当AI Agent从对话助手走进企业生产流程，最先承压的不只是模型和算力，还有数据基础设施。
在8月26日举办的2026全球闪存峰会上，浪潮信息存储产品部总经理杨海军以《打造Agent时代的统一数据底座》为题，分享了浪潮信息对Agent规模化落地的判断，介绍了面向智能体的专属数据空间，以及如何打造面向Agent 时代的统一数据底座。
杨海军认为，过去的数据和数据库主要供人调用，更多时候像静态存放的湖泊。进入Agent时代，数据需要转化为能够支撑智能体感知、决策和行动的信息流，既要实时流动、及时供给，也要在调用、处理和留存的全过程中保持可控。企业部署的Agent越多，对数据实时调度、统一管理和长期留存的要求就越高。
他在演讲中提到一组数据。预计到2030年，中国AI相关产业规模有望达到10万亿元。麦肯锡调研显示，62%的中国企业已经启动Agent部署。IDC则预测，到2027年，Agent工作流将影响至少40%的大型企业知识工作。
杨海军据此判断，如何让Agent安全、稳定、合规地进入现有业务体系，已经成为企业必须回答的问题。
当Agent进入生产环境，企业需要管理好新的数字员工
早期的Copilot助手主要帮助人完成一问一答，过程还是由人来主导。现在，Agent员工则开始自主规划、自主执行，人更多承担审批的职责。未来多个Agent分工协作后，人将进一步转向监督的职责。
今年6月，浪潮信息在AIEC 2026上提出Humagent概念。Humagent由Human与Agent组合而成，用来描述人类员工与AI智能体共同构成的企业基本运营和管理单元。杨海军强调，这并不是用Agent简单替代人，而是让人与Agent形成新的分工关系。
按照这一思路，企业需要同步调整员工角色、组织协作、绩效评价和治理机制。
Agent作为数字员工，要有明确的身份、岗位、职责和权限。要有Agent的全流程管理调度机制。绩效评价也要纳入Agent采纳率、幻觉率和Token成本等指标。治理层面则要覆盖权限、数据、执行过程和结果，确保每一次调用都能够追踪和审计。
这套变化最终会落到基础设施上。大模型训练阶段关注的是算力规模和训练速度，Agent进入生产环境后，基础设施要面对7×24小时运行、持续生成Token、频繁调用企业数据以及多个智能体并发协作等要求。
于是，GPU负责持续不断生成Token，CPU需要承担更多任务编排、工具调用和上下文管理工作，网络需要同时支撑节点间高速通信和业务数据访问，存储也不再只是模型训练的原料库，而要直接进入Agent的运行过程。
不让Agent直连生产库，先建一个专属数据空间
企业Agent落地有一个绕不开的矛盾。Agent要完成任务，就必须使用真实业务数据，但企业又不能让一个可能出错的智能体直接操作核心生产数据库。
杨海军用新员工入职作了类比。企业会给新员工配置工位和权限，却不会在第一天就允许其随意访问核心生产系统，Agent也是一样道理。
浪潮信息提出的Agent DataSpace，就是在生产系统之外为Agent建立专属数据工作环境。企业可以通过快照、镜像和远程复制等方式，把生产数据的副本送入隔离空间，Agent在副本上执行任务。即使误操作，也不影响生产系统连续运行。
这个数据空间不只解决安全问题，还要解决记忆的问题。Agent运行过程中会产生KV Cache、检查点、检索增强生成知识库等专用数据。
短期记忆对时延非常敏感，可以由显存、内存和NVMe SSD分层承载。长期记忆，包括业务数据和任务成果，则需要落到集中式存储、AI数据平台和备份存储中。通过分级缓存和统一调度，数据底座把短期记忆的高频访问与长期记忆的可靠留存连接起来。
杨海军介绍称，Agent DataSpace需要同时实现三类价值。
