關鍵在于，模型與主機的深度耦合，在刷卡瞬間完成判斷，而不是事后再去追溯與取證，從源頭減少損失。

到了訓練環(huán)節(jié)，大模型已經(jīng)進入萬卡級集群時代，GPU投資動輒數(shù)億甚至數(shù)十億，哪怕1%的閑置，都意味著上億元的浪費。如果訓練進行了數(shù)小時，卻在落盤階段受阻，導致checkpoint無法寫入，那么前序算力投入將被直接打水漂。

而且合規(guī)要求正在變得愈發(fā)嚴格，當大模型推理、決策時，結果必須具備可回溯性，這也對數(shù)據(jù)治理與存儲體系提出了更高要求。最后，銀行的數(shù)據(jù)需要長期保存，存放在閃存或硬盤上并不現(xiàn)實，綜合來看，磁帶依然是最具性價比與安全性的長期存儲方案。

對比過去，數(shù)據(jù)更多是通過副本拷貝實現(xiàn)，但當數(shù)據(jù)規(guī)模上升到100TB、PB級甚至更高時，多次復制導致存儲成本提升；人工智能復制數(shù)據(jù)會導致數(shù)據(jù)安全問題，企業(yè)需要有多套監(jiān)管軟件、安全軟件來管理數(shù)據(jù)；在千卡、萬卡集群中，高速網(wǎng)絡本身已經(jīng)非常昂貴，如果再疊加大量副本傳輸，對帶寬和交換能力提出更高要求，成本會被進一步放大；當副本數(shù)量持續(xù)增加，數(shù)據(jù)本身會變得難以管理。

所以IBM認為，未來的AI時代應該是讓人工智能走向數(shù)據(jù)。

AI時代的存儲體系長什么樣？又該如何建？

IBM商業(yè)價值研究院年初的一項調(diào)研顯示：76%的CEO認為企業(yè)現(xiàn)有IT架構足以支撐發(fā)展；但在CIO層面，情況明顯不同，16%的CIO認為企業(yè)架構已嚴重落后于AI需求，43%的CIO處于明顯的焦慮之中。

IBM中國區(qū)存儲業(yè)務銷售總經(jīng)理金鑫在過去一年與客戶的接觸中感受到他們正面臨五大挑戰(zhàn)：

第一，安全風險持續(xù)上升。勒索軟件與網(wǎng)絡攻擊頻發(fā)，威脅企業(yè)業(yè)務連續(xù)性；

第二，電力限制。不少用戶的私有云機房里，機柜實際只裝了1/2甚至1/3，本質(zhì)是供電能力約束。如果機房在城區(qū)，一個T42機柜通常只能承載6到7千瓦，再往上電力就難以支撐；

第三，運維水平。企業(yè)現(xiàn)有IT架構大多是多廠商、多產(chǎn)品組成，CIO需要團隊同時掌握不同產(chǎn)品體系，同時私有云、多云環(huán)境，整體運維壓力顯著上升；

第四，AI創(chuàng)新帶壓力。一些企業(yè)明顯處于被動投入，不知如何推進AI，進一步加劇了焦慮，目前只有約一半的CIO做AI之前會先完成數(shù)據(jù)治理。

第五，成本高。一方面是存儲等產(chǎn)品價格上漲，另一方面是企業(yè)本身IT支出占比就較低，多重投入之下，成本壓力更加明顯。

IBM中國區(qū)存儲業(yè)務銷售總經(jīng)理金鑫

IBM在其中能做些什么？早在75年前，IBM就已進入磁帶這一數(shù)字存儲領域，甚至早于IBM主機。阿波羅登月任務期間，IBM負責了相關IT建設，其中，3次任務共累計收集173卷磁帶數(shù)據(jù)，但這些數(shù)據(jù)在當時并未被深入分析。多年之后，當NASA要重新挖掘這批歷史數(shù)據(jù)時，依然能從磁帶中成功恢復出數(shù)十年前的數(shù)據(jù)。

過去70多年里，IBM一直在存儲領域持續(xù)創(chuàng)新。進入人工智能時代，其提出的核心思路是：讓人工智能走向數(shù)據(jù)，而不是讓數(shù)據(jù)走向人工智能。

圍繞這一理念，IBM構建了一套覆蓋AI全生命周期的存儲家族，底層彈性存儲，側重節(jié)能環(huán)保、長期安全的數(shù)據(jù)的二級存儲，包括IBM 磁帶/IBM Archive歸檔軟件；中間層核心存儲，包括適合企業(yè)級混合云IBM FlashSystem、IBM Fusion；上層AI存儲高性能，包括IBM Storage Scale和IBM Storage Ceph。

“通過基于策略實現(xiàn)自動化的數(shù)據(jù)分層和遷移，企業(yè)可以在不同存儲層之間實現(xiàn)數(shù)據(jù)的有序流動，在性能、成本與效率之間取得平衡?！眳抢趶娬{(diào)。

國內(nèi)一家頭部智能駕駛芯片企業(yè)采用了IBM的整體解決方案，不僅在本地數(shù)據(jù)中心部署，還在北京、上海的研發(fā)與生產(chǎn)基地，實現(xiàn)數(shù)據(jù)的統(tǒng)一管理，提升產(chǎn)研效率，同時降低存儲與網(wǎng)絡傳輸成本。

