在2026年世界智能产业博览会现场，当行业仍在热议大模型参数与算力规模时，一场围绕“存力”的深度讨论正在成为新的焦点。中科曙光北京公司总裁助理、分布式存储产品部总经理石静在接受《智能制造》采访时指出，AI产业的发展瓶颈与竞争逻辑正在发生根本性转变——从单纯的“算力竞赛”转向以“存力突围”为基础、以“生态协同”为核心的新型体系化竞争。 

如今，AI 训练、AI4S 等场景全面铺开，全行业目光聚焦算力升级，但不少企业在实际落地过程中发现，存储能力短板愈发凸显，存力已然成为 AI 业务高效运转的关键瓶颈。谈及这一行业现状，石静给出了清晰的剖析。 

在她看来，算力与存力发展失衡是首要问题。近些年 AI 算力技术迭代速度迅猛，算力规模实现跨越式增长，而传统存储系统的升级节奏未能跟上算力发展步伐，二者出现明显错配。当海量算力投入 AI 业务时，存储系统承载力不足，直接拉低整体运行效率，成为最直观的性能瓶颈。 

AI 业务形态的变革，也对存储提出了全新要求。现阶段大模型参数规模不断膨胀，AI 训练过程中会产生海量小文件，给存储读写、调度带来巨大压力；随着 AI Agent 应用普及，高通量推理场景爆发，高频次的数据交互进一步加重存储负载。对比传统应用，如今 AI 训练与推理对存储性能、响应速度、并发能力都提出了截然不同的标准，原有存储架构难以适配新场景需求。 

业务融合与数据流转难题同样不容忽视。行业普遍希望依靠一套存储系统，同时承载训练、推理等多项业务，实现数据跨集群、跨数据中心自由流转、随需调用。而传统存储大多局限于单一集群内部数据交互，跨区域、跨业务的数据调度能力薄弱，严重影响全业务链路的运转效率。 

除此之外，数据质量是决定 AI 模型效果的根基，这也让存储被赋予了更多新价值。高质量数据集能够大幅提升模型训练与推理效率，若存储设备可在数据存储环节同步完成数据清洗、预处理等工作，便能从源头优化数据质量，为 AI 模型运行减负增效。综合多重因素，在效率优先的 AI 产业发展浪潮中，存储短板被持续放大，补齐存力缺口，成为全行业亟待解决的课题。 

除了存力瓶颈，AI 产业的竞争逻辑也正在发生深刻转变。回顾行业发展，2023 年堪称全球大模型元年，海内外企业掀起 “大模型竞赛”，行业竞争一度集中在模型参数、算力堆砌层面。但经过数年发展，行业认知趋于理性，竞争重心逐步从单一模型比拼，转向基础设施共建与全生态协同，AI 正式迈入体系竞争新阶段。 

对于这一趋势，石静表示，大模型训练并非 AI 产业的终点，将模型能力规模化落地、赋能千行百业，才是产业发展的核心目标。单纯追求模型参数、算力规模，无法实现 AI 技术的商业价值与行业价值。垂直领域的 AI 落地，是一项系统性工程：既需要成熟的大模型、稳定可靠的算力与存储等基础设施，也离不开行业客户的私域数据加持。行业专属数据能够有效减少模型幻觉，让 AI 能力贴合实际业务场景，打造真正可用、好用的行业解决方案。 

这一过程绝非单一企业能够独立完成，必须依托完整的产业生态，串联起上下游各类合作伙伴。从底层硬件、基础软件，到模型研发、场景应用，每个环节都缺一不可。在本届世界智能产业大会上，众多厂商纷纷展出差异化产品与解决方案，正是全行业携手推进 AI 落地的缩影。各家企业立足自身技术优势，各司其职、互补协作，共同打通 AI 从技术研发到场景应用的全链路。 

面向未来，AI 产业发展道阻且长。算力、存力、网络等基础设施需要协同升级，破解存力瓶颈；产业链上下游也需持续深化生态合作，打破技术与资源壁垒。作为国内算力存储领域的领军企业，中科曙光也将持续深耕分布式存储技术，打磨适配 AI 全场景的存储产品与解决方案，携手生态伙伴补齐产业短板，助力 AI 技术深度融入各行各业，推动智能产业高质量发展。

编辑：宁敏

责编：段少敏

审核：李国庆