1. 首頁 > 生活百科 > >

AI存儲大戰，京東云海跑出中國速度

華為鴻蒙系統ai軟件安卓

AI存儲大戰，京東云海跑出中國速度

文章圖片

AI存儲大戰，京東云海跑出中國速度

文章圖片

AI存儲大戰，京東云海跑出中國速度

文章圖片

【AI存儲大戰，京東云海跑出中國速度】AI存儲大戰，京東云海跑出中國速度

文章圖片

AI存儲大戰，京東云海跑出中國速度

文章圖片

AI存儲大戰，京東云海跑出中國速度


不少朋友最近都在吐槽：1TB的機械硬盤 ， 之前300多就能拿下 ， 現在都快五百了！固態硬盤也在漲價 ， 存儲產品的價格怎么突然坐上火箭了？
其實 ， 終端消費者感受到的漲價風暴 ， 早在2025下半年開始 ， 就從產業鏈上游發酵 。 源頭就是AI 。
AI應用需求爆炸 ， 而AI服務器又是吞存大戶 ， 吃掉了全球40%的DRAM內存和高容量SSD ， 隨著2025年全球數據中心的支出猛漲 ， 一下子就把企業級固態硬盤搞成了搶手貨 。 三星、SK海力士這些內存制造商 ， 更樂意把晶圓產能砸給賣得更貴的HBM/DDR5 ， 導致傳統平價存儲產品DDR4/LPDDR4X供給減少 。 便宜的貨少了 ， 價格自然就上去了 。 而且 ， 由于生成式AI的需求還在激增 ， 所以Gartner預測 ， 存儲荒至少要熬到2026年下半年 。
好多朋友傻眼了 ， 之前是AI算力荒和GPU漲價 ， 沒想到 ， 存力荒和硬盤漲價也來了 。 其實 ， 大眾還聚焦于模型多牛、算卡多貴的時候 ， 存力早成了AI科技競賽的暗戰 。
這場暗戰 ， 可以從哪里窺得戰況呢？最近發布的存儲系統性能評測IO500榜單 ， 就是存儲界的奧林比克賽場 ， 成績單里隱含著不少行業秘密 。
比如說 ， 前三名都采用DAOS+PMem架構 ， 也就是依賴持久內存（Persistent Memory）等高成本、非通用硬件 ， 成本高昂 ， 普通企業根本玩不起 。
再比如 ， DAOS是美國技術棧 ， 雖然開源 ， 但極端情況下也有被禁用、斷供的風險 。 那大家會好奇 ， 前十名有沒有中國技術和國內選手呢？第四名的京東云海就是 。

而且 ， 京東云海是在不依賴高成本、特定硬件的前提下 ， 基于通用NVMe盤存儲服務器 ， 結合全棧自研軟件體系與深度調優 ， 也跑出了頂尖性能和TOP4的成績 ， 這也是中國自研技術首次穩穩站上全球高性能存儲的第一梯隊 。
對各行各業來說 ， 這意味著有了好用、不貴 ， 還自主可信的存儲底座 。 搞AI訓練和推理 ， 也不用愁性能不夠、被國外技術卡脖子 ， 更不用為天價硬件買單 。
一張榜單背后 ， 藏著AI時代的存力密碼 ， 這也是國產存儲跨越十年的執著奔跑 。

讀懂這份成績的不易 ， 有必要首先了解下IO500的含金量 。
作為全球高性能計算存儲系統性能的權威排名 ， IO500榜單的難 ， 重點體現在兩個方面：
一是上榜要求高 。 IO500的綜合得分（score）由30%帶寬（BW）和70%元數據性能（MD）加權構成 ， 是對存儲系統全能性的終極考核 ， 不僅要撐得起BW（GiB/s）代表的大文件順序讀寫能力 ， 比如加載幾十上百GB的大模型參數、批量導入億萬級的訓練數據集；而占比更高的MD（元數據性能） ， 則考驗的是小文件隨機訪問能力 ， 這正是AI推理場景中高并發小文件的核心痛點 ， 一個模型推理過程可能涉及數萬次小文件調用 ， MD性能差一點 ， 整個流程就會卡頓 。
更關鍵的是 ， 這兩項能力必須同時在線 。 所以 ， IO500的邏輯是 ， 不僅需要硬件層面的真金白銀投入 ， 更要在軟硬件整合適配、工程調優、場景化性能打磨上做到極致 ， 把上榜門檻拉得極高 。

