有研究机构 Silicon Angle 指出，生成式 AI 浪潮正推动数据中心加速转型，从传统架构迈向更具加速性与可扩展性的新阶段，催生出类似“AI 工厂”的先进数据中心形态。
这些数据中心的技术栈正在经历从以通用 CPU 为核心向以 GPU 为中心的加速计算系统转变，架构更加贴合 AI 需求，专为并行操作优化，旨在满足新一代 AI 工作负载及大规模 AI 吞吐需求。
在此背景下，数据中心的存储架构逐步呈现出解耦趋势——高性能 I/O 层依托 NVMe 与并行文件系统，执行检查点与分片读取操作。非活跃数据则存入成本更低的对象存储，主要保存数据集与模型。归档层则专注于存储版本谱系和快照。为确保 GPU 的高效利用率，超高性能数据 mover 会预加载数据，优先处理小文件与元数据，保障整体数据流畅性。
大多数企业级组织更倾向于通过 OpenAI、Anthropic PBC 等公司或云服务商构建的 API 与软件对接 AI 应用，而非自建 AI 工厂。这类模式的优势在于其软件层可以不去关注底层源代码与复杂工具，不过如果涉及专有或敏感数据，企业也可能选择部署微型 AI 工厂以增强安全性与控制力。
从存储系统视角，多家厂商在构建 AI 工厂方面的优势：
DDN：与英伟达及 AI 计算服务供应商关系密切，且获得黑石集团 3 亿美元私募股权投资，用于 AI 开发。
戴尔科技：拥有全面的硬件产品与 AI 数据平台，其“闪电计划”为 PowerScale 和 ObjectScale 存储系统引入并行访问能力，以满足 AI 与 HPC 对高性能、高并发、低延迟存储的需求。
NetApp：拥有 AFX 分布式阵列和 AIDE 软件。
HPE：通过 Alletra Storage MP 实现存储计算解耦，并具备支持 AI 所需的计算与网络能力。
Hitachi Vantara：AI 相关产品频频释出消息，但尚未推出分布式存储。
IBM：紧密围绕大型机客户群开展 AI 战略部署。
Pure Storage：通过 FlashBlade//EXA 实现分布式架构，并倡导以 AI 为中心的数据集管理。
VAST Data：打造 AI 操作系统与 DASE 存储架构，保持技术领先。
WEKA：依赖神经网格与增强内存网格实现高速数据传输，尽管上层 AI 数据堆栈尚未明显推进。
闪迪：在 FMS 2025 展示了 256TB 容量的 DC SN670 NVMe SSD，采用 BiCS8 QLC NAND 闪存与 UltraQLC 技术，面向 AI 场景深度优化，树立超大容量闪存新标杆。
西部数据：凭借 HAMR（热辅助磁记录）技术提供大容量存储，助力 AI 工厂高效管理海量数据。
此外，Cloudian、MinIO、Scality 等对象存储厂商正加快布局，将 S3-over-RDMA 纳入核心功能，并将 AI 数据管道能力纳入技术路线图。数据保护领域，主流供应商亦纷纷发力，增加 AI 数据管道功能，并推出 AI 数据网络弹性解决方案。
最后
存储与数据保护厂商正围绕 AI 场景深度优化其架构与能力，催生出一场全方位的数据基础设施重塑浪潮。这场变革不仅涉及技术迭代，更重塑了企业构建与运用 AI 的方式，存储系统将在未来AI工厂中发挥关键性作用。
更多AI存储话题内容，欢迎锁定2025年11月18日即将在北京召开，以“释放数据潜能，加速智能涌现”为主题的2025中国数据与存储峰会，敬请期待！