其一是释放存量数据价值，以非侵入方式连接分散在不同系统中的企业数据。其二是隔离风险，避免Agent直接访问生产库，并让操作全程留痕。其三是控制行为，在任务执行前设置边界，在执行中拦截违规操作，在执行后支持审计和追责。
Agent DataSpace的三大核心模块，分别解决数据供给、运行加速和为安全兜底
围绕Agent DataSpace，浪潮信息设计了数据库沙箱、AI数据平台和数据库保险箱三个模块。
其一，数据库沙箱主要负责数据供给与隔离。它利用集中式存储、磁盘阵列，将核心数据库的数据通过快照、镜像或远程复制生成独立副本，为Agent提供与生产环境相互隔离的操作空间。
其二，AI数据平台负责承载Agent运行过程中产生的检查点、KV Cache和检索增强生成知识库等数据，并提供多协议、多格式、高带宽和低时延访问。浪潮信息为此准备了面向这一场景打造的AI数据平台。
杨海军表示，在长文本、多轮对话和复杂Agent工作流测试中，AI数据平台可以降低首Token等待时间。在高并发Prefill测试场景下，推理吞吐量最高提升65倍。当GPU显存不足时，KV Cache可以分流到AI数据平台，从而降低显存压力，减少推理服务中断风险。
其三，AgentSpace的数据库保险箱承担安全兜底的任务。它通过多介质、多副本保存数据，配合副本数据管理、快速生成和回滚能力，覆盖Agent从创建、运行到成果归档的全过程。
简而言之，数据库沙箱让数据准备得更快，AI数据平台让Agent跑得更顺，数据库保险箱则确保任务出错后有路可退，三者共同构成Agent专属数据空间的核心结构。
杨海军还介绍了浪潮信息自研企业级SSD在其中承担的作用。
按照现场公布的数据，NS8000G7单盘顺序读取速度可达到14.5GB/s，随机读取性能可达到345万IOPS。在多Agent共享SSD的场景中，系统可以通过多个Namespace在硬件层面隔离I/O资源，减少不同租户之间的资源抢占。据浪潮信息测试，在Kimi K3和Qwen3模型环境中，盘控协同优化带来了20%的性能提升。
从一句业务问题到一份报告，数据底座贯穿任务全程
为了说明这套架构如何工作，杨海军以企业分析第二季度销售业绩为例进行了拆解。
业务负责人可以通过语音或文字向Agent下达任务，集中式存储随即生成数据库沙箱，为Agent准备独立的数据副本和运行环境。Agent连接沙箱后发现销售额下降15%，继续分析客户、人员和订单等因素，寻找业绩变化的原因。
在任务执行过程中，系统可以为关键步骤生成快照。一旦数据或操作出现异常，就回滚到此前状态。同时，Agent还可以调用企业知识库和历史使用偏好，例如记住业务负责人偏好表格展示、重点关注利润率变化等，让后续结果更贴合实际需求。
任务结束后，Agent可以生成图文报告、演示文稿、动态图表或HTML页面，用户可以根据偏好随时调整报告的形式。最后，所有成果再经过隔离和防篡改保护后归档，成为企业能够持续使用的组织资产。
这个案例呈现出的变化，除了颠覆传统商业智能分析模式，还彻底改变了以往的数据准备模式，快速生成独立副本就完成了准备工作。同时，任务执行时的回滚能力，以及Agent与员工共同产生的过程数据和最终成果，也能够被企业统一保存和复用。
小结
从杨海军的介绍中可以看到，Agent时代的存储角色发生了变化。它过去主要解决数据如何保存的问题，今天还要负责把数据交给Agent、怎样支撑高频记忆访问、任务失败后如何恢复，以及人与Agent共同产生的成果怎样沉淀为企业资产。
杨海军表示，对准备把Agent送进生产环境的企业来说，模型能力固然重要，但能否建立一个实时供给、安全隔离、行为可控并支持长期留存的数据底座，才是智能体从能说会道走向能干活儿的关键一步。
本文来源于DOIT传媒，文章内容仅供参考，不构成投资建议。
评论列表