二是競爭激烈強度大 。 由于IO500的高要求能在榜上留名 ， 尤其是沖進前列 ， 難度堪比在HPC領域摘得奧運金牌 ， 站穩腳跟的無一不是全球存儲領域的頂尖玩家 ， 競爭也格外激烈 。
比如榜單的第一名Aurora第二名LRZ ， 都采用了DAOS + PMem架構 ， 第二名的方案規模甚至更大 ， 說明頂級選手的方案比拼十分膠著 ， 拉開一點差距都要狠下功夫 ， 而且絕非單純堆料就能勝出 。
為了在這個頂級賽場 ， 跑出好成績 ， 多數廠商都選擇依賴成熟的海外技術棧 。 最新榜單前十中 ， 4個席位（包括冠亞季軍）基于DAOS ， 5席采用海外存儲廠商DDN的商業方案 。 但這些方案雖然省心 ， 卻難以滿足國內重點行業自主可控的信創要求 。
這樣一來 ， 對國產存儲廠商的要求進一步拔高了 ， 不僅是參賽和上榜 ， 還必須用自研IT技術棧 ， 跑出與海外生態對等的頂尖性能 。 相當于在田徑賽場上 ， 別家運動員可以穿高級定制跑鞋 ， 而國內選手只能穿全國產生產線做出來的跑鞋 ， 還得比別人跑得更快 。

正因如此 ， 京東云海躋身全球前四、國產自研第一 ， 才顯得格外特殊：它不僅打破了海外技術對榜單前排的壟斷 ， 采用的JDCloud+ JPFS（京東自研并行文件系統） ， 是榜單上唯一全棧自研的中國方案 。 還跑出了高于DDN方案的排名 。 第五名及以后DDN ， 在MD性能上明顯弱于DAOS和JPFS 。
這一次 ， 國產存儲用實力證明 ， 根植于100%自研技術棧 ， 完全能在高性能存儲賽道上跑出好成績 。

一張IO500榜單 ， 能說明什么？第四名又不是金牌 ， 也值得關注嗎？表面看 ， 它是存儲領域的專業排名 ， 但往深了說 ， 這張榜單背后藏著AI時代的存力密碼 。
當我們用AI生成圖片、靠大模型寫方案時 ， 支撐這些場景的不僅有CPU/GPU算力 ， 更有能吞吐數據的存儲能力 。 過去的存儲是數據倉庫 ， 只要能安全地存放數據就行 。 但AI時代的存儲 ， 還必須精準、高速地把數據輸送給計算核心 ， 不僅要吞吐快、用得活 ， 還得成本低 ， 才能滿足各行各業高效使用AI的需求 。
從這個角度來說 ， 京東云海作為唯一不用燒錢硬件的參賽選手 ， 或許是TOP10中唯一能適配中國AI場景的獨苗方案 。 其價值遠不止排名 ， 更體現在：
成本優勢 ， 它用通用硬件打出了頂級成績 。 相比TOP3采用的海外生態軟硬件方案 ， 京東云海完全基于通用NVMe SSD ， 卻跑出接近DAOS的MD性能 ， 成為通用NVMe架構下性能最強的AI存儲 ， 而成本卻大大降低 ， 這意味著中國技術可以用普惠硬件實現頂尖性能 。 比如醫院引入AI輔助診斷、教學課堂引入AI智慧教學 ， 抑或AI村官、AI政務等應用 ， 如果只能用昂貴的硬件方案 ， 硬件成本都是無法承受的 。 基于京東云服務+云海存儲 ， 這些用戶也可以像水電一樣 ， 低成本地用上AI 。

安全優勢 ， 它是TOP10中唯一國產自研、全棧可控的方案 。 開源方案并不意味著百分百自主可控 ， 所以面對信創要求 ， 海外廠商存在掣肘 。 而且 ， 開源的產品沒辦法基于用戶的應用再做進一步定制化開發 ， 特定需求難以滿足 ， 同質化嚴重 ， 性能、穩定性難以保障 。 云海為京東云100%自主研發 ， 代碼自研率高達98% ， 核心技術完全自主可控 ， 與主流國產化硬件和軟件兼容互認 。 無論是銀行、保險等金融機構的敏感數據 ， 還是能源、科研、政務等國計民生行業 ， 智能化轉型有了高性能的國產化選擇 。
AI優勢 ， 京東云海在AI推理方面的能力也值得注意 。 榜單成績顯示 ， 京東云海跑出了遠超DDN方案的性能表現 ， 格外適合AI推理 ， 結合存算分離優化 ， 為AI訓推降本增效 。 當前 ， AI需求正從大規模預訓練 ， 轉向后訓練和推理 ， 后者對元數據性能要求極高 ， 比如一個集團公司幾百人同時使用DeepSeek ， 在AI客服高峰期處理大量用戶訪問 ， 而京東云海的高MD性能能讓AI快速完成高并發小數據的調取 ， 想象一下 ， 你剛把問題發給AI ， 答案幾秒就彈出來了 ， 體驗感直接拉滿 。
所以說 ， 京東云海全球第四、自研國產第一的成績 ， 意義遠大于排名本身 。 它不僅證明了中國企業在高性能存儲上的技術突破 ， 更說明 ， 國產存儲能夠以更低的成本、更通用的架構 ， 達到國際頂尖性能水平 ， 可以為AI訓推與應用落地 ， 提供又快又省的高性價比國產方案 。
不是只有金牌才值得歡呼 。 奧林匹克官方就曾用一句話致敬蘇炳添 ， “沒有人能跑贏時光 ， 但曾有人創造過歷史 。 他跑過的不只9秒83 ， 還有所有‘不可能’” 。
而京東云海的成績之所以特別 ， 就在于它也打破了AI存儲的諸多不可能 ， 創下了國產存儲的歷史時刻 。

