人工智能时代，尤其是在AI大模型兴起后，为存储及算力领域带来了前所未有的发展机遇和挑战。

　　当前，中国存力生产总量较大，未来需求会持续增长。中国信通院云大所副主任马鹏玮在中国存储大会上介绍，2021年至2023年，中国存力规模稳步发展，2023年增速约20%，存力总规模达到1200艾字节。

　　在人工智能飞速发展推动下，存储规模也持续扩大。马鹏玮认为，伴随人工智能进入竞速跑阶段，“数据要素”和“人工智能”已成为存储产业发展的新引擎。一方面，数据爆炸式增长以及应用迅速发展，对存储系统提出了可扩展、高可靠、高性能的要求。

　　另一方面，中国工程院院士孙凝晖表示，AI计算特别“吃”算力，大模型对存储容量与访存带宽的需求在不断增加，这为存储及算力领域带来了前所未有的挑战，高性能、高可靠、高安全、高效能的存储底座显得尤为重要。

　　如何应对AI带来的存力挑战？《AIGC数据存储研究报告》提出，AIGC促使“以数据为中心”的趋势更加凸显，数据的按需流动和存储是支撑这一划时代技术变革的关键基石之一。

　　浪潮信息存储首席架构师孙斌对中新网记者表示，AIGC时代，人工智能和数据要素是数据型中心的两类主要负载，存储面临效率、性能等挑战，需要先进存力支撑，先进存力需要新型存储架构。

　　人工智能负载包括模型的训练和微调，以及模型的落地、推理和应用；数据要素负载包括数据基础设施的建设、数据空间的生成与应用等。信息技术服务公司Gartner预计，到2028年，企业软件应用程序包含具备自主性AI从不到1%提高到33%，30%的企业机构将把数据变现或数据？表纳入其数据战略。

　　浪潮信息方面认为，新型数据中心面临的六大存力挑战包括数据多样、混合负载、存算协同、安全可信、全局管理和绿色节能。先进存力应是以数据为核心，满足数据全流程、全状态、全生命周期的多维能力，可实现数据的高效处理、容纳、协同、安全、流通和绿色六类特性需求。

　　由此，面向AIGC时代数据中心存储的两大核心工作场景，浪潮信息存储将提供机柜级存储底座和数据中心级存储底座，以存储架构创新打造先进存力，满足集约高效、一体化数据中心的建设要求。

　　中国科学院院士、北京航空航天大学教授钱德沛提出了“For AI”的解法：算力网要提供更多、更强的面向AI的计算资源，发展GPU、AI加速器、深度学习处理器等高效支持AI应用的硬件，并与计算范式、模型、算法等实现软硬件协同。

　　腾讯云混元大模型负责人王迪则表示，面对千亿级关系网络及混元大模型万亿级参数提出的算力需求，其开发了全栈自研的Angel机器学习算力平台，在通信设备、存储效率与构造等方面均实现了突破，“比如，通过5D多维并行与算子优化，端到端的模型推理性能提升至业界的2.3倍。”

　　人工智能并非只会带来挑战，也潜藏着新机遇。钱德沛说，AI能让算力网的调度、使用和运营管理更加智能、高效、节能，智能化手段也有助于优化计算机与互联网的性能，也更节省能耗。(完)

（文章来源：中国新闻网）