媒体观察：让AI走向数据，IBM重写存储“第一性原理”

2026年4月29日，北京——毫无疑问，当前这场AI浪潮已跨越实验室的模型训练阶段，正快速转向以“Token经济”和“龙虾经济”为特征的新阶段。

在这一进程中，AI发展的引擎，正经历一次根本性的转换。如果说过去，算力如同驱动人工智能的“发动机”，决定了模型训练的初始“马力”；那么如今，在以Token的生成与消耗为核心的商业循环中，持续、高质量且实时更新的数据流，已成为维持其生命力的关键“燃料”。没有它，再强大的算力集群也难免空转，无法将技术潜力转化为真实的业务洞察与生产力。

但是，当企业满怀期待地着手构建自身的“人工智能工厂”（AIFactory）时，却往往发现“燃料”供给远非易事——许多企业在投入巨资部署了昂贵的GPU算力之后，反而要面对一片更加庞大、复杂且动态变化的“数据海洋”。这已不仅仅是数据本身的问题，更是对底层数据基础设施及其与算力高效协同能力的系统性挑战。

第三方数据也印证了这一挑战的普遍性：超过91%的CIO已将存储架构的现代化改造列为首要议程，并将运维成本与复杂度视为核心痛点；同时，78%的企业意识到，面对AI推理的新范式，仅靠简单的存储“扩容”已无法满足需求，必须构建存算协同的新型数据底座。

在此背景下，IBM系统性地提出了支撑AI全生命周期的智能存储解决方案，其核心理念，是推动实现“让人工智能走向数据，而非让数据疲于奔命地追随人工智能”的现代化数据处理新范式，从而在AI时代最大化释放数据的核心价值。

三重挑战，AI推理时代的数据底座之困

在IBM大中华区存储事业部总经理吴磊看来，随着AI从“训练”走向“推理”，企业的数据世界正面临范式级重构，这不仅将存储需求推升至前所未有的“高水位”，更在根本上重塑了对数据存储架构与应用模式的要求，由此催生出一系列交织叠加的新挑战：

（IBM大中华区存储事业部总经理 吴磊）

挑战一：供应链“断供”与成本压力常态化。可以看到，自2025年下半年起，全球大型厂商进入“扫货”模式，从DRAM、NAND颗粒到硬盘、磁带，几乎所有存储相关组件都面临供给紧张，交付周期大幅延长。例如，20T、24T硬盘的交付周期普遍达到52至72周。

与此同时，AI带来的算力与存力需求激增，进一步加剧了供需矛盾，存储产品的直接成本上涨，叠加AI基础设施的巨额投入，使得企业CIO在预算有限的情况下，承受着前所未有的增效降本压力。因此，如何让每一分存储投资都用在“刀刃”上，成为关乎企业竞争力的现实问题。

挑战二：AI应用从训练转向推理，重构数据存储需求模式。随着大模型进入企业级应用阶段，核心矛盾从“如何训练通用大模型”转向“如何基于企业内部海量、私有、实时的数据进行推理与价值创造”。

为此，企业需要的不仅是一个数据“仓库”，更是一个能将原始数据持续转化为智能洞察的“AIFactory”，它必须是一个覆盖数据采集、准备、训练、推理到归档的端到端、可循环的AI数据流水线，这要求底层存储不仅要有极高的吞吐性能以应对百卡、千卡乃至万卡集群的并发检查点（Checkpoint）落盘需求，更需具备让数据在不同模型、不同负载间高效、安全流动的能力。

挑战三：“副本困境”与数据治理、长期保存的复杂性交织。在AI时代，数据作为核心资产，其全生命周期管理正面临前所未有的复杂挑战。首当其冲的是“副本困境”。为满足不同业务需求，企业通常创建多个数据副本，但这不仅导致存储成本、网络传输开销和安全风险成倍增加，更引发了一个根本性危机：副本间难以避免的数据不一致，使得企业陷入“数据真相缺失”的困境。

这一困境的根源，往往在于主动数据治理机制的普遍缺失。许多企业在尚未建立系统化数据治理体系的情况下，便急于启动AI项目，导致模型训练和推理所依赖的数据质量堪忧。模型基于过时、错误的数据运行，其产生的洞察自然无效甚至产生误导。例如，用于推理的产品数据是多年前的旧版本，那么无论模型多先进，输出的结论也毫无价值。

