近期，由中电标协数据存储专委会牵头撰写了《数据存储产业发展研究报告（2025 年）》。定位兼具前瞻性与实践性的产业深度研究文献，系统梳理了全球及国内数据存储产业的发展现状，重点分析技术演进路径、市场格局变化与行业应用实践，并结合AI时代的新需求，提出具有战略参考价值的发展建议。
围绕报告的重点内容，2026年1月份，百易存储研究院负责人宋家雨，中电标协数据存储专委会创新工作组组长、数据存储产业资深专家、《数据存储产业发展研究报告（2025 年）》主笔人之一张委，，DOIT资深记者张妮娜在DOIT视频号直播分享了报告中值得关注的存储热门话题。
在直播中，三人谈到报告中存力、AI 存储、存储介质与架构变化以及高速互联技术四个维度，勾勒AI时代数据基础设施的进化路径。
存力话题。张委表示，我们特别强调存力这一概念，与国外技术社区侧重算力不同，存力是中国数字化语境下的独有表达，它的核心概念是对分散在不同厂商、不同数据中心的数据资产进行主动整合与高效调用。
报告指出，先进存力的核心价值，在于打造可持续的数据油田，为算力池提供稳定支撑。目前，部分头部企业已开始建设以存力为核心的大型数据中心。
报告还认为，存力落地的关键在于数据打通，需要通过统一元数据管理标准和数据湖建设，解决多厂商存储系统并存带来的数据割裂问题。目前，已有20余家产学研单位参与相关互通测试。
从能力要求看，先进存力中心需同时具备高性能、AI适配能力与数据湖功能。一方面满足AI应用对低时延的需求，另一方面承载海量数据的长期存储、调用与分析。
存力的杠杆效应惊人，每1元的存力投入可带动30-40元的经济价值。在量化指标上，性能侧关注低时延、高吞吐和大容量。数据价值侧关注数据打通率、可调用性与整合度。绿色与可靠性侧则强调低能耗、高可用，并通过介质创新降低能耗和碳足迹。同时，系统需适配医疗、金融等关键行业，对传统技术向新技术的平滑替换提供支持，保障业务连续运行。
高速互联技术话题。在高速互联技术的讨论中，宋家雨与张委给出了各自判断。从通信语义和应用能力看，RoCE与InfiniBand都提供RDMA能力，逻辑上高度相似。
但从网络实现看，RoCE 仍然建立在以太网上，而InfiniBand则是为RDMA量身打造的专用网络。这也决定了两者在部署复杂度、成本结构与运维方式上的差异。
报告中指出，RoCE正逐步替代传统FC SAN网络，并与InfiniBand、CXL、NVLink 等技术形成节点内和节点间的互补体系，光网络则承担远距离高速传输任务。技术路径的演进体现出明显的需求牵引特征。
AI存储正在推动以存强算、以存代算的新范式形成。通过构建KV-Cache缓存体系，可显著降低推理延迟与成本。通过RAG技术，将外挂向量知识库作为模型的“外部记忆，有效缓解模型记忆与更新压力。
在核心部件层面，DPU正加速承担数据压缩、加密和协议卸载等功能，CXL等新一代互联协议也在推动内存与存储资源的池化与跨节点共享，重塑系统协同方式。
AI存储话题。张委表示，目前行业尚无统一定义AI存储，AI存储的本质是面向AI应用场景设计的存储方案，重点适配AI推理对高速读写和低时延的需求，并与向量数据库、RAG等技术协同演进。
报告对应指出，随着AI应用快速渗透，各类数据呈指数级增长，数据形态从传统数据集升级为语料库+知识库的组合，对存储架构提出更高要求。
报告称，AI大模型训练参数规模已迈入万亿级，单次训练的数据读取量可达PB级，存储系统带宽需求从传统企业级的GB/s提升至TB/s级。在推理场景中，尤其是自动驾驶等实时决策应用，存储延迟要求进一步压缩至100微秒以内，同时还需支持数据预处理与模型加载。在此过程中，存储系统需要在支撑大规模训推的同时，兼顾成本与扩展性。
报告将AI存储的关键能力归纳为六个方面——极致性能、大模型数据范式支持、数据安全、高扩展性、数据编织能力与绿色节能，这些能力共同构成AI基础架构的重要组成部分。
存储介质与架构变化话题。张委谈到QLC SSD规模化应用正在推动全闪存储普及，HBM、DRAM、NAND等技术主要适配AI大规模推理与非结构化数据处理。还有存算分离与存算一体并存的架构趋势。
报告认为，随着技术持续优化，QLC的短板将逐步缩小，其高密度、低成本优势将进一步显现。报告判断，未来 3–5 年，QLC SSD有望成为企业级存储的主流介质。
与此同时，QLC SSD的高效能发挥仍依赖于智能分层与介质融合。通过与高速缓存层（如HBM）及冷数据层（如HDD、磁带）协同，才能实现数据从热到冷的全生命周期高效管理，提升数据利用率。
在系统架构方面，存算分离已成为数据中心的主流趋势，依托NVMe-oF、RDMA等高速网络技术，实现存储资源的池化与灵活调度。而在超融合与边缘场景中，存算一体架构因部署简便仍具现实价值，形成按场景共存的务实格局。
写在最后
存储产业正从单一的性能竞争，跨入系统协同与效率优先的新阶段。面对AI带来的数据规模跃迁，以存力为核心的基础设施建设、适配AI的存储范式、以及介质与架构的协同演进，将共同定义数字化未来的上限。
