燒錢，能解決 AI 存儲的焦慮嗎？

作者 | 陳姚戈

存儲短缺帶來的焦慮，在 2026 年仍將延續(xù)。

最近，不管是三星、SK 海力士、美光在內(nèi)的固態(tài)存儲上游廠商，還是戴爾、惠普、聯(lián)想等下游品牌，均在不同場合確認“存儲短缺可能延續(xù)至 2026 年甚至更久”，并采取漲價、囤貨，或調(diào)整配置等應對措施。

弗若斯特沙利文的觀察顯示：頭部企業(yè)中，萬卡 AI 集群成為常態(tài)讓存儲的 IO 和容量擴展開始拖后腿，存儲成本的增速甚至可能超過算力成本，廠商們調(diào)整存儲架構(gòu)以降低 TCO；大量的傳統(tǒng)企業(yè)中已經(jīng)出現(xiàn)整體 TCO 焦慮，雖然 GPU 單價在下調(diào)，但因為沿用傳統(tǒng) IT 存儲體系，AI 項目中存儲和網(wǎng)絡的成本占比越來越高。

一邊是全球性短缺與成本上行，一邊是企業(yè)存不起、買不起的現(xiàn)實焦慮。破解 AI 存儲荒，已經(jīng)成為產(chǎn)業(yè)共同面對的關(guān)鍵議題。

為了幫助更多 AI 從業(yè)者、企業(yè)決策者在數(shù)智化轉(zhuǎn)型中，做出更好的業(yè)務決策，InfoQ 聯(lián)合騰訊云發(fā)起了「InfraTalk」直播 IP 系列，聚焦云基礎設施的技術(shù)演進與產(chǎn)業(yè)價值，邀請行業(yè)分析師、企業(yè)實踐者與云廠商共同探討 AI Infra 的能力框架、落地路徑與未來趨勢。

以下內(nèi)容為第三期圓桌直播內(nèi)容精要。InfoQ 邀請文遠知行存儲系統(tǒng)負責人黎偉杰、騰訊云存儲研發(fā)總監(jiān)程力，以及弗若斯特沙利文分析師宋安琦，從應用實踐、技術(shù)架構(gòu)與行業(yè)趨勢三個維度，系統(tǒng)解析存儲短缺的成因、企業(yè)在存儲焦慮下的布局策略，以及 AI 存儲未來的競爭主線。

寶藏觀點集中看

掃描二維碼，獲取騰訊云聯(lián)合 IDC 發(fā)布的《AI Infra：加速智能體落地的基礎架構(gòu)發(fā)展趨勢與產(chǎn)業(yè)實踐》白皮書，了解更多行業(yè)知識。

1 AI 落地時代的存儲大考

隨著 AI 在各行業(yè)加速落地，傳統(tǒng)云存儲正面臨前所未有的壓力。

自動駕駛、智慧城市、醫(yī)療健康、具身智能等重數(shù)據(jù)行業(yè)推動了非結(jié)構(gòu)化數(shù)據(jù)的快速膨脹；多模態(tài)訓練、在線推理和數(shù)據(jù)挖掘等復雜場景，對吞吐、延遲與數(shù)據(jù)結(jié)構(gòu)的要求日益提升，使得存儲系統(tǒng)在性能、架構(gòu)和治理層面全面承壓。

最先暴露的是性能瓶頸。企業(yè)需要同時處理大規(guī)模原始數(shù)據(jù)的高吞吐寫入，以及訓練場景中對隨機讀取和低延遲的極致要求，這種“極端混合負載”讓原本面向小 I/O 優(yōu)化的傳統(tǒng)架構(gòu)難以為繼。

隨之而來的是成本與資源優(yōu)化壓力。存儲介質(zhì)價格普遍上漲，資源供應緊張，企業(yè)亟需通過熱存與冷存分層、精細化資源規(guī)劃等手段實現(xiàn)高效利用。算力側(cè)通過專用芯片和集群調(diào)度持續(xù)降本增效，此時若存儲側(cè)仍采用全熱存 / 全閃存等粗放策略，將迅速形成 TCO 瓶頸。

數(shù)據(jù)治理也變得更復雜。多租戶架構(gòu)需要在保證核心業(yè)務的同時進行細粒度資源隔離；跨地域、跨云部署則要求數(shù)據(jù)在不同法規(guī)體系下仍能高效流動。

