随着人工智能技术的迅猛发展，企业软件应用程序中融入自主性AI的比例预计将大幅提升。根据Gartner的预测，到2028年，这一比例将从目前的不到1%跃升至33%。同时，30%的企业机构计划将数据变现或数据入表纳入其数据战略，突显了数据在当今企业运营中的核心地位。生成式AI应用的不断涌现，也进一步推动了数据量的激增，对存储行业提出了新的挑战和机遇。
人工智能的发展离不开算力、算法和数据这三大支柱。尽管算力的需求和算法的优化至关重要，但高质量的数据集已成为当前人工智能发展的迫切需求。这一趋势促使数据中心逐渐从以“人”为中心和以“服务器”为中心，转向以“数据”为中心的新时代。
在存储行业，这一变革尤为显著。IDC产业目前大致分为算力、运力和存力三个部分。中国信息通信研究院院长余晓晖在中国算力大会上指出，中国存力规模在过去一年中持续增长，截至2023年底已达到约1200EB，同比增加20%，先进存储容量占比也提升了20%。这反映了存储行业在应对数据洪流时的积极应对和快速发展。
中国电子技术标准化研究院发布的《AIGC数据存储研究报告》强调，AIGC技术进一步凸显了“以数据为中心”的趋势，数据的按需流动和存储成为支撑这一技术变革的关键。浪潮信息存储首席架构师孙斌认为，随着AI应用的深入发展和数据要素市场化进程的推进，数据的重要性日益凸显，存储行业需要满足越来越多的近数据计算需求，同时提升数据调用的速度。
当前，存储行业面临的挑战不仅仅是解决数据存储问题，还需要具备并行存储能力，解决数据流动问题，并提升数据访问效率。随着大模型应用的落地，企业内部和社会公共数据量呈现几何倍数增长，如何高效存储和节约存储空间成为企业降本增效的重要议题。
在AIGC场景下，存储系统需要面对性能、效率和韧性方面的挑战，存储底座需要具备“六维”协同能力，包括数据流动、处理、共享、容纳、安全和管理六种能力，以满足AIGC对存储的复杂需求。这一需求推动了存储架构的变革，存储系统不再是单纯的数据存储容器，而是成为推动AI发展的核心组件。
为了提高GPU的利用效率，存储系统需要提供TB级的高带宽和百万级的高IOPS，以确保模型训练的高效运行。同时，数据中心内部需要一套全新的存储架构，支撑混合负载，并通过统一系统实现数据全生命周期的应用。孙斌指出，解决数据流动问题需要全新的存储架构来支撑。
以清华大学的生命科学研究项目为例，该项目需要实时在线存储，不能丢帧，对存储系统的要求极高。RUSH脑成像系统产生的海量小文件和长时间稳定写入的需求，也对存储系统带来了严峻挑战。随着AIGC走进高校，成为研究课题，存储系统也需要满足师生对高效数据调取的需求，避免资源浪费和科研成本上升。
面对这些挑战，存储行业需要解决如何在更小的空间内存储更多数据的问题。一方面，通过优化存储系统提高空间利用率，利用AI技术在缓存方面进行智能调整。另一方面，新的存储介质如QLC和SSD等也在不断发展，进一步优化容量和成本，使SSD在数据中心中的应用更加广泛。浪潮信息认为，在混合负载场景中，闪存正在逐渐成为重要支撑手段。
基于此，浪潮信息存储提出了可组合分布式融合存储（CDFS）的新模式，打造了三层三面两体的可组合架构。这一架构通过数据编织层、微服务化功能层和硬件资源层，以及控制面、数据面和智能面的协同，实现了存储资源的协同处理和按需分配。同时，CDFS还根据不同场景细分为机柜级存储底座（BoR）和数据中心级存储底座（BOD），满足了数据中心的两极化发展需求。
BoR适用于边缘化、规模小的企业侧应用，如数据空间应用场景，通过定制化闪存模组和领域专用硬件节点，实现了高效、低成本的近数据计算。而BOD则适用于通用大模型训练、调优等场景，需要跨云、跨系统、跨地域的协同计算能力，通过分布式融合架构和智能数据管理平台，实现了存储资源的统一管理和高效利用。
