AI为何成基础设施投资核心驱动力 解读IDC最新报告

近日IDC 发布《中国超融合市场跟踪报告，2025 年第一季度》，详解中国区超融合发展趋势、市场份额规模以及厂商占比。数据显示，2025 年第一季度，中国超融合整体市场同比增长 14.1%，规模超过 30.9 亿人民币，其中新华三在超融合整体市场份额中排名领先，深信服与 SmartX 分别在全栈超融合与软件市场中排名第一。

值得注意的是，在超融合市场发展趋势方面，报告指出人工智能场景的落地正在推动全栈超融合的增长，2024 年中国含 AI 相关软件的全栈超融合系统市场份额如下图所示。IDC 预测，生成式人工智能（GenAI）将在未来 18 个月内成为基础设施投资的首要驱动力。

*数据来源：IDC《中国超融合市场跟踪报告，2025 年第一季度》

企业级AI 应用在落地过程中，对 IT 基础架构的性能、资源利用率、容器环境支持、多样化数据存储能力等方面有较高的要求：

l灵活的计算与存储资源调度：在进行AI 应用开发时，不同开发组对 GPU 资源的需求量不同，一些开发任务也不会完全占用一块 GPU 卡的资源；在使用 AI 应用时，不同应用对 GPU 和存储的资源需求也不尽相同，且需求量可能变化频繁。这些都要求 IT 基础设施能够灵活切分、调度计算与存储资源，同时支持高性能 CPU 与 GPU 算力，在提升资源利用率的同时满足不同应用/开发任务的资源需求。

l高性能、低时延的存储支持：对行业大模型进行微调时使用的GPU 规模较大，要求存储能够为 GPU 并行计算提供高性能、低时延的数据支持。AI 应用的全流程也要面对多个数据源的大量数据读取/写入：源数据通过预处理，可参与到大模型的微调和推理过程，并对推理形成的文本/语音/视频数据进行保存和输出。这些工作都要求存储具备高速写入与读取能力。

l多样化的数据存储支持：上述AI 应用相关的工作流程中，需要同时处理结构化数据（如数据库）、半结构化数据（如日志）和非结构化数据（如图像和文本），要求 IT 基础设施能够支持适用于不同类型数据的不同存储技术。AI 工作的不同环节使用存储数据的需求也各不相同，有些需要提供高速存储响应，另一些可能更需要共享读写能力。

l虚拟化与容器化工作负载的统一支持：得益于Kubernetes 的灵活调度能力，越来越多的 AI 应用正在采用容器化和云原生化的运行模式，而基于虚拟机运行的应用仍将长期存在，这就要求 IT 基础设施能够为虚拟化和容器环境提供统一支持和管理。

l灵活拓展：为了支持AI 应用的快速上线并跟随业务发展的规模，IT 基础架构也应具备灵活扩展、简易运维、快速部署等能力。

针对AI 训练与推理场景打造的全栈超融合产品，能够整合算力、存储与数据预处理能力，有效解决 AI 项目中“算力浪费、数据孤岛、训练效率低下”三大核心难题，在制造业 AI 质检、科研大模型训练等场景中深受用户青睐。

以SmartX 为例，其推出的面向 AI 应用的超融合基础设施解决方案，通过算力融合、工作负载融合和存储融合，为企业级 AI 应用提供高性能、低时延、灵活敏捷的计算与存储资源支持。

近期，SmartX 超融合全面升级为榫卯云平台，新增 AI 平台能力，结合计算、存储、网络安全、灾备等全栈能力，为企业 AI 应用落地提供更多选择。目前，该方案已在制造业、电商、医疗、金融等领域成功落地，解决了智能化知识管理、核心业务 AI 赋能等实际问题。

报告认为，由于生成式人工智能应用具备实时性强、数据密集等特点，许多企业需要重新评估数字基础设施的发展规划与优先级。对海量、多类型数据处理的需求，以及对多层级技术与资源的部署与管理要求，都将在未来几年推动软件定义存储和超融合基础设施的增长。