问题：智能应用从“能用”到“好用”，卡数据底座“最后的硬仗” 3月20日，华为中国合作伙伴大会2026数据存储峰会在深圳举行。与以往以单点产品更新为主的发布不同，本次峰会把焦点放在智能应用规模化落地的共性难题：数据体量快速膨胀、业务对响应时延与稳定性的要求陡增，而传统存储体系在成本、效率与安全诸上的短板日益凸显。业内普遍认为，决定大模型与行业智能能否进入“工程化、规模化”阶段的关键，不仅算法能力，更在数据如何高效存放、快速调用与可信流转等基础环节。 原因：数据规模与访问模式改变，传统架构难以适配新负载 一是成本压力加剧。面向PB级乃至EB级数据的存储扩容，若仍沿用“堆设备、堆盘位”的传统思路，容易带来建设周期长、一次性投入高、后期运维复杂等问题，难以匹配企业分阶段上线、按需增长的建设节奏。 二是效率瓶颈显现。训练与推理对数据读写提出更高并发、更低时延要求，数据在计算节点与存储节点之间频繁搬移，I/O等待造成的资源空转增加，影响算力利用率，进而推高单位任务成本。 三是数据冷热分层与长期保存矛盾突出。行业语料、日志、视频影像等数据既要长期可靠保存，又要在需要时快速调取；单一介质往往难以同时兼顾性能、寿命与成本，数据治理与合规要求也对存储系统提出更严标准。 影响：底层能力成为产业分水岭，产业链与服务链同步承压与受益 底座能力的短板直接影响应用落地速度：一上，企业建设智能平台时面临“算力上得去、数据跟不上”的掣肘；另一上，数据安全与合规压力上升，任何环节的薄弱都可能放大业务风险。，随着存储从“配套设备”转为“关键基础设施”，对应的产业链条迎来重估：固态硬盘、存储控制器、高速互连部件、功能材料，以及系统集成与运维服务等领域的需求有望随之增长。部分国内厂商已围绕服务器固态盘、存储材料、行业数据平台与集成服务等方向加快布局，产业协同趋势更为明显。 对策：面向全流程重构算存协同，以体系化能力补齐“底座短板” 峰会传递的解题思路是以“全流程适配”为牵引，围绕语料准备—训练—推理的关键路径，推动存储从单一设备升级为可弹性供给的能力池。 其一，推进全闪存化与存算分离等架构演进。面向高并发、低时延场景，全闪存有助于提升随机读写性能；存算分离则有利于计算与存储独立扩展，降低扩容对业务的影响，并为资源统一调度、按需供给创造条件。 其二，探索多介质协同的混合存储路径。将不同介质在成本、性能与寿命上的差异转化为体系优势，通过智能分层与统一管理实现“热数据快、冷数据省、归档数据久”，以更可控的总拥有成本满足长期保存与快速访问的双重要求。 其三，把数据安全与可靠性贯穿全生命周期。围绕数据加密、访问控制、审计追溯、容灾备份等能力构建可信底座，既服务行业数据要素流通，也为关键领域应用提供更稳健的风险屏障。 其四，强化生态合作与服务能力，打通落地“最后一公里”。智能基础设施的建设往往涉及现网迁移、异构系统对接、性能调优与长期运维，离不开区域合作伙伴与专业服务体系的支撑。通过“产品方案+集成交付+持续运维”的协同模式，可提升行业复制效率，缩短从试点到规模部署的周期。 前景：竞争重心下移，“强底层”将决定规模化速度与质量 业内观察认为，智能化发展正在经历从“模型能力竞赛”向“工程能力竞赛”的转换：谁能在数据治理、算存协同、可靠安全与生态交付上形成体系化优势，谁就更可能率先完成从示范应用到规模推广的跨越。随着数据要素市场建设推进、行业智能加速落地，面向高可靠、低时延、可持续演进的存储与数据基础设施将成为新一轮数字化升级的重要支点。与此同时，产业发展也需尊重技术迭代与应用成熟规律，企业应结合自身业务负载与合规要求，分阶段推进建设，避免盲目扩张带来资源浪费。
AI浪潮席卷全球的当下，底层能力的提升往往比表层创新更能决定落地成效；华为此次在数据存储领域的布局，一上为行业提供了可操作的思路与路径，另一方面也提示了一个方向：智能化的规模推进离不开全链条的协同演进。只有产业链各方共同夯实数据底座，AI赋能千行百业才更有望从设想走向落地。