國際賽事的成績突破 ， 從來不止是個人或企業的勛章 ， 更標志著一個國家在該領域已具備長期可持續的體系化能力 。 就像德國足球的長盛不衰 ， 靠的是全民足球生態的積淀與后備力量的持續輸送 。
京東云海的突破 ， 證明國產存儲已構建起成熟的技術與產業根基 。 AI存儲 ， 正從少數巨頭的昂貴玩具 ， 變成千行百業智能化的必需品 。
比如金融領域 ， 銀行、證券等紛紛響應國家號召 ， 積極創新引入科技手段推動普惠金融 ， 又需要信創的數字底座 。 一些機構就通過云海AI存儲 ， 解決數據系統、AI平臺 ， 大模型應用三者數據高效流動的問題 ， 達到降本增效的效果 。
在自動駕駛領域 ， 一家車企L3與L4模型研發中 ， 每天產生至少800TB的路測數據 ， 依托云海極速版方案 ， 應對計算節點的高并發訪問需求 ， 保證了AI算法訓練的實時性 ， 助力自動駕駛模型的迭代 。

在互聯網領域 ， 荔枝FM、墨跡天氣等頭部互聯網平臺 ， 是上億用戶每天娛樂、出行的基礎工具 。 面對海量用戶的數據存儲挑戰 ， 傳統架構存儲冗余高、資源利用率不足 ， 正與京東云海攜手打造兼具經濟性與安全性的新一代存儲范式 。
通過這些場景 ， 我們可以發現 ， 高性能存儲已經與大眾的衣食住行、千行百業的智能轉型 ， 密不可分 。 打造一個堅實、自主、普惠的存力底座 ， 京東云海的方案 ， 不僅兼顧了高性能與經濟性 ， 更得益于京東云和京東集團的托舉 ， 使其更適合規模化落地在各個行業 ， 這種作為外部行業存力底座的獨特競爭力 ， 體現在幾個方面：
一是部署更靈活 。 不同于很多云廠商存儲服務與云平臺高度綁定的模式 ， 云海從京東云完全解耦 ， 支持獨立部署交付 ， 適配更多行業場景需求 。 京東云海在超百家金融、證券、汽車等企業交付驗收 ， 并穩定運行至今 。
二是企業用得起 。 相較于純軟件競品 ， 依托京東集團的供應鏈優勢 ， 云海在具備自產硬件能力的基礎上 ， 典型配置價格更低 ， 性價比優勢突出 。
三是經得住考驗 。 云海歷經京東13年內部實踐 ， 從618到11.11的高流量洗禮中實現零故障 ， 穩定性與可靠性無需多言 。 與之相比 ， 國內不少存儲硬件廠商缺乏超大規模場景打磨 ， 這或許也是科大訊飛選擇京東云海來構建AI營銷、頭部證券公司通過京東云云海實現國產化替代的主要原因 。
而這份突破的價值 ， 也與國家戰略高度契合 。

此前 ， 工業和信息化部等六部門曾聯合印發《算力基礎設施高質量發展行動計劃》中 ， 就將先進存力建設放在了突出位置 ， 明確提出到2025年存儲總量超1800EB、先進存儲容量占比達30%以上的目標 ， 還專門將“強化存力保障”列為重點任務 。 之所以如此重視 ， 核心在于存力極易成為“木桶效應”中的短板 。
如果存儲性能跟不上 ， 再強的算力也會陷入巧婦難為無米之炊的困境 ， 最終制約大模型從研發到落地的全流程效率 ， 埋下AI產業發展的隱性風險 。
京東云海在IO500榜單上斬獲第四名 ， 一舉沖破海外技術棧對前十席位的長期壟斷 ， 用實打實的成績證明：靠通用硬件加深度軟件優化 ， 完全能實現對專用架構的超越 。
從2012年 ， 京東啟動分布式統一存儲平臺研發 ， 2022年新一代架構的云海正式對外發布 ， 再到如今 ， 在AI存儲的奧林匹克賽場上 ， 中國方案終于讓世界矚目 。 這場跨越十余年的存力奔跑 ， 一步步為中國AI踩出了一條安全自主、行穩致遠的堅實道路 。
這 ， 是一條真正屬于我們自己的技術坦途 。

    推薦閱讀