1. 首頁 > 生活百科 > >

Gartner的AI存儲大考，華為如何交出“最高分答卷”？

北京北京商報6g

Gartner的AI存儲大考，華為如何交出“最高分答卷”？

文章圖片

Gartner的AI存儲大考，華為如何交出“最高分答卷”？

文章圖片

Gartner的AI存儲大考，華為如何交出“最高分答卷”？

文章圖片

Gartner的AI存儲大考，華為如何交出“最高分答卷”？

文章圖片

Gartner的AI存儲大考，華為如何交出“最高分答卷”？

文章圖片

Gartner的AI存儲大考，華為如何交出“最高分答卷”？

文章圖片

Gartner的AI存儲大考，華為如何交出“最高分答卷”？


2020年發布的GPT-3擁有1750億Tokens ， 只需要TB級的存儲空間；到2023年發布的GPT-4 ， 其規模達到了13萬億Tokens；而到2025年發布的GPT-5 ， 其規模可能已經達到了114萬億Tokens ， 支持多模態數據（圖像、音頻、代碼）及合成仿真數據 。 大模型規模指數級別的擴張 ， 不僅帶來了算力與網絡的壓力 ， 更對數據存儲基礎設施形成了劇烈而全面的考驗 。
AI時代 ， 存力先行 。 全球企業此刻正普遍希望找到最適合自身AI戰略發展的存儲基礎設施 。 在這樣的關鍵期待中 ， Gartner又一次發揮了其在IT產業中一如既往的黃金標尺作用 。

在不久前Gartner發布的《2025年企業存儲平臺關鍵能力報告》（Critical Capabilities for Enterprise Storage Platforms）中 ， 首次增加了“AI Application Integration”關鍵能力指標 ， 并將“Artificial Intelligence” 作為評估的典型場景用例 。 這可以被看作是Gartner作為業界權威分析師機構對AI存儲場景的首次大考 。 而在這次大考中 ， 華為在這項AI應用場景綜合評分中排名第一 。
為什么華為能夠交出這張“超高分答卷”？其對于AI存儲領域的整體性啟示又有哪些？讓我們透過這份Gartner關鍵能力報告 ， 解析AI時代的存儲變局 。

AI技術正在切實可信地為日常生活與企業生產帶來變革 。 而這種變革并不僅僅發生在算法應用層面 ， 更對于與之相關的IT基礎設施形成了深刻的變革需求 。 AI時代 ， 高質量數據直接決定大模型應用的落地效能 。 存力先行 ， 尤為關鍵 。 圍繞AI需求 ， 企業需要進化存儲等基礎設施的迭代 。
面向充滿未知的AI時代 ， 企業應該如何錨定自身的IT選擇？這時候多年來被譽為IT咨詢界黃金標尺的Gartner又一次發揮了關鍵作用 。
之所以受到全球企業信賴 ， 是因為Gartner每年可以處理超過400萬次客戶咨詢 ， 能夠結合廠商實測、用戶調研、專利分析及第三方壓力測試報告來進行技術分析與評估 ， 確保結論不受商業利益影響 。 并且其團隊涵蓋技術專家、經濟學家與行業顧問 ， 可以形成“技術可行性+商業價值+合規風險”的綜合評估模型進行評判 ， 相對來說能夠更加清晰地為用戶帶來最終價值 。 比如說 ， 某跨國銀行就通過Gartner的《AI數據就緒路線圖》 ， 將大模型訓練數據準備周期從12個月縮短至6個月 。
多年以來 ， Gartner以絕對嚴格的衡量標準、不易動搖的評判立場 ， 以及對市場風向的精準把握著稱 。 其打造的魔力象限與關鍵能力報告等體系 ， 在全球IT產業中形成了風向標般的作用與價值 。 由其所發布的關鍵能力報告 ， 是提供給企業IT運營負責人與企業決策者的重要參考 。

在Gartner發布的這份2025年企業存儲平臺關鍵能力報告（Critical Capabilities for Enterprise Storage Platforms）中 ， 對各廠商存儲產品的關鍵能力指標打分 ， 并按不同權重進行組合 ， 從而評估出7項企業典型應用場景中不同廠商的綜合能力得分和排名 。 從結果看 ， 華為獲得了綜合排名第一的成績 。 同時 ， 這份報告的一個關鍵之處在于 ， 其首次增加了AI應用場景的評估 。
這說明AI技術帶來的變革 ， 給全球存儲行業帶來了新的機會和要求 。

