【中国信通院】新型人工智能存储研究报告（2025年）_36页_1mb

新型人工智能存储研究报告总结

核心内容概述

本报告由中国信息通信研究院人工智能研究所与中国人工智能产业发展联盟联合发布，旨在探讨新型人工智能存储的发展现状、关键技术、面临的挑战及最佳实践。报告指出，随着大模型技术的快速发展，数据成为决定AI高度的关键要素，新型人工智能存储作为大模型数据处理的重要基础设施，正在成为支撑AI应用的关键技术之一。

主要观点

• 数据是AI发展的核心：大模型的训练和推理高度依赖数据，数据的体量和质量直接决定模型效果。
• AI存储是大模型发展的基础：AI存储不仅影响数据的处理效率，还决定着大模型的扩展性、安全性及集群可用度。
• 挑战与需求并存：海量数据归集、训练数据访问效率、推理实时性、数据安全及集群可用度等是当前AI存储面临的主要挑战。
• 技术发展趋势：新型AI存储正朝着高性能、高扩展性、数据编织、全闪存、存储内生安全等方向演进。

关键信息

一、新型人工智能存储概况

1. 基本概念
   新型人工智能存储是专为AI应用设计的数据存储系统，具备超高性能、超大容量、极致安全、数据编织、高扩展性和绿色节能等特征，是AI基础设施不可或缺的一部分。

2. 全球战略分析

   • 国外布局：美国国防部、英国国防部、欧盟委员会等均将AI存储纳入战略重点，强调数据安全、基础设施建设和技术标准。
   • 国内布局：国家高度重视AI存储发展，通过政策引导、标准建设、数据全生命周期管理等推动AI存储产业发展。

二、人工智能存储重要性

1. 大模型发展的基础
   AI存储支撑大模型数据归集、预处理、训练和推理的全生命周期流程，直接影响模型性能和效率。

2. 面临的挑战

   • 海量数据归集耗时长，效率低；
   • 数据访问效率对模型训练速度影响显著；
   • 推理阶段需实时动态更新数据，以提高准确性；
   • 数据安全和存储可靠性是AI存储系统必须解决的问题；
   • 集群可用度不足，影响整体AI部署效率。

三、新型人工智能存储关键技术

1. 长记忆存储范式
   通过多级KV Cache实现高效推理，减少冗余计算，提升推理效率和用户体验。

2. 数据编织
   实现跨域、跨集群数据整合与调度，提升数据管理效率和数据质量。

3. 超节点存储架构
   支持存算分离和存算一体，提升存储与计算的协同效率，支撑大规模算力集群。

4. 高性能并行文件系统
   提供高带宽、高IOPS能力，支持大规模数据的快速存取，提升模型训练和推理效率。

5. 全闪存存储技术
   提高数据读写速度，降低能耗，成为大模型数据存储的理想介质。

6. 存储内生安全
   内置安全机制，保障数据的机密性、完整性和可用性，支持数据全生命周期安全防护。

四、人工智能存储建设最佳实践

1. 医疗行业

   • 应用：长记忆存储助力智能辅助诊断，提升病理模型推理效率。
   • 实现价值：推理速度提升数倍，支持多模态数据协同处理，提升诊断准确性。

2. 金融行业

   • 应用：高性能AI存储赋能智慧金融，提升数据访问效率与系统可靠性。
   • 实现价值：业务处理时间减少20%，实时欺诈检测能力提升，贷款流程优化。

3. AI企业

   • 应用：AI数据湖支撑大模型训推平台，实现数据统一管理与高效流动。
   • 实现价值：断点续训恢复速度提升15倍，集群可用度提升20%，推理精度显著提高。

4. 运营商

   • 应用：自研并行文件系统与高性能智能存储盘框，构建智算中心云数据底座。
   • 实现价值：存储带宽性能提升6倍，训练稳定性提升10倍，设备数量大幅减少。

5. 制造业

   • 应用：一体化集成与训推超融合一体机，加速智能客服场景创新。
   • 实现价值：答复效率提升千倍，准确度显著提高，用户满意度提升95%。

五、人工智能存储发展建议

1. 加强AI存储设施统筹部署
   制定国家战略层面的顶层设计，推动AI存储与算力基础设施协同发展。

2. 增强AI存储自主创新能力
   加快核心技术研发，推动国产化替代，建立国家级创新平台，提升全球竞争力。

3. 推动AI存储产业协同发展
   鼓励国产设备应用，打通产业链上下游，提升存储系统整体安全性和可靠性。

4. 构建AI存储能力评价体系
   完善产品与测试标准，推动产业健康发展，建立技术验证与应用评估机制。

结语

新型人工智能存储是大模型时代的关键基础设施，其发展对于提升AI模型性能、降低训练成本、保障数据安全和推动AI与实体经济融合具有重要意义。随着技术的不断进步和政策的持续引导，AI存储将朝着更高效、更安全、更智能的方向发展，为AI产业的全面升级提供坚实支撑。