除此之外，外部的法规遵从与长期保存要求构成了持续压力。在金融、医疗等强监管行业，和业务相关的录音录像、医学影像等大量非结构化海量数据，需作为生产数据保存5至25年甚至更久。同时，AI决策的可追溯性成为新的合规焦点，系统必须能够完整记录数据被访问、修改和使用的全链路痕迹，清晰回答“何人、何时、为何”进行了操作。这对存储方案的经济性、超长期可靠性及安全性都提出了极致要求。

不难看出，上述挑战相互交织，共同构成了当前企业在数据存储领域面临的全新困局：AI带来的新需求范式与既有管理模式之间的矛盾，在供应链危机与成本压力的外部环境下被进一步放大。这一切都指向同一个核心命题——企业必须构建一个更智能、更高效、更经济且自主可控的数据基础设施，方能应对AI深入应用时代的全新挑战。

破局之道，平台统一、存储智能、数据分层

面对这一系统性困局，破局的关键究竟在哪里？IBM给出的答案清晰而坚定：必须从根本上扭转思路，通过构建统一的数据平台“AI Factory”、实现存储层智能化、并依托分层策略优化全生命周期数据管理，最终实现“让AI走向数据”的全新范式，并在性能、效率与成本之间实现平衡。

首先，构建“AI Factory”统一数据平台，驱动高效AI应用。应对上述挑战，尤其是从训练到推理的需求模式重构，关键在于从理念到架构的系统性升级。吴磊指出，企业应致力于构建一个能够持续运行的“智能生产系统”，其目标是确保数据能够在一条无缝、可靠、高效的“智能产线”上流动，即“AI Factory”。

它并非孤立的大模型或算力堆砌，而是一套能够主动、持续、闭环地将原始数据转化为业务洞察的端到端系统。“最终要的是能创造价值的输出，而不是只有一个大模型，”吴磊强调，“仅仅部署一体机或编程环境只是在消费AI，无法真正将AI转化为生产力。”

当然，要将这一蓝图落地，一个能够应对AI全生命周期、多工作负载混合压力的高性能、智能化存储底座至关重要。为此，IBM将其AI存储产品家族（IBM Storage Scale）定位为“AI Factory”的核心数据引擎，能够为从大规模训练、多模态数据预处理到高并发实时推理检索等多种负载，提供统一、高性能、可扩展的数据支撑。

更进一步，为从源头解决AI数据“新鲜度”与“一致性”的治理难题，IBM创新性地引入了内容感知存储（CAS）能力。例如，在数据存储中发生的任何更新，CAS都能自动感知变化，并实时将增量信息同步至上层向量数据库与AI模型，从而确保推理结果始终基于最新事实。这一过程无需人工介入或全量同步，既提升了响应效率，也保障了AI输出的准确性。同时，CAS通过维护唯一可信的数据源，从根源上解决了多副本带来的成本浪费、管理复杂性与数据一致性问题。

其次，依托新一代智能存储平台，驱动性能与效率的突破。为满足制造业、金融、半导体等行业对高性能、高可靠存储的关键需求，IBM推出了新一代高速闪存存储FlashSystem平台，该平台通过深度融合“内置AI智能体”与“自研硬件模块”，实现了从被动响应运维到主动感知、动态优化的范式变革。

（IBM中国区存储业务销售总经理 金鑫）

其中，被喻为“永不休息的存储管理员”的FlashSystem.ai智能体，是一个可离线部署于客户本地、具备自主智能的轻量化“AI助手”。据IBM中国区存储业务销售总经理金鑫介绍，它基于自然语言交互，能够学习环境与应用负载，预测趋势并提前调整资源模式（如在业务高峰前切换为高性能模式）；实现情境感知安全，秒级检测勒索软件独特的I/O特征并触发警报与基于干净快照的瞬时恢复；还能自动化生成合规报告。重要的是，其在机制上被严格约束，所有可能对用户数据造成伤害的删除操作均被禁止，确保其作为“AI助手”的安全属性。

