为AI时代重新思考存储架构

在2026年巴塞罗那世界移动通信大会上，华为利用这一舞台提出，AI应用的下一阶段将更少依赖于模型本身，而更多取决于为其提供支撑的基础设施。

华为数据存储产品线总裁袁媛在活动上表示，许多组织已经开始尝试AI实验，但尚未在生产环境中实现规模化部署。根据华为的数据，在过去两年中，超过90%的企业探索了AI驱动的创新，但成功实现规模化部署的企业不足10%。

主要原因之一在于数据。

企业仍然面临着数据孤岛分散、数据质量不一致，以及数据收集、清洗和标注等劳动密集型准备流程的困扰。这些问题使得AI系统难以交付商业价值，并引发了关于投资回报率的质疑。

华为的观点是，存储基础设施的角色必须演进。未来的平台不应仅仅是归档信息，而需要支持AI系统持续访问、学习和更新数据。正如袁媛所描述的，这一转变将推动组织从存储数据转向存储知识和记忆。

这一变化反映了AI应用运行方式的更广泛转型。随着智能体成为数据的主要消费者，存储平台必须支持包括向量、图和键值数据模型在内的新格式。华为认为，将知识存储、记忆功能和推理加速集成到统一的数据平台中，可以简化架构并提升性能。

该公司还强调了电信运营商在AI服务扩展过程中面临的运营压力。推理速度、可靠性和成本仍然是运营商在客户服务、内部系统和新数字产品中部署大语言模型时面临的关键挑战。

华为提到了与一家中国运营商共同开发的智能计算服务平台，该平台使用大规模键值缓存来提高效率。通过减少重复计算并协调片上内存、DRAM和存储，该系统旨在提高吞吐量，同时降低推理成本和响应时间。

华为传递的更广泛信息是，AI基础设施规划必须超越GPU和模型训练的范畴。存储架构、数据生命周期管理和计算协作将越来越多地决定组织部署AI的有效性。

对于正在经历数字化转型的电信运营商而言，其含义显而易见。数据基础设施可能成为使AI在规模化应用中切实可行的最关键基础之一。

Q&A

Q1：为什么大多数企业的AI项目无法规模化部署？

A：主要原因在于数据问题。企业面临着数据孤岛分散、数据质量不一致，以及数据收集、清洗和标注等劳动密集型准备流程的困扰。这些问题使得AI系统难以交付商业价值，并引发了投资回报率的质疑。根据华为数据，虽然超过90%的企业探索了AI创新，但成功规模化部署的不足10%。

Q2：未来的存储基础设施需要具备哪些新能力？

A：未来的存储平台不应仅仅归档信息，而需要支持AI系统持续访问、学习和更新数据，实现从存储数据到存储知识和记忆的转变。随着智能体成为数据的主要消费者，存储平台必须支持向量、图和键值等新数据模型，并将知识存储、记忆功能和推理加速集成到统一平台中。

Q3：华为提出的键值缓存技术如何提升AI推理效率？

A：华为与中国运营商开发的智能计算服务平台使用大规模键值缓存来提高效率。该系统通过减少重复计算并协调片上内存、DRAM和存储资源，能够提高吞吐量，同时降低推理成本和响应时间，帮助电信运营商更有效地部署大语言模型服务。