Gartner首次增加“AI Application Integration”關鍵能力指標 ， 并將AI作為評估的典型場景用例 ， 背后是伴隨著AI大模型的持續升級與普遍性應用 ， 對存儲底座提出的要求與考驗正在全方位提升 。
舉例來說 ， 在千卡集群的大模型訓練中 ， 平均每2小時就會生成1TB級別的CheckPoint文件 ， 對存儲規模與性能造成了持續性考驗；同時 ， AI帶來的數據多樣性不斷提升 ， 大模型往往需要覆蓋多種數據來源 ， 不同的數據類型與數據格式 ， 以及需要完成訓練、推理、歸檔的全數據管理流程；此外 ， AI應用還會帶來海量文件的高并發讀寫等一系列全新的數據處理需求 。

面向一系列變革 ， 存儲產品不僅需要提升性能與擴展性 ， 更加重要的是具備“AI原生能力” 。 在Gartner的報告中我們就可以看到這一點 ， 其AI場景用例主要是評估存儲支持生成式AI應用的原生能力 。 比如對數據向量化的支持 ， 可以有效完成海量文件并發處理等；能夠實現AI計算單元直通存儲技術 ， 從而加速AI訓練和推理；支持第三方AI應用集成 ， 從而為企業用戶提供豐富的生態性等 。
只有這一系列能力都充分達標 ， 存儲才能夠滿足AI發展的多元化需求 ， 成為AI時代的推動力 。 Gartner預判 ， 到2028年AI存儲比例會大幅增長 ， 這也是為什么其會將AI作為獨立的典型用例加以考察 。 這可以說是Gartner在洞察了未來方向之后 ， 對AI存儲能力進行的首次大考 。
而這次大考的結果 ， 讓我們看到了華為實現了AI存儲領域全面領先的“超高分答卷” 。

洞察未來 ， 再基于未來目標推演現在 ， 是華為數十年來堅持的戰略方法 。 在存儲領域 ， 華為很早就預判到了AI帶來的變量 ， 并為此進行了充分準備 。 無論是高性能、高擴展 ， 還是AI應用原生能力方面 ， 華為都已經實現了全面領先 。
分析華為的“超高分答卷” ， 我們可以發現其有兩個方面構成 。
首先我們能看到 ， 華為已經形成了體系化、系統化的AI存儲產品 。 這一點在全球存儲產業中毫無疑問處在領先地位 。
華為OceanStor A系列高性能AI存儲 ， 作為專為AI而生的新一代高性能存儲 ， 能夠一套存儲滿足AI訓推全流程處理需求 ， 在金融 AI 大模型、區域智算中心、人工智能算力中心、科研平臺、自動駕駛平臺等場景廣泛應用 。
具體而言 ， 華為OceanStor A系列高性能AI存儲 ， 提供業界領先的性能、高擴展性和全新數據范式：
在領先性能方面 ， OceanStor A系列高性能AI存儲采用創新數控分離架構 ， 支持XPU直通存儲能力 ， 能夠提供超越傳統存儲10倍的性能 ， 實現百TB級帶寬以及千萬級IOPS ， 極大提升生成式AI全流程效率 。 其訓練集加載效率是業界4倍 ， 斷點續訓速度是業界3倍 。

OceanStor A系列存儲的卓越性能還獲得了全球AI存儲性能評測權威MLPerf Storage榜單認可 。 2025年MLPerf Storage v2.0基準測試最新結果顯示 ， 華為OceanStor A系列存儲性能再次問鼎全球 ， 以每框698GiB/s、每U 108GiB/s的卓越性能 ， 刷新榜單紀錄 。
在高擴展性方面 ， OceanStor A系列存儲基于全新硬件架構 ， 支持 Scale-out & Scale-up 雙向融合的彈性擴展能力 ， 單集群支持EB級容量橫向擴展 ， 保障海量數據存儲需求 ， 并且每個引擎可支持多GPU、DPU或NPU縱向擴展 ， 以支持近存計算 ， 加速數據處理 。
在全新數據范式方面 ， OceanStor A系列存儲支持使用張量、向量、KV Cache等AI新興數據范式 ， 內置億級大庫容向量知識庫 ， 實現QPS性能領先業界3倍 。
其次 ， 華為不僅推出了完善的AI存儲產品 ， 同時還聚焦于存儲基礎技術的創新 ， 實現了存儲與AI結合度的多維度提升 。

