存储枢纽

存储枢纽崛起：AI时代重构数据基础设施的下一个核心战场

当大模型训练参数从十亿级飙升至万亿级，当生成式AI对高质量数据集的规模化供给需求呈指数级增长，算力短缺的讨论已经抢占了太多行业头条——但很少有人注意到，支撑AI突破增长极限的核心瓶颈，正在从算力转向存力。作为东数西算工程落地的新形态基础设施，存储枢纽正在广东韶关、重庆、贵州、河北廊坊等国家级算力节点加速落地，成为撬动我国数据要素市场化、AI产业落地的关键支点。

2025年7月，行业数据已经给出了最直观的信号：我国全国存力总规模已经达到1580EB，这个足以存储超过3000亿部高清电影的数据规模背后，是存储枢纽从概念到落地的加速跑。就在同一个月，中国移动与曙光存储联合启动国内首个智能存力跨域调度平台，这个平台率先覆盖了长三角、成渝、内蒙古、贵州四大国家级算力枢纽，联动横跨东西、连接南北的七大存力资源池，第一次实现了跨区域存力资源的全局统一调度。仅仅一个月后，2026中国国际大数据产业博览会在贵州贵阳启幕，华为数据存储产品线副总裁肖德刚在主题演讲中直接点破当前行业的核心矛盾：我国已经是全球第一数据大国，数据规模高速扩张、配套政策密集出台，但有效供给不足的高质量数据集，依然是限制AI智能跃迁的最大短板，而存储枢纽正是解决这一矛盾的核心底座。

很长一段时间里，存储在数据产业链中都扮演着“算力配角”的角色：业内讨论东数西算，焦点都在算力枢纽的PUE值、芯片国产化、上架率，存储只是配套的基础设施。但AI产业的发展正在彻底推翻这一逻辑。来自华为、三大运营商的多名行业专家近期公开表示，没有高效安全经济的数据存储，即使有再强大的计算能力，也无法把数据真正有效利用起来，未来AI发展的重心，必然会从“以计算为中心”转向“以数据为中心”——存储枢纽的价值，恰恰就承接了这一产业转向的核心需求。

和传统分散式的数据中心存储不同，存储枢纽本质是依托国家级算力枢纽节点布局的规模化存力中心，其核心定位不止是“存更多数据”，更是要解决“存好有效数据、调度可用数据、产出高质量数据”的全链条问题。从目前已经落地的布局来看，国内存储枢纽的落点全部落在“东数西算”规划的八大国家级枢纽节点范围内：贵州作为我国最早布局大数据产业的省份，已经成为存储枢纽布局的核心节点，此次国内首个跨域存力调度平台就将贵州纳入首批覆盖范围，今年数博会也把存力中心建设作为核心议题讨论；广东韶关作为粤港澳大湾区唯一的国家级算力枢纽节点，正在打造面向珠三角AI产业集群的低成本存力基地；重庆依托成渝枢纽的区位优势，正在构建服务西南产业的数据存储底座；河北廊坊则依托靠近京津的区位，承接京津冀的冷数据存储与灾备需求。

按照行业规划，这些节点的存力中心未来不止承担存储功能，还将向多元化产业载体延伸：既可以发展成为省级政务灾备中心，保障区域数据安全；也可以沉淀行业、区域专属语料库，为大模型训练提供标准化的高质量数据集；最终还将吸引数据标注、数据清洗、大模型微调等上下游企业聚集，发展成为区域数据产业聚集基地。

国内首个智能存力跨域调度平台的启动，其实已经点明了存储枢纽不同于传统存储中心的核心优势：解决存力资源分布错配的老问题。长期以来，我国东部地区AI产业、互联网企业集中，存力需求旺盛但土地、电力成本高企，而中西部地区可再生能源丰富、土地成本低，却存在存力利用率不足的问题。跨区域调度能力让存储枢纽可以把分散在不同区域的存力资源整合起来，让东部AI企业可以按需调用中西部的低成本存力，既降低了企业的存储成本，也提升了全国存力资源的整体利用率。

以AI大模型训练的需求来看，这种全局调度的价值格外凸显：一个万亿参数大模型训练，需要调用PB级的训练数据集，训练过程中还会产生数倍于原始数据的中间数据，训练完成后还有大量历史 checkpoint 需要长期存储。如果所有数据都放在东部算力中心，存储成本会上升30%以上，而通过存储枢纽的跨域调度，可以把低频访问的历史数据、原始语料存放在中西部的存储枢纽，仅把高频访问的训练数据放在靠近算力的东部节点，成本与效率可以实现最优平衡。

更关键的是，存储枢纽正在解决AI产业最头疼的“高质量数据集供给不足”问题。肖德刚在数博会演讲中明确提出，数据基础设施的演进应该沿着“聚好数、治好数、用好数”三大路径，而存储枢纽正是这一路径的物理载体：聚好数，就是把分散在各个机构、各个区域的海量数据统一汇聚到存储枢纽，解决数据分散碎片化的问题；治好数，就是在存储枢纽完成数据清洗、标注、脱敏、标准化处理，把原始的杂乱数据转化为可以直接用于AI训练的高质量数据集；用好数，就是通过统一调度平台，把高质量数据集按需供给给AI企业，实现规模化供给。

这个逻辑正在落地：贵州作为国家大数据综合试验区，已经汇聚了大量政务、行业数据，依托存储枢纽的存力中心，可以把这些数据脱敏后转化为标准化的行业数据集，供给给全国的AI企业训练行业大模型；成渝地区的存储枢纽，则可以汇聚西南地区的制造业、车联网数据，打造工业互联网、自动驾驶的专属数据集。这种“存储即加工”的新模式，正在把存储枢纽从一个成本中心变成价值创造中心。

当然，存储枢纽的发展目前还处于早期起步阶段，面临的挑战也十分清晰。首先是存力的结构性矛盾：当前我国1580EB的总存力中，大部分是面向传统业务的低端存储，满足AI需求的高带宽、低延迟高端存储占比依然不足，如何适配AI大模型多并发、大数据量的访问需求，依然是产业需要解决的问题。其次是商业模式还在探索：存储枢纽的投资规模大、回报周期长，如何平衡公共服务属性与市场化收益，还需要探索出可持续的模式。此外，数据跨域流动的安全合规问题，也需要配套的制度创新来解决。

但不可否认的是，存储枢纽已经开启了数据基础设施的下一个十年增长周期。从政策端来看，数据要素市场化改革、东数西算工程的持续推进，都在为存储枢纽的发展创造政策红利；从需求端来看，AI产业对高质量数据集的需求还在持续爆发，IDC预测2026年全球AI存储市场规模将突破150亿美元，国内市场的增速将超过全球平均水平。对于贵州、韶关这些抢先布局存储枢纽的节点而言，这正是换道超车的机会：当算力竞争进入存量阶段，存力正在成为新的核心竞争力。

回到数博会上肖德刚的判断：高质量数据集是AI智能跃迁的基石，而存力就是高质量数据集的家。当存储枢纽从幕后走到台前，我国数据基础设施的底座正在被重新塑造，这个万亿级的新赛道，才刚刚拉开序幕。