AI 計算與存儲的規(guī)模，使得堆卡不再現(xiàn)實，系統(tǒng)對軟件質(zhì)量、性能可靠性和管理能力都提出了前所未有的嚴苛要求。

在壓力倒逼下，存儲技術(shù)本身也開始向新軌道演進。

最顯著的趨勢是，存儲正從數(shù)據(jù)堆放點轉(zhuǎn)變?yōu)閿?shù)據(jù)治理的關(guān)鍵環(huán)節(jié)。面對海量、多模態(tài)與異構(gòu)數(shù)據(jù)，傳統(tǒng)以計算端為核心的數(shù)據(jù)治理方式已難以滿足 AI 對上下文精準匹配與快速處理的需求。存儲側(cè)治理正在崛起，通過構(gòu)建統(tǒng)一命名空間、引入 AI 自動提取元數(shù)據(jù)及多模態(tài)向量索引等技術(shù)，實現(xiàn)從“找到數(shù)據(jù)”到“快速找準數(shù)據(jù)”的轉(zhuǎn)變。

與此同時，緩存加速技術(shù)正沿 AI 場景需求深入演進。優(yōu)化利用資源成為企業(yè)的關(guān)注重點，極簡架構(gòu)和“顯存 + 內(nèi)存 + 存儲”的三級緩存體系，減少了 IO 路徑和重復計算。目前，這些能力已經(jīng)在多輪對話等典型場景中體現(xiàn)成效，未來有望成為存儲底座的支撐。

存儲的數(shù)據(jù)安全管理升級更加急迫。面對數(shù)據(jù)泄露來源更加分散、鏈路更加復雜的現(xiàn)實，企業(yè)不僅需要傳統(tǒng)的訪問管理，更要能識別“看不見的協(xié)作風險”。領(lǐng)先企業(yè)已開始引入 AI 驅(qū)動的敏感數(shù)據(jù)監(jiān)測服務，實現(xiàn)智能告警與自動響應，同時通過零信任架構(gòu)、最小權(quán)限管理、WORM 防篡改等措施，保障數(shù)據(jù)從接入到使用全流程的安全可控。

AI 的全面落地正在將存儲從一個被動的容量提供者，推向具備治理能力、性能優(yōu)化、安全保障與工程協(xié)同的主動式基礎設施。它不僅承載數(shù)據(jù)，更參與業(yè)務與算力的聯(lián)動，成為 AI 規(guī)模化落地的不可替代的底層支持。

2 存儲焦慮下，規(guī)劃存儲體系的方法論

當下全球存儲行業(yè)仍處于產(chǎn)能緊張、供需失衡的“賣方市場”，價格波動頻繁且供應鏈風險上升。

在這一背景下，AI 存儲的投資需要建立合理的價值評估方法，和貫穿數(shù)據(jù)全生命周期的規(guī)劃。

AI 存儲的價值評估

一個合理的評估方法，至少應覆蓋性能、資源效率、數(shù)據(jù)價值和可靠性四個維度：

1. 系統(tǒng)性能維度：關(guān)注吞吐帶寬、IOPS、端到端讀寫時延、并發(fā)客戶端數(shù)等決定 GPU 利用率低核心指標；同時需考察整體吞吐量和帶寬利用率。

2. 資源效率維度：關(guān)注有效容量壓縮、去重比、存算比和空間膨脹比（物理存儲容量 / 邏輯數(shù)據(jù)大小）等具體指標

3. 數(shù)據(jù)價值維度：分析各項目的空間使用趨勢和冷數(shù)據(jù)占比，判斷數(shù)據(jù)真實價值，指導采購和擴容決策。

4. 可靠性維度：關(guān)注可用性、故障恢復時間、數(shù)據(jù)完整性校驗和多租戶隔離能力。

全生命周期規(guī)劃

基于清晰的評價指標，企業(yè)才能規(guī)劃不同階段的存儲建設目標。

早期，業(yè)務核心是快速驗證模型，滿足核心訓練需求，穩(wěn)定且高性能的存儲系統(tǒng)是首要投資標準。

隨著推理服務和 Agent 應用上線，企業(yè)需要關(guān)注以存代算、數(shù)據(jù)編織等提升推理效率的技術(shù)，通過更聰明的數(shù)據(jù)組織方式減少算力浪費、降低成本。

在長期規(guī)劃中，企業(yè)必須面對數(shù)據(jù)規(guī)模的指數(shù)級增長，布局具備百 EB 級擴展能力、支持跨域治理的湖倉一體架構(gòu)，為未來 5～10 年的數(shù)據(jù)洪峰預留空間。