比如華為全新推出UCM（Unified Cache Manager）推理記憶數據管理創新技術 ， 以多級緩存方案大幅優化AI推理體驗與成本問題 。 其可以對接昇騰NPU、英偉達GPU等 ， 以及vLLM、SGLang、MindIE等引擎 ， 將大模型歷史結果、語料庫、知識庫以KV Cache的形式緩存至高性能外置共享存儲上 ， 以查代算 ， 實現大幅推理加速 ， 使首Token時延最大降低90% ， 單卡推理吞吐量提升60% ， 顯著降低每Token推理成本 ， 為企業減負增效 。
在智能客服等場景的實踐中 ， 通過部署華為AI推理加速方案 ， 系統可以將長文本分類知識庫提前預熱至KV Cache Pool中存儲 ， 避免推理場景中出現重復計算 ， 從而將整體推理時延縮短近90% ， 顯著提升了客戶反饋的分析與響應效率 ， 實現單通話分析時間120s->10s ， 效率提升11倍 ， 每天分析客服記錄數提升125倍 。
在會議紀要生成等長文檔處理場景中 ， 為突破模型上下文窗口限制 ， 華為AI推理加速方案采用了KV Cache稀疏去噪技術 ， 將原始80K上下文信息壓縮至16K進行加載 ， 在不影響關鍵信息的前提下突破原有窗口限制 ， 完全滿足客戶對會議紀要準確性與完整性的要求 。

華為最新發布的專為AI工作負載優化的高端固態硬盤——AI SSD ， 則是當前AI應用場景中最先進的閃存介質 ， 在性能、容量、可靠性等維度全面突破 。 其高性能AI SSD可以和HBM、DRAM高效協同 ， 構建數據分級存儲體系 ， 提升AI訓練和推理的效率與體驗；大容量AI SSD則可以替換HDD ， 從而破解AI時代海量數據的存儲與應用難題 。
率先形成面向AI技術的存儲體系 ， 實現可持續的AI存儲底層技術突破動能 ， 這二者讓華為在AI存儲領域構筑了技術、產品、用戶價值多維一體的優勢版圖 。 而這恰恰也是Gartner在AI存儲變局中最為著重考量的內容 。
AI存儲的大考 ， 華為就這樣以未來洞察結合產品技術積累 ， 在全球產業界率先交出了“超高分答卷” 。

Gartner的《2025年企業存儲平臺關鍵能力報告》（Critical Capabilities for Enterprise Storage Platforms） ， 可以看作是全球存儲產業全新的風向標 。 AI時代加速到來 ， 為存儲產業帶來了充分且清晰的變革任務 。 AI技術的大規模應用 ， 要求存儲產品具有更加綜合性的技術能力 ， 對未來研究路線有更加清晰的預判 ， 同時能夠在數據存儲與AI技術兩端之間建立有效的聯接 。 面向未來 ， 將有更多存儲廠商直接參與到AI變革中來 ， AI存儲所占的產業比例將不斷擴大 。
華為之所以能夠在AI存儲領域一騎絕塵 ， 就是因為其始終堅持自己的信念與洞察 ， 極早預見到了AI將成為科技變革的核心趨勢 ， 而存儲將是AI變革中不可或缺的一環 。 由此出發 ， 在每一個AI存儲的變革節點上華為都保持了先發優勢 。

華為長期以來著眼于解決AI大模型應用落地中實際存在的問題 ， 比如提升訓練效率 ， 提高推理體驗 ， 優化綜合成本等 。 從AI開發者與企業智能化的實際境況出發 ， 提供能夠解決實際問題的產品與解決方案 ， 讓華為有了不斷升級AI存儲的動力源泉 。 可以看到 ， 華為在這一領域的創新將是持續性的 ， 未來其將帶來更多AI存儲方向的技術與產品突破 。
在一系列變革的加持下 ， AI存力時代正在加速到來 。 企業智能化用戶將獲得更強的存力支撐 ， 存儲產業將迎來智能化的快速發展機遇 。 最終 ， 全球將迎來普惠AI的新紀元 。
【Gartner的AI存儲大考，華為如何交出“最高分答卷”？】

    推薦閱讀