當(dāng)前，整個信息技術(shù)產(chǎn)業(yè)正處在一個關(guān)鍵的節(jié)點(diǎn)上。一邊是生成式AI、自動駕駛等技術(shù)快速商業(yè)化，推動全球數(shù)據(jù)總量激增。另一邊，基礎(chǔ)的數(shù)據(jù)存儲環(huán)節(jié)，正面臨從成本、容量到性能的全維度壓力。

全球存儲硬件價格已進(jìn)入顯著的上行通道，部分產(chǎn)品價格短期波動劇烈。這使得企業(yè)數(shù)據(jù)中心擴(kuò)容和AI基礎(chǔ)設(shè)施建設(shè)的預(yù)算持續(xù)攀升，成本控制面臨挑戰(zhàn)。與此同時，AI的普及也改變了數(shù)據(jù)性質(zhì)。自動駕駛產(chǎn)生海量感知數(shù)據(jù)，大模型需要處理PB級數(shù)據(jù)集，這些不僅要求“存下來”，更對存儲系統(tǒng)的容量擴(kuò)展提出了近乎無限的要求。AI推理場景中，對海量參數(shù)和億萬級小文件的實(shí)時并發(fā)調(diào)用，則將存儲系統(tǒng)的性能短板暴露無遺。

因此，當(dāng)前的存儲緊張，其本質(zhì)并非傳統(tǒng)的周期性價格調(diào)整，而是一場由AI技術(shù)驅(qū)動的“數(shù)據(jù)洪峰”，與全球存儲產(chǎn)能（特別是適應(yīng)AI需求的高性能產(chǎn)能）爬坡緩慢之間的結(jié)構(gòu)性碰撞。

行業(yè)的結(jié)構(gòu)性挑戰(zhàn)，必然呼喚結(jié)構(gòu)性的解決方案。在這一背景下，任何在AI存儲領(lǐng)域取得的實(shí)質(zhì)性突破，都格外值得關(guān)注。

近日，在全球權(quán)威的存儲性能評測 IO500 榜單中，京東云海存儲躋身全球前四，并位列國產(chǎn)自研第一。這項(xiàng)成績的一個關(guān)鍵背景在于，它是目前全球性能最強(qiáng)的、基于通用 NVMe 架構(gòu)的 AI 存儲系統(tǒng)，同時也是全球最大規(guī)?；趪a(chǎn) CPU 的 AI 存儲實(shí)踐。

這一突破之所以引人注目，是因?yàn)樗灰蕾囉跇O端專用硬件，而指向了一條通過全棧自研的軟件和架構(gòu)優(yōu)化，在通用化、開放化的技術(shù)路徑上實(shí)現(xiàn)頂級性能的路徑。這無疑為應(yīng)對前述行業(yè)困境，提供了一個新的、切實(shí)可行的技術(shù)視角。

01、一場非周期性的“存儲荒”

談?wù)撊斯ぶ悄艿奈磥?，業(yè)界有一個共識：AI 始于數(shù)據(jù)而不是 GPU。因此 AI 時代也是數(shù)據(jù)存儲創(chuàng)新的黃金時代。

過去，存儲系統(tǒng)的設(shè)計首要考量是容量與可靠性，性能往往是夠用即可；但在 AI 的世界里，尤其是在大模型訓(xùn)練與高頻推理場景下，數(shù)據(jù)的供給速度直接決定了價值數(shù)千萬乃至上億的 GPU 集群，究竟是在全力“煉金”，還是在無奈“空轉(zhuǎn)”。

傳統(tǒng)存儲架構(gòu)在處理這類元數(shù)據(jù)密集型負(fù)載時，其吞吐能力和延遲瓶頸暴露無遺，直接導(dǎo)致昂貴的算力資源利用率長期徘徊在低位，“算力空轉(zhuǎn)”成為行業(yè)通病。

據(jù) Gartner 預(yù)測數(shù)據(jù)，2025 年全球 Data Center 支出將激增約 46%，接近 4900 億美元，這一增長主要是由生成式 AI 驅(qū)動，AI服務(wù)器正在消耗全球 40% 的 DRAM 和高容量SSD。這意味著海量的非結(jié)構(gòu)化數(shù)據(jù)，如文本、圖像、視頻等，不僅需要被簡單地歸檔保存，更需要被實(shí)時地、高并發(fā)地處理和調(diào)用。

需求的劇變，迅速傳導(dǎo)至供給端，引發(fā)了一系列連鎖反應(yīng)。為滿足 AI 服務(wù)器對極致內(nèi)存帶寬的渴求，全球主要的存儲芯片制造商，如三星，SK 海力士，正將核心的晶圓產(chǎn)能，大規(guī)模轉(zhuǎn)向生產(chǎn)高帶寬內(nèi)存（HBM）和 DDR5 等高端產(chǎn)品。