在數(shù)據(jù)增長與成本控制之間找到平衡，是 AI 存儲的普遍難題。騰訊云與文遠知行的觀點提供了兩條互補路徑。

從能力發(fā)展的角度看，程力認為，中國企業(yè)正處于數(shù)據(jù)爆發(fā)的早期階段，“保證有地可存”比“過度優(yōu)化”更緊迫。如果過早因為成本焦慮而人為壓縮數(shù)據(jù)規(guī)模，會在未來模型迭代中失去寶貴資產(chǎn)。因此，企業(yè)應提前規(guī)劃容量上限，并構(gòu)建可持續(xù)擴展的底層架構(gòu)。

從具體業(yè)務的角度看，黎偉杰表示，公司的 AI 存儲焦慮不在性能上，而是在“存不起、買不起的經(jīng)濟擔憂。”他表示，內(nèi)部沒有把希望寄托在硬件的降價，希望通過軟件升級、數(shù)據(jù)策略來緩解焦慮。文遠知行的策略是利用智能分層把數(shù)據(jù)放到相應成本池、利用混合云存儲架構(gòu)緩解突發(fā)的存儲壓力，以及把存量存儲轉(zhuǎn)化為高價值存儲，提高數(shù)據(jù)利用率。

總的來說，AI 存儲的長期規(guī)劃依賴兩項核心能力：一是前置規(guī)劃的能力；二是通過軟件和架構(gòu)優(yōu)化提升資源利用效率的能力。

前者決定企業(yè)在數(shù)據(jù)洪流中能否有地可存，后者決定在成本曲線不斷抬升的背景下，是否能夠用得高效、存得經(jīng)濟。

3 一個全球化智駕團隊，需要怎樣的 AI 存儲系統(tǒng)支撐？

作為一家全球化運營的自動駕駛公司，文遠知行提供了一個清晰的樣本，展示了在存儲焦慮下，如何基于真實業(yè)務場景構(gòu)建 AI 存儲體系。

作為業(yè)務覆蓋全球十余個國家、三十余座城市的自動駕駛企業(yè)，文遠知行需要處理來自不同運營區(qū)域、不同車型、不同傳感器的數(shù)據(jù)洪流。為支撐近乎全天候的混合業(yè)務架構(gòu)，公司構(gòu)建了以廣州與硅谷為核心的自建數(shù)據(jù)中心，并深度整合騰訊云等云廠商資源資源，形成一個可擴展的混合云體系。

當數(shù)據(jù)規(guī)模跨入 PB 級別后，傳統(tǒng)的“存得下、跑得快”已不足以描述自動駕駛企業(yè)的真正需求。文遠知行必須回答兩個更深層的問題：

第一，如何在性能與成本之間為海量數(shù)據(jù)找到動態(tài)最優(yōu)解？

第二，如何在成百上千個并發(fā)任務中管控資源邊界，使核心任務不被拖慢？

為解決這兩個問題，文遠知行自研了對象存儲系統(tǒng) WeRide File System 和高性能分布式文件系統(tǒng) LightningFS。

WeRide File System 承載了公司全部原始數(shù)據(jù)及海量溫冷數(shù)據(jù)，其定位已超越簡單擴展存儲空間的階段，演進為一個智能數(shù)據(jù)調(diào)度中心。

WFS 具備強大的冷熱感知機制，能依據(jù)數(shù)據(jù)使用頻率和訪問規(guī)律自動執(zhí)行分層策略：熱數(shù)據(jù)保留于本地高性能存儲池，溫數(shù)據(jù)轉(zhuǎn)存至本地低成本資源池，極低頻的冷數(shù)據(jù)則自動遷移至公有云對象存儲 COS 的低頻或歸檔存儲中。這一機制有效突破了物理邊界，將公有云轉(zhuǎn)化為可無限擴展的“數(shù)據(jù)冰柜”，而所有數(shù)據(jù)流動對上層業(yè)務完全透明，業(yè)務側(cè)始終訪問統(tǒng)一的文件索引。

同時，WFS 實現(xiàn)了自適應編碼機制：對小文件及元數(shù)據(jù)采用多副本模式，避免額外計算開銷，保障極致訪問性能；對占存儲主體的大文件，則自動啟用糾刪碼存儲。該策略在保持小文件性能不受影響的前提下，將 90% 容量的大文件存儲利用率提升至兩倍以上。

