映象舆情

近日，三星电子、SK海力士等全球头部内存供应商正式宣布，2025年四季度将持续上调DRAM与NAND等核心存储产品报价，涨幅最高达30%。“涨价+缺货” 的双重信号，已然成为全球存储器市场的主旋律。探其原由，是AI爆发式增长带来的对高性能、大容量存储的指数级需求增长。

在AI技术爆发初期，行业目光多聚焦于算力突破与算法优化，作为数据载体的存储技术往往被视作 “传统基建” 而被忽视。然而早在 2023 年，华为数据存储产品线总裁周跃峰便在多个公开场合前瞻性指出：“AI时代是一个数据觉醒的时代，作为数据的载体，数据存储亟待一场技术革命，让人类有更加好用的“纸张”，这样才能驾驭数据!” 如今全球存储市场的涨价潮与缺货现象，恰恰印证了这一判断：存储已从AI技术栈的 “幕后支撑” 跃升为 “香饽饽”，其关键价值在AI语料库构建、模型训练与推理三大核心环节中愈发凸显。

语料库是 AI 大模型的 “知识教材”，其规模与质量直接决定模型的能力边界。当前各行业正加速推进数据资源的汇聚与保存，推动传统 “烟囱式” 数据架构向一体化 AI 数据湖演进，以实现文本、图像、视频等多模态语料的高效归集与按需流动。以上海瑞金医院与华为联合研发的病理大模型RuiPath为例，该模型从2021年起便依托华为数据湖存储进行系统性数据整合，最终形成百万级量级的病理切片语料库——正是这一高质量数据底座，支撑RuiPath成功进化为具备临床应用资质的专业大模型，成为医疗AI领域的标杆案例。

AI 训练环节对存储的性能要求更为严苛：一方面需支撑海量训练数据的高频次调用与写入，另一方面模型训练过程中每两小时便需保存一次TB级规模的Checkpoint文件，以用于训练中断后的快速恢复，这对存储的带宽、IOPS与稳定性提出三重考验。专业AI存储通过技术创新破解了这一痛点：在升级硬件性能的同时融入数据编织能力，并借助近存计算技术实现近数据预处理。以华为OceanStor AI存储为例，其通过近数据预处理技术将训练效率提升30%以上，大幅缩短模型的训练周期。

而在AI推理环节，存储性能可直接影响用户体验。当前业界普遍采用KV Cache机制加速推理过程——通过 “缓存” 历史推理结果来提升响应速度与准确性，但这一机制也给高带宽内存(HBM)带来巨大负载压力。对此，清华大学与月之暗面率先提出创新解决方案：构建 HBM、DRAM 与 SSD 三级一体化存储资源池，通过智能软件实现分级存储与动态调度。华为亦在今年8月推出推理记忆数据管理器(UCM)，通过高效管理历史推理 “记忆” 实现推理加速，目前中国银联、中国工商银行等金融行业标杆企业已率先部署该方案，验证了其在关键业务场景的实用价值。

从市场布局来看，以OpenAI为代表的国际AI巨头已启动未来2-3年数据底座的前瞻性建设，国内阿里云、腾讯、字节等互联网科技企业也在持续加大 AI 基础设施投入。未来，存储还将随着Agentic AI的发展持续演进，可以预见，存储不再是AI发展的 “配套设施”，而是成为支撑技术创新与产业升级的核心基础设施，在AI技术栈中占据不可替代的战略地位。