這種產(chǎn)能的“虹吸效應(yīng)”，直接導(dǎo)致傳統(tǒng)平價存儲產(chǎn)品 DDR4/LPDDR4X 供給同比減少 60%。一些頭部 AI 公司動輒鎖定全球產(chǎn)量數(shù)十百分比的大額長期協(xié)議，更是加劇了這種緊張，報價模式也從季度走向“每日定價”。這意味著采購存儲不再基于長期規(guī)劃，而更像是應(yīng)對每天價格波動的短線操作，一個由賣方主導(dǎo)的極端市場已然形成。

毫無疑問，我們正在經(jīng)歷的，并非存儲器行業(yè)周而復(fù)始的周期性價格波動，而是一場由 AI 技術(shù)革命直接驅(qū)動的“結(jié)構(gòu)性超級周期”。過去的周期有跡可循，供需在動態(tài)中尋找平衡；而此次，AI 帶來的需求是全新的、剛性的，且仍在急劇膨脹，它從根本上重塑了存儲市場的價值標(biāo)準(zhǔn)和供需關(guān)系。

因此，行業(yè)需要的是一種“不妥協(xié)”的解決方案：它必須在性能上足以喂飽最饑餓的 AI 算力，滿足千萬級 IOPS、TB 級帶寬和百微秒級延遲的嚴(yán)苛門檻；也必須在成本上具備極強(qiáng)的抗波動韌性，能對沖硬件漲價的壓力，甚至通過架構(gòu)創(chuàng)新降低總擁有成本；同時，在金融、政務(wù)等關(guān)鍵領(lǐng)域，它還必須滿足核心技術(shù)自主可控的剛性要求。

這三重要求，構(gòu)成了 AI 時代存儲底座必須跨越的“新三角”。

02、技術(shù)新周期，呼喚怎樣的新一代AI存儲

如前文所言，AI 所需求的存力不只是擴(kuò)大容量，而是徹底改變了“數(shù)據(jù)怎么被存、怎么使用、用得有多快”。海量的數(shù)據(jù)不僅需要被存儲，更需要被高速地處理、分析和調(diào)用。

由此，AI 存儲的門檻非常直觀。

大模型應(yīng)用場景下，數(shù)據(jù)集以文檔、圖片、音視頻等非結(jié)構(gòu)化小文件為主 —— 單文件通常僅為幾十字節(jié)到幾百 KB，但總量可達(dá)數(shù)億甚至數(shù)十億級別。這種“海量小文件”要求的儲存能力是，極高的元數(shù)據(jù)管理效率與高并發(fā)小文件吞吐。

帶寬亦是一大瓶頸。一般大模型應(yīng)用的讀取帶寬需求約為 40G，寫入帶寬約為 20G。數(shù)千個計算節(jié)點(diǎn)同時訪問存儲系統(tǒng)，存儲帶寬的要求比電商業(yè)務(wù)頂峰時段高出幾百甚至幾千倍，存儲性能的高低可能造成模型訓(xùn)練周期 3 倍的差異。再者，大模型參數(shù)實(shí)時同步要求存儲延遲低于 50 微秒，而傳統(tǒng) NAS 系統(tǒng)平均延遲 500 微秒以上。

若存儲帶寬或并發(fā)調(diào)度等核心能力跟不上，算力就會被逼成“等數(shù)據(jù)”的閑置狀態(tài)。GPU 長期低利用率、讀寫高延遲耽擱訓(xùn)練周期，直接拖慢產(chǎn)品落地。

傳統(tǒng)存儲性能不足，京東云海這類面向大模型場景深度優(yōu)化的基礎(chǔ)設(shè)施因此脫穎而出。

云海 AI 存儲可支持千億級參數(shù) AI 大模型，基于自研引擎采用全追加寫模型，融合超低延時 RDMA 網(wǎng)絡(luò)與軟件架構(gòu)優(yōu)化，實(shí)現(xiàn)了接近本地 NVMe 磁盤的 I/O 性能表現(xiàn)：4K 隨機(jī)寫 IOPS 達(dá)到 1000 萬級，平均延遲在 100 微秒級，單節(jié)點(diǎn)可提供 44GiB/s 的帶寬性能。

在大模型訓(xùn)練的并行文件存儲下，單文件系統(tǒng)支持千萬級 IOPS，上萬臺服務(wù)器同時并發(fā)訪問，為超大規(guī)模 AI 訓(xùn)練任務(wù)保駕護(hù)航。

