【環球網科技報道 記者 張陽】在數字化浪潮以排山倒海之勢席捲全球的當下，數據已成爲驅動社會進步和產業變革的核心要素，其規模正以指數級的速度瘋狂增長。特別是隨着人工智能（AI）技術的逐步成熟，大模型技術成爲科技領域發展的核心熱點，決定大模型發展快慢的“算力”，成爲街頭巷尾的熱議話題，而對於“存力”話題卻讓很多人感到茫然。

所謂“存力”也即數據存儲能力，隨着全球數據量以36%的年增長率持續擴張，預計到2030年將達到YB級規模，如何高效、安全地存儲這些海量數據，成爲了讓算力將人工智能大模型發揮其應有效力的前提。因爲也有評論認爲“算力決定人工智能的底線，數據決定人工智能的上限”。而根據工業和信息化部等六部門印發的《算力基礎設施高質量發展行動計劃》認爲，算力是集信息計算力、網絡運載力、數據存儲力於一體的新型生產力。在這一背景下，算力與存力作爲數據價值釋放的“雙引擎”，正成爲新基建競爭的戰略制高點。

近日，爲了更好探究我國存力發展現狀、挑戰及未來趨勢，中國信息通信研究院組織的“存力中國行”活動正式啓動，首站走進廣東，爲行業搭建了深度交流的平臺。

“存力中國行”走進廣東，透視存力發展現狀

廣州華銀康醫療集團股份有限公司（簡稱華銀康集團）是以病理爲核心的獨立醫學檢驗與診斷服務企業。作爲國內病理服務的先行者，華銀康集團於2010年開始，與國內外多所重點院校共同建設“華銀康病理診斷中心”。目前已建立覆蓋31個省區的醫學實驗室網絡，全國服務客戶超過12800家，其中與近700家醫療機構共建高水平病理科。

華銀康集團圍繞智慧病理的發展持續佈局，依託“數據-算法-場景”全鏈路技術閉環，在行業內首創“AI+系統+設備+資源”四位一體服務模式，提供模塊化智慧病理解決方案。在233位病理專家團隊及100位標註專家的支持下，深度融合DeepSeek等大模型技術，在遠程病理的基礎上爲各級醫療機構提供數字病理數據庫打造、病理AI輔助診斷、病理結構化報告以及病理全流程管理監控等服務。

以胃活檢爲例，胃活檢診斷具有極高的複雜性，對於處在病情發展中或少量異型細胞存在的情況，模型可通過提示性文字和對應區域展示，針對非明確的散落的可疑異型細胞進行建議性提示。系統針對於胃癌的敏感性超過99%，特異性達90%，有效防止漏診與誤診。通過AI分析後，會輸出整體診斷建議、熱力圖及色階圖，幫助醫生快速定位可疑病變區域，最終由病理醫生完成診斷。

華銀康在發展過程中遇到的一大難題就是數據存儲，全集團年檢測標本量約4000萬例，每一張完整病理圖像都需要近1GB存儲空間，同時還要保障能夠快速調用這些圖片供AI與病理醫生進行分析診斷，如果全部完整使用、歸檔所需要的存儲空間以及設備成本將是一個天文數字。所以華銀康採用了切片方式對病理圖像數據進行處理，僅保留病竈部位的圖像切片，並且採用了華爲分佈式存儲系統，構建安全、高效、可擴展的先進存力，並通過高效的壓縮技術降低存儲空間壓力，儘管如此，集團的機房內每年需要擴展的存儲容量仍然在PB級別。

數據要素化催生存力新基建

華銀康集團面臨的難題可以說是AI時代發展的縮影，隨着人工智能的爆發式增長和數據總量的指數級躍升，存儲已從傳統的“數據容器”躍遷爲支撐數字經濟高質量發展的戰略基座，是激活數據要素價值、培育新質生產力的核心引擎。

中國信通院副院長王志勤介紹，我國存力建設取得顯著成效，截至2024年底，全國存力總規模已達1580EB，先進存儲佔比提升至28%。然而，仍面臨“存而不用、用而不深”、核心芯片、軟件、介質短板以及存算運協同效率待提升等挑戰。爲此，她提出三大建議：探索最優路徑，共享最佳實踐；聚焦存力服務普惠與效能提升；強化技術攻關與產業協同生態構建。

華爲數據存儲產品線戰略與業務發展部總裁王旭東對此也深表認同。王旭東在接受記者專訪時開門見山地指出：“AI時代是數據的黃金時代，更是算力與存力協同進化的時代。”當DeepSeek等大模型引發產業變革後，數據已從“沉睡資產”蛻變爲驅動產業發展的核心生產要素。然而當前我國數據發展面臨雙重矛盾，記者採訪王旭東瞭解到：一方面2024年全國數據生產總量達41.06ZB，同比增長25%，但存儲總量僅2.09ZB，數據留存率不足5.1%；另一方面存儲數據中一年內未使用的“冷數據”逐年增多，傳統架構下數據孤島問題嚴重，導致數據治理效率低下。

