昨日，國際數據公司(IDC)與浪潮信息聯(lián)合發(fā)布《2025年中國人工智能計算力發(fā)展評估報告》，《報告》指出，隨著人工智能技術的飛速發(fā)展，企業(yè)對數據存儲的需求達到了前所未有的高度。

　　IDC數據顯示，2024年全球企業(yè)在人工智能存儲領域的支出達到67億美元，2025年將增至76億美元，2028年有望達到102億美元，2023-2028年五年年復合增長率為12.2%。

　　大模型訓練和生成式人工智能技術的應用對存儲市場產生了顯著影響。首先，算力的增強推動了對存儲性能需求的升級。存儲系統(tǒng)需要具備更大的容量、更快的讀寫速度、更低的延遲、更高的可靠性和更佳的靈活性，以支持高效的數據處理與模型訓練，同時適應不斷增長的數據量和擴大模型規(guī)模的需求。在這個過程中，分布式存儲架構憑借其性能線性擴展的優(yōu)勢，成為訓練場景的主要選擇。

　　隨著算力集群規(guī)模擴大，存儲帶寬需相應提升，傳統(tǒng)集中式存儲和串行運算模式已難以滿足需求。分布式存儲與并行運算的結合，為人工智能領域提供了新的解決方案。分布式存儲系統(tǒng)通過將數據分散在多個物理節(jié)點上，提供冗余備份、無限擴展性和并行訪問，提升數據可靠性和容錯性，系統(tǒng)可以迅速從其他節(jié)點恢復數據，確保應用的連續(xù)運行;支持PB級甚至EB級數據擴展，滿足人工智能模型對海量數據的需求;支持并行訪問，多個節(jié)點可以同時讀取和寫入數據，降低數據訪問延遲。

　　其次，存儲系統(tǒng)需要能夠靈活應對復雜的數據治理和應用需求。當訓練出的大模型應用于具體行業(yè)時，需要將行業(yè)內的各種數據與大模型結合，而這些海量數據來源廣泛、類型多樣且分布在不同地點，企業(yè)需要高效完成這些數據的匯集和預處理。除分布式存儲架構外，多協(xié)議支持將成為關鍵。存儲系統(tǒng)需要支持多種數據訪問協(xié)議以及具備無損互通非結構化數據的能力，兼容不同數據格式和傳輸方式，從而提高數據管理的效率和靈活性，滿足復雜應用場景的需求。

　　未來，隨著推理工作負載的增加，存儲系統(tǒng)將更加注重快速讀寫數據、實時響應推理任務、支持大量并發(fā)訪問以及確保數據的高可用性和完整性。通過采用NVMe SSD等高性能存儲介質，結合數據緩存和預取機制，設計靈活的擴展方案，并實施智能數據管理和優(yōu)化策略，可以幫助企業(yè)提高存儲利用率和性能，優(yōu)化數據治理，加速數據價值挖掘。

　　全閃存存儲方案憑借其卓越的數據傳輸速度、更低的能耗以及更高的單位物理空間容量，在人工智能市場中展現出強勁的增長勢頭。特別是QLC SSD(四層單元固態(tài)硬盤)，預計將在以讀取為中心的工作負載及應用程序中，以及緩存和分層架構的企業(yè)SSD市場中占據越來越重要的地位。PCIe接口協(xié)議正逐步占據更大的市場份額，代表下一代高性能網絡技術的NVMe over Fabric(NVMe-oF)也開始嶄露頭角。NVMe-oF能夠提供服務器與網絡存儲間極低的訪問延遲，從而充分發(fā)揮NVMe SSD的優(yōu)勢并加速其普及。