但性能拉滿是一方面，性價比決定了它能否真正規(guī)?；涞?。

企業(yè)本身在在大容量、高性能存儲系統(tǒng)軟硬件方面投入已經(jīng)非?？捎^，單次投入多在數(shù)百萬至數(shù)千萬級別。以一臺 L3 級別的自動駕駛測試車為例，其平均每天產(chǎn)生 60TB 的數(shù)據(jù)，完整測試產(chǎn)生的數(shù)百 PB 數(shù)據(jù)更需要存儲 30 年以上。

除了巨量新增數(shù)據(jù)，企業(yè)還需兼顧存量數(shù)據(jù)的低成本存儲。像關(guān)鍵領(lǐng)域的數(shù)據(jù)存儲就有硬性要求，如政府電子檔案要求保存周期為 5 年甚至更長，公檢法司數(shù)據(jù)要求保存周期至少 30 年以上。

而較傳統(tǒng)超算存儲技術(shù)，云海 AI 存儲不采用 PMEM 硬件，具備更強(qiáng)通用性的同時，也實(shí)現(xiàn)了更低存儲成本。這是它能夠一舉拿下性能、成本、規(guī)?；涞囟囗?xiàng)第一的底氣。

音頻存儲可視為一個低頻文件需兼顧高安全與低成本的典型場景。像國內(nèi)頭部音頻平臺荔枝有數(shù)億低頻文件存儲需求，京東云基于自研云海存儲系統(tǒng)，為其構(gòu)建過一套兼顧性能、成本與可靠性的存儲解決方案。

其中包括通過存算分離架構(gòu)，將計算與存儲資源獨(dú)立調(diào)度，打破固定配比限制，使磁盤利用率提升至 90%；獨(dú)創(chuàng)冷熱數(shù)據(jù)自動分層機(jī)制，熱數(shù)據(jù)三副本保障毫秒級響應(yīng)，冷數(shù)據(jù)采用 EC 低冗余技術(shù)（僅 1.1x 副本率），在保持極高數(shù)據(jù)可靠性的同時，綜合存儲成本直降 30%；以及建立跨機(jī)架、多節(jié)點(diǎn)容災(zāi)體系，實(shí)現(xiàn)每次讀寫自動多副本備份。

得益于這些設(shè)計，云海存儲為荔枝 4.5 億用戶提供了高品質(zhì)、零中斷的音頻服務(wù)，為互聯(lián)網(wǎng)成熟期企業(yè)量身打造了經(jīng)濟(jì)高效、安全可靠的全新存儲范式。

當(dāng)然，作為國產(chǎn)自研第一的 AI 存儲，滿足國產(chǎn)化場景的可控需求方面，云海也做得足夠扎實(shí)。

信創(chuàng)重點(diǎn)行業(yè)如金融、政務(wù)、能源等關(guān)鍵領(lǐng)域需滿足信創(chuàng)適配要求，同時保證核心技術(shù)自主可控。這就需要企業(yè)在建設(shè)存儲系統(tǒng)中采用大量國產(chǎn)硬件，又不能為性能短板所限。

云海作為京東 100% 自研產(chǎn)品，代碼自研率超 98%，核心技術(shù)完全自主可控。且云海與主流國產(chǎn)化硬件和軟件兼容互認(rèn)，包括操作系統(tǒng)、數(shù)據(jù)庫、中間件、服務(wù)器、CPU等等，可基于全局無鎖架構(gòu)充分發(fā)揮國產(chǎn)硬件能力。

以金融行業(yè)為例，某頭部證券公司對存儲系統(tǒng)的要求非常具體：高性能、低成本，能夠無縫對接主流國產(chǎn)虛擬化平臺，并與現(xiàn)有域環(huán)境和告警平臺實(shí)現(xiàn)兼容。這些傳統(tǒng)存儲系統(tǒng)的“不可能任務(wù)”，云海通過采用多臺鯤鵬和海光 CPU 架構(gòu)存儲一體機(jī)搭建分布式存儲集群，解決了對應(yīng)挑戰(zhàn)。

在信息安全自主可控的前提下，提升資源利用率、降低硬件采購成本，這是現(xiàn)代企業(yè)數(shù)字化轉(zhuǎn)型的共同議題，也只有能全面處理相應(yīng)需求的存儲服務(wù)，能夠穿越這個“超級周期”。