這種矛盾在技術層面表現得尤爲突出。隨着AI進入多模態時代，文本、視頻、圖像等異構數據融合需求激增，傳統網絡架構已難以支撐。王旭東以醫療行業爲例：“醫院在構建AI大模型時，非結構化醫學影像數據的標註成本極高，傳統方式下數據準備週期長達數月。”這正是存力中心建設如火如荼的核心原因——它通過規模聚數、高效治數、安全供數、產業用數四個維度，構建起數據從資源到資產的閉環體系，與算力基礎設施形成互補，共同破解“數據豐富但價值貧瘠”的產業困境。

政策層面的驅動同樣顯著。國家數據局、工信部等部委密集出臺政策，將存力列爲重點發展方向，明確提出推動行業和區域數據歸集平臺建設。在“東數西算”工程中，廣東韶關、貴州、京津冀廊坊等樞紐節點同步規劃存力中心，使其不僅成爲數據存儲載體，更升級爲省級備份災備中心、行業語料庫開發基地和產業聚集中心。“政策與技術的雙重驅動，讓存力中心從概念走向落地，成爲激活數據要素價值的關鍵基礎設施。”王旭東強調。

從數據匯聚到產業賦能的全鏈條創新

王旭東告訴記者，在華爲的實踐中，存力中心的價值釋放依託四大核心能力體系，形成了一套可複製的 “華爲方案”。

規模聚數：打破數據孤島的全局掌控力。面對跨區域、跨行業的數據匯聚挑戰，華爲Omni-Dataverse通過三大創新實現數據全局可視、可管、可用：一是建立統一數據視圖，解決“數據在哪裏”的認知難題，實現資產註冊0遺漏、更新0等待；二是依託智能數據目錄，對百億級數據進行自動標籤，支持秒級查找；三是構建自定義數據流通機制，用戶可根據需求設定跨區域、跨設備的共享策略。

高效治數：AI 時代的數據質量鍛造廠。“AI大模型的競爭力高度依賴高質量數據集。”王旭東以華爲AI全流程工具鏈ModelEngine爲例，闡述華爲如何通過數據使能、模型使能、應用使能三方面提升數據治理效率。在瑞金醫院病理大模型項目中，基於此工具將病理數據標註週期縮短80%，大幅降低了AI模型上線成本。更重要的是，ModelEngine覆蓋了“數據預處理-模型訓練-應用部署”全流程，使單癌種業務AI應用上線週期縮短80%，爲醫療、製造等行業的模型落地提供了加速器。

安全供數：數據流通的可信防護網。數據要素流通的前提是安全可信。華爲構建的軟硬一體可信數據空間，從技術與管理雙維度保障數據流動：技術上採用可信流通策略、芯片級安全保障和端到端傳輸加密；管理上建立30+數據控制策略，實現全流程日誌審計。“就像給數據敷上‘保護膜’，讓提供方和使用方都能放心。”王旭東提到，這種安全體系不僅滿足合規要求，更解決了龍頭企業數據共享的核心顧慮——在醫療領域，通過所有權與使用權隔離技術，已推動多家三甲醫院實現數據安全共享。

產業用數：海量數據規模集聚融合之後，要推動“數據+行業+場景”的深度融合，形成數據從採集到治理到應用的正循環。王旭東透露，在某汽車廠商場景中，該企業不僅依託存力中心匯聚了企業內部數據，還整合了城市、金融、充電樁等外部數據，爲後續該企業的數據應用服務奠定基礎，併爲政府部門提供體系化監管服務支撐。

從介質突破到生態協同的破局之路

儘管存力中心發展前景廣闊，王旭東也坦誠指出當前產業面臨的三大核心挑戰：“國內80%以上的數據仍存儲在機械硬盤，而該領域核心技術長期不在國內。”王旭東呼籲加速全閃存介質的應用與創新，他強調：“發展存力產業必須構建自主可控的產業鏈，從芯片到整機再到應用，形成完整的技術生態，這既是安全需求，也是產業升級的必然路徑。”

AI應用對存儲提出了全新要求：千億級參數模型訓練需要極致性能支撐，邊緣推理場景需要長記憶存儲能力。華爲通過存算協同架構，在訓練場景中使AI集羣利用率提升30%，在推理場景中實現數據吞吐量提升60%。王旭東建議：“應將AI存儲納入國家關鍵技術規劃，推動行業標準制定，通過技術創新提升我國在全球高端存儲領域的競爭力。”

當前我國數據災備覆蓋率僅爲34%，遠低於發達國家水平，且開源軟件依賴度高，存在安全隱患。華爲推出的“兩地三中心”災備方案，業務故障時可實現分鐘級切換，同時通過自研存儲操作系統降低對開源組件的依賴。“數據安全是存力中心的生命線，需要政策引導、技術創新和生態協同多管齊下，構建自主可控的安全底座。”王旭東總結道。

“就像電力改變工業時代一樣，存力將定義AI時代的產業新秩序。”王旭東認爲，存力中心將從三個維度重塑產業格局：在技術層面，存儲設備不僅是數據容器，更將進化爲數據處理中心；在產業層面，以存力中心爲樞紐，將形成數據採集、治理、交易、應用的完整產業鏈，催生數據服務商、AI訓練師等新興職業；在社會層面，數據將像水電一樣成爲公共資源，通過存力中心的高效配置，推動智慧城市、精準醫療等場景的大規模落地。從算力到存力，從數據資源到數據資產，一場深刻的產業變革正在上演。