不仅如此，IBM还将“计算存储”理念推向新高度，其第五代闪存核心模块（FlashCore Module5）在每块NVMe闪盘中内置了高性能处理器和FPGA芯片，这一创新实现了多重价值：通过硬件级无损压缩、解压缩、数据去重，数据压缩比最高可达1:5，且不影响存储控制器的性能，直接对冲存储介质涨价压力；引入可抵御未来量子计算攻击的硬件加密技术；智能数据编排甚至可将闪存寿命延长最高达57%。这种设计将计算负载（如压缩、加密、勒索软件检测）从控制器卸载至NVMe 闪存盘内执行，是真正的“计算存储”，在提升效率的同时显著降低了总拥有成本。

最后，以智能分层实现性能、成本与合规的战略平衡。面对日益增长的供应链压力和数据体量的爆炸性攀升，如何在确保高性能、控制存储成本的同时，满足严苛的合规性要求，已成为企业必须面对的核心挑战。对此，IBM提出了基于策略的自动化数据分层方案，建立起一个覆盖闪存（热数据）、分布式存储（温数据）到磁带（冷/归档数据）的全生命周期存储体系，为企业在不同数据阶段提供匹配的存储解决方案。

在这一体系中，磁带在长期归档等场景中展现出不可替代的价值。吴磊指出，磁带相较于磁盘具有明显优势：可靠性更高（提升3-4个数量级）、存储成本更低（TCO节省60-70%倍）、节能表现更优（节电达90%）。在金融交易记录、医疗影像等需保存数十年的关键数据，以及企业投入大量资源训练的模型和数据集存储场景中，磁带库成为一种既经济又安全的选择。此外，IBM在最新磁带驱动器中还内置了抗量子解密技术，主动应对未来可能面临的安全挑战。

金鑫还进一步介绍了LTO-10E磁带的最新技术突破：通过增加磁带长度、将磁头升级至36度倾角（为未来64数据通道预留空间）、引入磁头伺服自动对准功能等创新，持续提升容量与可靠性。重要的是，在IBM Storage Scale等系统的全局数据管理能力支持下，应用可以“无感知”地调用位于任何存储介质上的数据，系统会根据访问模式与预设策略，自动将数据迁移至最优存储位置。“客户只需确认智能体给出的建议是否符合预期，后续迁移将自动完成。” 这种智能化分层机制，正帮助企业在资源约束日益收紧的背景下，构建更具弹性与韧性的数据架构。

由此可见，通过构建统一、流动的“AIFactory”数据平台，在存储层深度集成内容感知（CAS）与AI智能体（FlashSystem.ai），并依托基于策略的智能分层覆盖数据全生命周期，IBM正系统性地推动企业数据基础设施的演进，帮助企业从“让数据疲于奔命”转向“让AI主动走向数据”的新范式，这不仅是对当前存储挑战的系统性回应，更是企业在AI时代构建持续竞争力、实现智能升级的必由之路。

落地生根，以场景化方案释放数据智能价值

值得一提的是，IBM“让AI走向数据”的理念已在中国多个关键行业落地生根，围绕产能爬坡、协同研发、海量数据管理等核心场景，展现出可量化、可感知的价值闭环。

例如，在半导体制造这一高精尖领域，华东某头部芯片制造商在产能攻坚期引入IBMFlashSystem与磁带库组合方案，成功整合多品牌“数据孤岛”，在保障高可用性与高IOPS性能的同时，助推整体产能提升20%。这一提升在行业上行周期中直接转化为营收增长，实现了从技术投入向商业回报的高效转化。

面对智能驾驶、量化交易等场景对高性能计算的极致需求，IBM存储方案同样表现出色。某国内顶级智驾芯片企业通过部署IBM存储架构，实现跨地域研发中心的高效数据同步与协同，在提升研发效率的同时显著降低网络与存储总拥有成本；在AI训练场景中，有客户通过IBM高性能存储方案，以不足10%的存储投入，显著释放GPU集群算力瓶颈，实现训练效率的倍增。

在互联网与重点行业，IBM方案进一步展现出其在性能与成本间的战略平衡能力。百度智能云将海量网盘冷数据归档于IBM磁带库，实现存储成本的极致优化；江苏某三甲医院则借助同一套方案，同时应对单张数GB级CT影像的高并发实时调阅需求，与海量影像数据长期低成本归档的双重挑战，实现业务与科研的“一库双用”。此外，某头部快消企业通过IBM存储双活与数据同步方案，实现全国生产基地、供应链与云平台之间的数据实时同步，筑牢了业务连续性的“生命线”。