當“數(shù)字自主”成為主流，存儲正在換一套邏輯

閃存和AI可以說是天生一對，AI工作負載對存儲提出了，超高的數(shù)據(jù)吞吐量、更低的訪問延遲、支持頻繁的讀寫操作的要求。

市場側給出了明顯的反饋。CFM閃存市場最新數(shù)據(jù)顯示，2025年四季度全球DRAM/NAND Flash市場規(guī)模達755.1億美元，環(huán)比增長29.2%，其中全球NAND市場規(guī)模環(huán)比增長27.8%至235.45億美元。

IBM也在今年第一季度發(fā)布了嵌入AI智能體的下一代閃存系統(tǒng)IBM FlashSystem，實現(xiàn)持續(xù)性的數(shù)據(jù)保護、主動的威脅分析和定制化的恢復建議，重新定義企業(yè)級 IT 彈性。

為何要選擇下一代閃存系統(tǒng)IBM FlashSystem，最重要的一個理由就是FlashSystem上的FlashSystem.ai智能體，可以通過無縫、自助式的操作，幫助管理員管理、監(jiān)控、診斷和修復整個數(shù)據(jù)路徑上的故障和風險。

FlashSystem.ai平臺的AI模型由高質(zhì)量的數(shù)據(jù)訓練而成，包括高級遙測技術收集的數(shù)百億數(shù)據(jù)點以及多年的真實運營數(shù)據(jù)，每天可執(zhí)行數(shù)千個自動決策，無需人工監(jiān)督。“FlashSystem.ai是一個用不休息的存儲管理員，可以做概述、零點擊配置、創(chuàng)建和更新?！苯瘀握f道。更關鍵的問題是它不能做什么，比如

FlashSystem.ai具備了保護、適應和執(zhí)行能力。首先，人機協(xié)作與強化專家經(jīng)驗及認知。系統(tǒng)部署大約兩小時后，便會開始學習所在環(huán)境，逐步理解企業(yè)存儲的內(nèi)容、應用類型和負載特征。相比過去單純追求IOPS的存儲系統(tǒng)，這一代產(chǎn)品更強調(diào)對業(yè)務環(huán)境的理解，并給出配置建議。用戶可以通過自然語言進行確認或調(diào)整，在持續(xù)交互中完成優(yōu)化，同時系統(tǒng)也會基于資深管理員的反饋不斷學習。

其次，是主動優(yōu)化能力。以FCM為例，其可與FlashSystem.ai協(xié)同，根據(jù)數(shù)據(jù)規(guī)模和業(yè)務負載動態(tài)調(diào)整運行模式，在業(yè)務高峰來臨前轉為高性能模式，實現(xiàn)資源的前置調(diào)優(yōu)，讓IT從被動排障轉向主動創(chuàng)新。

第三，是情境感知安全能力。情境感知技術在IBM的技術體系中已發(fā)展多年，與AI結合后，可以在秒級識別IO異常。針對勒索軟件寫入時特有的IO特征，系統(tǒng)能夠快速感知并觸發(fā)告警，及時采取防護措施。

最后，是合規(guī)與動態(tài)響應能力。AI時代數(shù)據(jù)的流動更加頻繁，也帶來更復雜的合規(guī)要求。FlashSystem.ai內(nèi)置相關功能，可自動生成審計報告，幫助企業(yè)降低合規(guī)風險，同時顯著減少人工工作量。

IBM FlashSystem另一個重要更新是第五代 FlashCore Module（FCM5），其內(nèi)置了一顆IBM自研芯片，主要用于壓縮、去重和加密等操作。

硬壓縮可以實現(xiàn)最高約1:5的壓縮比，例如一塊100GB的盤，在開啟壓縮后可承載約500GB的數(shù)據(jù)。以更小的外形尺寸提供了更大的容量，支持基于硬件的重復數(shù)據(jù)刪除和壓縮。革命性的硬件驅動器級智能，提供真正的計算存儲和量子安全硬件加密。

根據(jù)內(nèi)部測試，借助內(nèi)置芯片對數(shù)據(jù)進行優(yōu)化排列，整盤的使用壽命較普通NVMe可提升約57%。

在國內(nèi)，電子、制造行業(yè)對IBM FlashSystem的興趣相對較高，究其原因主要在于這些行業(yè)系統(tǒng)復雜，對存儲高可用、安全要求高，且運維人員資源相對有限。一家華東半導體企業(yè)處于產(chǎn)能爬坡階段，內(nèi)部混用4家不同品牌的存儲產(chǎn)品，存在明顯的數(shù)據(jù)豎井。IBM從IOPS入手進行梳理，通過引入IBM FlashSystem與磁帶庫，解決了雙活架構下的性能與數(shù)據(jù)保存問題。

寫在最后

“拎著錘子找釘子”的狀態(tài)，對于企業(yè)而言并不在少數(shù)。對于IBM而言，這一輪AI浪潮既是壓力，也是重構基礎設施的窗口，借此構建一套更靈活、彈性、可擴展的基礎架構。

說到底AI時代對存儲的核心要求無外乎三點：一是能夠在檢查點將數(shù)據(jù)快速落盤，避免高成本算力被浪費；二是能夠支撐萬級節(jié)點規(guī)模并具備動態(tài)伸縮能力；三是在完整的AI管道中，讓數(shù)據(jù)以安全、可靠且可控成本的方式流動。

幾十年來，IBM始終保留命令行這一高效、簡單的操作模式。在AI時代，這種能力反而被進一步放大。在這樣的基礎上，在Agentic AI時代，企業(yè)可以通過智能體直接高效地對IBM的高端、中端、低端硬件和軟件進行操作，真正做到讓人工智能走向數(shù)據(jù)。