03、解鎖AI生產(chǎn)力，國產(chǎn)存儲的破局之路

其實(shí)性能、成本和可控性的三維優(yōu)化，其綜合效益會體現(xiàn)在具體服務(wù)的“高可用性”上。換句話說，京東云海提供的 AI 儲蓄技術(shù)方案，讓高性能存儲從 “大廠專屬” 變?yōu)?“大眾可用”。

這種高可用性最突出的標(biāo)識是部署靈活。當(dāng)下，大多數(shù)云廠商傾向把存儲服務(wù)與云平臺高度綁定，其局限也很明顯：擴(kuò)容不靈活、彈性差、成本高，難以適應(yīng)多樣化與快速變化的業(yè)務(wù)要求。

但云海從京東云完全解耦，支持獨(dú)立部署交付，給到充分的配置自由度。這使其在超百家金融、證券、汽車等企業(yè)場景交付驗(yàn)收，并穩(wěn)定運(yùn)行至今。

再者，前文提到的價格競爭力，亦包含京東集團(tuán)的供應(yīng)鏈集采優(yōu)勢提供的保障。前文提到，由于 AI 與存儲需求激增，使得硬件供給結(jié)構(gòu)受到?jīng)_擊。而相較于純軟件競品，云海在通用硬件能力的基礎(chǔ)上，典型配置價格更低。企業(yè)用得起，且性價比優(yōu)勢明顯。

云海在京東內(nèi)部多種復(fù)雜場景的打磨實(shí)踐也不能忽視。在保證高性能與低成本的同時，云海產(chǎn)品的穩(wěn)定性歷經(jīng) 13 年實(shí)踐驗(yàn)證，從 618 到 11.11 的高流量洗禮中實(shí)現(xiàn)零故障。其穩(wěn)定性和可靠性的含金量早已全面領(lǐng)先，自然會吸引如科大訊飛一般的行業(yè)頭部客戶采用。

例如，科大訊飛 AI 營銷采用“開源分布式存儲軟件+服務(wù)器硬件”搭建，對十億級小文件數(shù)據(jù)量時，讀寫性能陡然下降。但升級京東云 AI 存儲云海后，科大訊飛 AI 營銷實(shí)現(xiàn)了一個集群一個文件系統(tǒng)，可輕松應(yīng)對多模態(tài)大模型時千億到十萬億的參數(shù)規(guī)模。

同時，基于高性能存儲層，以及大容量存儲層的自動數(shù)據(jù)分級，在大幅降低存儲成本的同時，實(shí)現(xiàn)了大模型訓(xùn)練能力的大幅提升，幫助科大訊飛的 AI 營銷業(yè)務(wù)降本增效。

行業(yè)普遍認(rèn)為，未來不可能是一個通用大模型解決所有用戶需求，而將存在多種應(yīng)用大模型根據(jù)用戶場景并行使用。這意味著，前文所討論的由 AI 驅(qū)動數(shù)據(jù)量激增以及高并發(fā)推理需求，將成為常態(tài)并持續(xù)走高。

此時此刻，我們顯然不能再將 AI 競爭等同于算力比拼。畢竟數(shù)據(jù)處理的需求需要長期、穩(wěn)定、可擴(kuò)展地服務(wù)于業(yè)務(wù)場景，如果存儲不能快速響應(yīng)、無法穩(wěn)定承載大規(guī)模數(shù)據(jù)訪問或成本過高，即使算力再強(qiáng)，也無法讓 AI 持續(xù)高效地服務(wù)企業(yè)用戶。

因此，存儲能力會是 AI 競爭的一個賽點(diǎn)，京東云海的 IO500 榜單成績亦是一個信號。其自研存儲系統(tǒng)仍有非常大的上限拓展空間，還將推動高性能存儲在模型訓(xùn)練、科學(xué)計算、大規(guī)模數(shù)據(jù)分析等垂直場景中廣泛應(yīng)用，助力更多企業(yè)重塑 AI 生產(chǎn)力。

尤其是在一個追求算力效率與自主可控的時代，云海 AI 存儲這種駕馭全局復(fù)雜性的“工程思維”，也代表了一種更具韌性和普適性的基礎(chǔ)設(shè)施構(gòu)建理念。它意味著，企業(yè)獲得先進(jìn)存力的方式可以變得更靈活、更經(jīng)濟(jì)，也更能支撐起持續(xù)演進(jìn)的AI戰(zhàn)略。

畢竟，AI 的普惠未來，離不開一個同樣普惠、堅(jiān)實(shí)且自主的數(shù)據(jù)基座。當(dāng)存儲的枷鎖被打開，數(shù)據(jù)的潛力才能真正奔涌，驅(qū)動智能最終抵達(dá)每一個需要它的角落。

*題圖及文中配圖來源于網(wǎng)絡(luò)。