針對大團隊協(xié)作，WFS 實現(xiàn)了細粒度帶寬管理機制，可根據(jù)業(yè)務優(yōu)先級（如高優(yōu)訓練任務與低優(yōu)歸檔任務）劃分帶寬通道，確保即使歸檔任務全力上傳至公有云，核心數(shù)據(jù)處理帶寬仍不受影響，從而保障多租戶環(huán)境下的服務質(zhì)量。

LightningFS 部署于計算最密集的區(qū)域，直接服務于 GPU 集群，其核心使命是確保算力被高效利用、資源被公平管理。

LFS 通過優(yōu)化元數(shù)據(jù)引擎與緩存架構(gòu)，確保即使在高并發(fā)隨機讀取場景下，延遲仍可控制在微秒級，持續(xù)提供高 IOPS，避免 GPU 因數(shù)據(jù)等待而閑置。

同時，LFS 通過自研配額機制，支持按項目設置空間、文件數(shù)及 I/O 使用上限，并實現(xiàn)實時監(jiān)控與閾值告警，確保資源使用的可控性與公平性，解決資源管控中的公地悲劇問題。

通過自建數(shù)據(jù)中心與自研存儲系統(tǒng)，并與騰訊云對象存儲 COS 合作，構(gòu)建混合云架構(gòu)，文遠知行持續(xù)探索 AI 存儲的成本、性能和效率最優(yōu)解，也成為重數(shù)據(jù)場景中落地 AI 存儲體系的標志性案例。

4 騰訊云如何打造場景化的 AI 存儲服務

文遠知行的實踐展示了存儲如何精準匹配業(yè)務需求，而騰訊云要做的，正是與客戶深度合作，將這類經(jīng)驗沉淀為可復用的平臺能力，為各行各業(yè)提供更成熟、更實用的 AI 存儲解決方案。

騰訊云存儲研發(fā)總監(jiān)程力表示，隨著 AIGC、自動駕駛、具身智能等新興場景的迅速擴張，企業(yè)對存儲系統(tǒng)的要求已從傳統(tǒng)的容量與基礎訪問能力，提升至對海量數(shù)據(jù)統(tǒng)一管理、多樣化數(shù)據(jù)整合、大規(guī)模數(shù)據(jù)處理、數(shù)據(jù)治理，以及整體成本與效率的全鏈路需求。在這些變化推動下，AI 場景為存儲帶來了前所未有的挑戰(zhàn)，也形成了新的發(fā)展空間。

在此基礎上，騰訊云構(gòu)建了以對象存儲為底座的 Data Platform數(shù)據(jù)平臺解決方案。對象存儲（COS）作為持久化底座，承載訓練數(shù)據(jù)、預處理數(shù)據(jù)及多模態(tài)數(shù)據(jù)；并推出數(shù)據(jù)加速器 GooseFS，提供緩存加速與數(shù)據(jù)流動能力，同時兼容 POSIX、HDFS 等協(xié)議，滿足數(shù)據(jù)湖、湖倉一體及海量小文件讀取等場景需求。

平臺還整合數(shù)據(jù)萬象及其智能檢索能力，提供多模態(tài)數(shù)據(jù)處理、合規(guī)審查、安全審核、以圖搜圖及向量檢索等能力，用于支撐企業(yè)的數(shù)據(jù)治理與檢索需求。

面向高性能存儲場景，騰訊云 GooseFS 提供包括緩存加速、并行文件系統(tǒng)，以及將 S3 語義轉(zhuǎn)換為 POSIX 語義的輕量網(wǎng)關(guān) GooseFS MountPoint。對象存儲層則通過元數(shù)據(jù)加速與數(shù)據(jù)端加速技術(shù)，實現(xiàn)多層級性能提升。對象存儲層則通過元數(shù)據(jù)加速與數(shù)據(jù)端加速技術(shù)，實現(xiàn)多層級性能提升

程力強調(diào)，在自動駕駛等典型 AI 場景中，騰訊云已將高性能緩存和智能檢索能力深度融合。例如，通過 GooseFS + MetaInsight，可實現(xiàn)跨桶、跨路徑的數(shù)據(jù)染色與 Asset 級管理，上層業(yè)務不再受限于傳統(tǒng)對象存儲的路徑與桶結(jié)構(gòu)。不同任務可就近拉取數(shù)據(jù)，大幅提升 GPU/CPU 的利用率，同時支持多任務并發(fā)時的靈活調(diào)度。

