當下AI產業鏈上，存儲是熱度最高的環節之一。
隨著大模型訓練與推理規模不斷擴大，存儲產品市場正在經歷一輪顯著的上行周期，價格上漲、供給趨緊成為行業共識。在這一現實約束下，如何通過更高效的數據組織、調度與利用，釋放有限算力的潛力，正在成為新的競爭焦點。
“現在核心痛點在于，很多數據沒法被AI直接消費，這會導致AI很難真正快速落地。”近日，華為數據存儲產品線副總裁謝黎明接受21世紀經濟報道記者專訪時，談到了當前AI產業應用的挑戰。
（華為數據存儲產品線副總裁謝黎明）
算力、算法、數據被稱為AI產業的三大要素，高質量數據十分關鍵，升級數據存儲正在成為業界共識性趨勢。
謝黎明指出，隨著數據存儲從“存數據”轉變為“存知識、存記憶”，其形態需加速進化，承擔起更多AI緊密相關的功能。因此，華為率先推出了AI數據平臺（AI Data Platform，AIDP），并在醫療等行業智能體應用進行落地。
比如，2025年12月華西醫院發布的“睿賓2”醫療智能體，背后就有華為AIDP的技術支持。據介紹，AIDP基于OceanStor A800存儲構建，涵蓋知識生成與檢索、記憶萃取與召回、UCM推理加速三大核心技術，為醫療智能體落地提供支撐。
隨著AI從對話工具走向參與決策的智能體，數據存儲正從容量與性能競爭，演進為平臺與系統能力的競爭，而這也正在把存儲推向AI產業競爭的前沿。
AI驅動數據存儲形態迭代
在大模型能力快速躍遷之后，AI產業正進入一個新的階段。模型生成能力已不再是核心問題，真正的挑戰在于，AI能否穩定、低成本地參與真實業務流程。越來越多企業意識到，模型能力與AI落地之間，存在一條并不容易跨越的鴻溝。
其中，如何更好的應用數據成為掣肘之一。謝黎明回顧道，過去二十多年，企業圍繞數據構建了數據庫、數據倉庫、大數據平臺乃至湖倉一體體系，但這些系統的核心設計目標，始終是服務人和傳統應用程序。
“以前的數據平臺是給人看的，并非為智能體量身打造。”在他看來，隨著AI尤其是智能體開始承擔分析、決策和執行任務，數據訪問范式正在發生根本變化。智能體并不是只“瀏覽數據”，而是“理解并使用數據”，而這對數據的形態、加工方式和供給效率提出了全新要求。
謝黎明使用了一個形象的比喻：“你可以把原始數據理解成面粉。過去只需要把面粉存好、管好，但AI要做的是糕點。如果不先把面粉加工為面團，它是沒法直接用的。”
因此，謝黎明認為，數據存儲的能力邊界需要被重新定義。在智能體場景中，數據存儲不僅要解決“能不能查到”數據的問題，還要解決“能不能用得好、用得起、持續用”，承擔起更復雜的角色：將原始數據轉化為AI機器可以直接使用的結構化知識，為推理提供連續上下文，并為智能體保留可調用的長期記憶。
華為AIDP應運而生，這并非對既有數據存儲或數據庫產品的簡單升級，而是平臺層面的重新定義。而這一趨勢，并非華為一家判斷，已經成為業界共識。以英偉達為代表的國際廠商已陸續推出自身的AI數據平臺產品，全球一些存儲廠商、云廠商、數據庫廠商也在不同維度孵化類似能力，試圖解決AI落地的“最后一公里”。
AIDP成AI落地關鍵一環
如果說AI數據平臺是一種產業趨勢，那么華為AIDP的價值，體現在如何將這一趨勢轉化為可落地的系統工程。
“我們在大量項目中發現，AI落地卡住，往往不是單點的問題，而是一整條鏈路的問題。”謝黎明總結了智能體落地面臨共性瓶頸，包括數據能否被AI直接消費、復雜推理的效率和成本問題，以及智能體是否具備支撐長期任務執行的記憶能力。
具體來看，首先是數據處理和推理效率。“現在很多真實場景是，文檔很長、邏輯很復雜，但GPU的HBM容量有限。”謝黎明將其比喻為“人的腦容量有限”，一旦超出，就只能被迫拆分推理，結果不僅慢，而且容易斷章取義。
而華為AIDP的做法，是通過存儲側的分級緩存和調度機制，為推理擴展有效上下文能力，“相當于給推理搭建了外置緩存池。”他解釋道。
此外，智能體能否落地的一個關鍵點是記憶能力。謝黎明表示：“當前對話級記憶能力解決不了復雜任務，智能體必須有任務級記憶能力。”AIDP通過內置記憶庫機制，將歷史狀態、執行路徑和關鍵經驗沉淀下來，并在后續推理中按需召回，為智能體提供連續性支撐。
醫療場景為AIDP提供了一個高標準的驗證樣本。以華西醫院的實踐為例，面對長病歷和復雜知識體系，傳統方式下推理成本高、效率低。在華為AIDP的支持下，華西醫院專家團隊、華為、潤達醫療、成都智算中心聯合打造了“睿賓2”醫療智能體，為患者提供覆蓋全病程的專業診療服務（醫知Dr），同時為醫生提供集文獻助手、證據快搜、AI綜述于一體的智研支持（論界Scholar），構建了可復制、可持續的“華西AI醫療平權模式”，打破醫療資源壁壘，推動醫療智慧下沉。
隨著AI產業從模型競賽走向系統競爭，AIDP正在成為連接模型能力與行業應用的關鍵一環，向上連接模型與算力，向下對接真實行業數據，決定AI能否真正進入生產系統。尤其進入智能體時代，誰能率先把數據真正轉化為可持續演進的能力，誰就更接近AI產業落地的核心位置。