在前沿科研与金融风控等对数据吞吐、保存与响应有极端要求的场景中，IBM的方案同样游刃有余。如在需每秒摄入数十TB数据并保存长达20年的科研项目中，IBM通过高性能存储与智能分层相结合，帮助用户在预算范围内将构想落地为现实；在金融领域，其解决方案甚至能够实现反欺诈模型与交易系统在主机内的高效协同，支持对盗刷交易进行毫秒级实时判定与拦截，体现了存储与AI融合对业务决策速度的根本性提升。

客观地说，这些来自半导体、智能驾驶、医疗、快消等不同行业的实践，共同印证了IBM智能存储解决方案的适应性与有效性——它不仅能够响应多样化场景需求，更能在性能、成本、可靠性与合规性之间取得系统平衡，为企业构建面向AI时代的数据战略提供可靠支撑。

回归原点，以“第一性原理”引领AI走向数据

纵观IBM提出的“让AI走向数据”新理念，其核心在于回归数据基础设施的“第一性原理”——在智能时代，数据的根本价值不再源自静态占有，而取决于能否在业务所需的正确时间、正确地点，以正确的形态，被智能计算高效、经济、安全地消费。

传统模式下，计算与存储分离发展、“数据围绕算力迁移”的架构，日益显露出根本性瓶颈：数据被迫在多系统间搬运、复制与同步，导致成本高企、效率低下、治理混乱，陷入“数据疲于奔命”的困境。IBM的破局之道，正是直面上述矛盾，从架构、效率与治理三大层面，展开系统性重构。

第一，架构“第一性”。IBM通过主动打破存算割裂，构建以数据为中心的“AI Factory”式统一平台，其关键是推动存储从被动“仓库”转向具备感知、协同与调度能力的“数据引擎”，保障数据在采集、准备、训练、推理到归档的全链路中无缝流动，直接支撑智能价值的持续产出。

第二，效率“第一性”。超越简单扩容，追求系统级效能最优。IBM借助存储内置智能体实现自治运维与预测优化，通过计算存储推动近数据处理以释放算力，依托智能分层达成性能、成本与合规的全局平衡——其本质是将智能融入基础设施，最大化每一单位资源投入的业务回报。

第三，治理“第一性”。以数据可信奠定AI价值基石。IBM通过内容感知存储等技术，从源头维护唯一可信数据源，实现实时一致性同步与全链路可追溯，从根本上破解“副本困境”与“数据真相”难题，确保AI决策始终基于准确、新鲜的事实。

综上所述，当供应链的不确定性成为新常态，当数据洪流的增速远超算力堆砌，企业的竞争已进入一个关乎数据驾驭能力的新维度。IBM在此刻系统性地提出并实践“让AI走向数据”的新理念和新范式，不仅是一套技术和方案，更代表一种根本性的战略转向：通过构建统一、智能、分层、自主的数据底座，推动存储从被动的成本中心，转变为主动的价值引擎与创新平台。

从半导体制造的效率提升，到AI训练的算力释放；从海量数据的合规归档，到全球业务的实时同步——众多实践已验证了这一“第一性原理”的有效性。面向未来，通过将这一理念转化为可落地、可验证的技术方案与行业实践，IBM正以其深厚的技术积淀与前瞻的架构视野，为千行百业绘制出通往AI时代的、自主可控的数据底座蓝图，助力企业以智慧存储，稳健驾驭AI未来。

关于IBM

IBM 是全球领先的混合云、人工智能及企业服务提供商，帮助超过 175 个国家和地区的客户，从其拥有的数据中获取商业洞察，简化业务流程，降低成本，并获得行业竞争优势。金融服务、电信和医疗健康等关键基础设施领域的超过 4000 家政府和企业实体依靠 IBM 混合云平台和红帽 OpenShift 快速、高效、安全地实现数字化转型。IBM 在人工智能、量子计算、行业云解决方案和企业服务方面的突破性创新为我们的客户提供了开放和灵活的选择。对企业诚信、透明治理、社会责任、包容文化和服务精神的长期承诺是 IBM 业务发展的基石。