憑借在 AI 存儲技術(shù)、方案可靠性與生態(tài)構(gòu)建方面的持續(xù)領(lǐng)先，騰訊云收獲了包括文遠知行在內(nèi)的行業(yè)頭部客戶，也被弗若斯特沙利文評為 AI 存儲解決方案領(lǐng)域的行業(yè)領(lǐng)導者。

5 AI 存儲的未來競爭

在企業(yè)需求持續(xù)爆發(fā)，存儲供給可能長期短缺的背景下，未來五年 AI 存儲行業(yè)競爭將更加集中于體系能力的比拼，主要體現(xiàn)在三條主線：

第一條主線是技術(shù)架構(gòu)的競爭。圍繞 GPU、MPU 等異構(gòu)算力，誰能在高并發(fā)環(huán)境下提供更高的集群級吞吐量、更低的尾延遲，以及更智能的數(shù)據(jù)預取緩存和拓撲感知布局，誰就能更有效釋放算力價值。

第二條主線是數(shù)據(jù)價值的競爭。當“能存得下”不再是問題，行業(yè)將轉(zhuǎn)向比拼“如何用得好”：通過內(nèi)置索引、向量檢索、智能元數(shù)據(jù)分析以及 AIOps 自動調(diào)優(yōu)，讓存儲從成本中心轉(zhuǎn)變?yōu)閿?shù)據(jù)資產(chǎn)的運營平臺。

第三條主線是生態(tài)與自主可控。在全球存儲芯片供應緊張及地緣政治風險上升的背景下，構(gòu)建完整的國產(chǎn)化生態(tài)將變得至關(guān)重要。未來，一個存儲產(chǎn)品的成敗，不僅取決于其自身性能，更取決于它在國產(chǎn) AI 算力堆棧的適配與整合能力。

從企業(yè)實踐視角看，自動駕駛等重數(shù)據(jù)行業(yè)對 AI 存儲的未來發(fā)展還提出了更具體的需求。

文遠知行存儲系統(tǒng)負責人黎偉杰指出，行業(yè)期待從三個維度實現(xiàn)突破：

從“被動存儲”到“主動智能”。被動存儲，指不知道存入的文件對于業(yè)務來說意味著什么，基于簡單的規(guī)則來做數(shù)據(jù)治理。希望未來存儲能理解數(shù)據(jù)的業(yè)務價值，如自動識別高價值 Corner Case 并提升其存儲優(yōu)先級，實現(xiàn)基于價值的動態(tài)資源分配。

從存算割裂，走向透明化的統(tǒng)一編排。目前計算集群和存儲集群往往是物理隔離的，做任務編排時調(diào)度器不知道數(shù)據(jù)在哪里，需要工程師人為判斷和搬運，效率很低。希望未來借助統(tǒng)一命名空間實現(xiàn)存算協(xié)同調(diào)度，用戶不用擔心數(shù)據(jù)存放在本地 IDC、公有云還是邊緣站點，計算調(diào)度層能深度自動化，把任務給編排到離數(shù)據(jù)最近的集群。

從單點數(shù)據(jù)中心，到全球數(shù)據(jù)聯(lián)通。打破目前因政策、網(wǎng)絡或管理因素造成的多數(shù)據(jù)中心＋多云區(qū)域孤島，建立一套可統(tǒng)一調(diào)度、高速且合規(guī)的跨域數(shù)據(jù)通道，使數(shù)據(jù)在任意站點之間能像本地一樣高效流轉(zhuǎn)，減少復制延遲和運維復雜度。

“存儲荒”何時緩解，尚無確定答案。

但對身處這一周期的企業(yè)而言，可以確定的是，必須盡早補齊兩項核心能力——基于長期數(shù)據(jù)需求的前置規(guī)劃能力，以及持續(xù)提升資源利用效率的能力。前者關(guān)系到企業(yè)能否在數(shù)據(jù)規(guī)模持續(xù)擴張的背景下保持可持續(xù)的存儲空間，后者則決定在成本壓力不斷上行的環(huán)境中，項目是否具備可控的投入產(chǎn)出比。

隨著本期關(guān)于 AI 存儲的討論落幕，「InfraTalk」系列直播也暫告一段落。

從算力突破到存儲革新，我們深入 AI Infra 的核心，只為厘清技術(shù)趨勢，助力您更好地把握未來。

重溫全部精彩內(nèi)容，請關(guān)注專題頁面：

https://www.infoq.cn/theme/286

探索不止，讓我們持續(xù)關(guān)注前沿！