【全球存储观察 ｜ 科技热点关注】

2022年至2025年，中国分布式存储市场规模从104.2亿元跃升至289.4亿元，累计增幅达177.8%，与集中式存储形成历史性剪刀差。赛迪顾问预测，2026至2028年市场规模将从428亿元增长至838亿元。

这组数据的背后，不仅暗藏着一场由AI大模型驱动的存储产业深刻变革，而且赛迪顾问《2026年中国分布式存储市场研究报告》也传递出一个清晰信号，AI存储专业化正成为技术演进的主线。

这一变化难道是存储行业的概念炒作？并非如此，而是大模型训练推理对存储系统提出全新要求后，存储行业呈现出来的新趋势。

AI大模型改写存储需求曲线，

存算协同正在从理念走向刚需

过去存储主要解决数据保存和基本读写，现在DeepSeek、通义千问、文心一言等国产大模型加速商业化落地，AI大模型从文本向图片、视频、语音等多 模态演进，数据量呈指数级膨胀——训练语料的存储规模从TB级跃升至EB级，对存储系统的扩展性、 吞吐量和数据生命周期管理提出全新要求。 如单次千亿参数模型训练需要百PB级存储空间，高并发推理场景要求百万级IOPS，端到端延迟需控制在亚毫秒级。数据不再只是被“存储”，而是在训练过程中被反复读取、 预处理、增强和流转，存储的数据编排能力直接决定训练效率。

这些指标叠加在一起，已经远远超出传统存储架构的能力边界。传统存算一体架构在AI场景面临三重挑战。一是计算节点存储容量有限难以承载百PB级训练数据；二是存储性能不均成为训练效率短板；三是存算耦合导致资源利用率低下。

全球存储观察分析指出，当前，AI大模型正在改写存储需求曲线，分布式存储的角色从 “存放数据的池子”转变为“支撑算力的引擎”，成为整个存储行业不争的事实。

当集群从千卡扩展至万卡甚至十万卡，GPU的计算效率高度依赖数据的持续供给。如果存储带宽不足以支撑GPU大规模的并发读取需求，就会产生数据饥饿现象。

据《2026年中国分布式存储市场研究报告》显示，业内实测当万卡集群中存储IOPS不足时，GPU有效利用率可以从90%骤降至40%以下。这种损失令人十分震惊。

当前，KV-Cache存储、CheckPoint存储已成为分布式存储在AI场景的重要能力指标，技术成熟度显著提升。 KV-Cache和CheckPoint两类AI原生存储场景，进一步放大了对存储性能的要求。KV-Cache读取速度决定推理响应延迟，CheckPoint写入性能直接关系训练效率。这两类负载都属于高频随机读写，分布式全闪存凭借亚毫秒级延迟和百万级IOPS成其为关键基石。

并且在智算中心规模化落地的背景下，存算协同愈发备受瞩目。事实上，存算分离架构通过存储资源池化和计算资源弹性化，实现了存算解耦与按需调配。在目前新建的智算中心中，存算分离架构采用率大幅提升，这一变化背后是智算中心规模化落地后的现实选择。分布式全闪存基于NVMe-oF协议栈、RDMA网络直连和百万级IOPS能力，能够在提供TB/s级带宽的同时将单次读写时延压缩至100微秒以内，已成为万卡级智算中心的标准配置。

存算传协同优化的核心逻辑十分明确，就是在存储层完成数据预处理、分层缓存与智能调度，减少数据在存储与计算之间的无效搬移，从而最大化GPU有效计算时间。存储不再是被动等待读取数据的仓库，而进化为承载KV Cache、CheckPoint，以及主动参与计算流水线的加速器，显然，存算协同正在从理念走向标配。

从行业领导者存算协同实践看存储未来

在2026年5月赛迪顾问公布的《2025年中国分布式存储市场厂商竞争力象限图》中，中科曙光位居中国分布式存储市场领导者象限，中科曙光的ParsStor分布式存储扎根高性能计算、智算体系，在十万卡AI超集群全面投用，依托超算领域的技术积淀和ParaStor系统，在科研与政务市场形成稳固基本盘，且在AI、教育、具身智能和自动驾驶四个细分市场排名第一，其中AI存储连续三年居首，教育存储连续四年排名第一。

据赛迪顾问分析，在AI智算文件存储方面，整体市场增速最快、技术门槛最高、格局尚未固化。随着DeepSeek引爆国产大模型训练需求，42个万卡集群集中建设催生了全新的存储场景，如Checkpoint快速写入、海量小文件并发读取、训练数据高吞吐加载。能够满足这些刚需的玩家迅速崛起，如中科曙光ParaStor并行文件系统在多个万卡集群项目中中标，并在AI 推理和高性能计算场景中表现出色。

2026年6月，ParaStor F9000分布式全闪存系统在IO500榜单中包揽生产型全节点与10节点双榜全球第一，中科曙光也成为首个在该榜单两项评测中同时取得第一的中国厂商。作为专为AI训练场景打造的存储系统，ParaStor F9000支持从千卡到十万卡集群的整机柜交付，可将千亿级参数大模型部署时间缩短一倍，集群训练效率提升50%。

2026年7月，国内首个全国产十万卡AI超集群曙光8000（登峰）正式落成，实现芯片、计算、存储、网络、散热全链路自研。面向十万卡集群多业务并发的存储难题，曙光存储从底层架构实现弹性扩容与全域性能兜底，存储底层内置KV Cache卸载能力，将推理缓存卸载至存储层，减少GPU显存占用。

2026年8月26日，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2026全球闪存峰会上透露 ，面向词元时代推理需求激增、存储成本高等新挑战，中科曙光将于2026数博会期间，正式发布存储技术的又一重大突破——基于存算协同理念打造的新一代词元加速方案。该方案在长上下文多轮对话、高并发推理服务、轻量级硬件部署等核心AI推理场景的实际应用中，均取得突破性进展。具体技术细节将在数博会期间正式揭晓。

随着“东数西算”工程迈入2.0发展阶段，智算中心建设正经历从试点探索迈向“批量落地”，十万卡乃至万卡集群需求正在集中涌现。智算中心规模化建设驱动存储架构升级，存算协同优化已从技术选项演变为智算中心的核心架构命题，分布式全闪存存储凭借高带宽、 低时延特性，深度嵌入智算基础设施的核心架构。

因此，AI存储专业化不是简单的产品升级，而是智算基础设施对存储提出的新要求。在一定程度上，存算协同决定了智算效率上限。从中科曙光一系列的创新实践可见，存算协同也正在成为大规模智算系统的重要发展方向。

当大模型训练推理的瓶颈从算力转向存力，谁能率先实现存算深度协同，谁就能在下一轮智算竞争中掌握主动权。

随着AI大模型行业应用的广泛落地，中科曙光分布式存储的未来，值得继续期待。