科技云報到原創。

當英偉達以4萬億美元市值成為AI時代“芯”皇、寒武紀超越茅臺登頂A股股王，全球正在迎接AI的高光時刻。

然而，在科技盛世之下，AI行業正陷入一場“看不見的焦慮”。GPT-4訓練數據量突破萬億級、自動駕駛汽車單日采集數據達TB級、機器人每一次動作都生成海量多模態數據。多數人將目光聚焦在算力芯片的性能競賽上，然而卻忽略了一個更核心的問題：沒有足夠強大的“存力”，再頂尖的算力也只是“無米之炊”。

傳統存儲的傳輸速度跟不上GPU的計算節奏，導致算力常年處于“等米下鍋”的閑置狀態。“存不下、傳不快、不安全”，已成為AI產業突破瓶頸的三大攔路虎。

就在行業陷入存力困境之時，2023年，曙光存儲在業內首次提出“先進存力”概念，打破傳統存儲“被動存數據”的局限；2024年，又聯合IDC發布《構建面向智能化時代的先進存力中心》白皮書，為AI時代的存力建設劃定標準。

2025年8月29日，曙光存儲副總裁郭照斌在第二屆CCF中國存儲大會上宣布，曙光“超級隧道”技術可以更好地應對PCIe6.0時代，為下一代國產芯片效能釋放提供加速引擎。

從“先進存力”概念提出，到“超級隧道”技術破解傳輸瓶頸，再到布局PCIe 6.0未來，曙光存儲正基于自主技術塑造起以先進存力為的下一個AI增長引擎。

“先進存力”不止是存數據更是AI第二引擎

提到存儲，很多人的第一反應是硬盤、服務器這類硬件載體。但在AI時代，這種認知早已過時。曙光存儲提出的“先進存力”，早已超越“存放數據”的基礎功能，成為能主動釋放數據價值、驅動AI運轉的“第二引擎”。

2023年，曙光存儲首次提出“先進存力”概念時，就明確了其核心圍繞“海量、高效、融合、綠色、安全”五大維度展開，這與傳統存儲的定位形成了本質區別。

傳統存儲更像“數據倉庫”，只負責接收和保管數據，至于數據如何被高效調取、如何與不同場景適配、如何降低存儲過程中的能耗，都不在其考慮范圍內。

而曙光提出的先進存力是AI時代的又一關鍵基礎設施。先進存力不僅可以支持EB級存儲，輕松裝下AI大模型的萬億級訓練數據，還能通過AI加速技術，能夠讓數據調取速度匹配算力需求，避免算力閑置。同時，兼容文件、塊、對象等多種協議，無論是自動駕駛的視頻數據，還是機器人的傳感器數據，都能無縫接入。另外，先進存力采用液冷技術降低能耗，大幅降低存儲系統PUE（能源使用效率），更通過全棧自主技術，從芯片到系統層層設防，保障核心數據不泄露。

在白皮書里，先進存力被明確為“數據要素價值釋放的核心載體”，它不再是孤立的存儲設備，而是與算力、運力（數據傳輸能力）深度協同的基礎設施。

比如在重慶先進數據中心，曙光存儲構建的先進存力，一邊連接著當地智算中心的數千顆GPU，一邊對接企業的生產數據，通過智能調度讓數據“按需流動”。當AI訓練需要熱數據時，數據能夠毫秒級直達GPU；訓練完成后的冷數據，將自動歸檔至低成本存儲節點，既保證效率又控制成本。

這種協同能力，讓先進存力具備了五大核心特征：高效融合，可以兼容多協議，打破數據孤島；提質增效，AI加速技術提升數據處理效率；全域流動，智能調度讓數據在不同節點間無縫流轉；安全可靠，全棧自主技術抵御風險；綠色節能，液冷技術降低能耗。

國家氣象局的實踐就是最好證明，曙光為其構建的橫跨三地的存力平臺，能夠實時同步全國的氣象數據，既滿足天氣預報AI模型的實時計算需求，又能安全歸檔歷史氣象數據，同時能耗較傳統方案降大幅下降。

對于AI產業而言，先進存力的意義在于，它解決了數據在哪存、怎么傳、如何用的根本問題，讓算力不再空轉，讓數據真正成為能驅動AI進化的“燃料”。

“超級隧道”讓數據傳輸“快到飛起”

如果將先進存力視為AI的“第二引擎”，那么曙光存儲的“超級隧道”技術，就是讓這臺引擎飛速運轉的“傳動軸”，其通過自主可控技術，破解了長期以來數據傳輸的“卡脖子”難題，讓數據從“擁堵慢走”變成“一鍵直達”。

在AI產業中，長期存在一個認知誤區，認為只有靠國外高端GPU才能提升計算效率。但曙光存儲發現，傳統存儲架構中，CPU的性能其實被嚴重浪費。由于存儲與CPU、GPU之間的傳輸路徑存在加鎖機制，多個進程會爭搶資源，導致CPU算力無法充分釋放，最終不得不依賴更多GPU來彌補效率差。

“超級隧道”核心解決的問題就是打破這種依賴，通過激活CPU潛力，降低對國外GPU的依賴，同時減少關鍵硬件的對外依存度，構建出了一條自主可控的技術路徑，這意味著企業無需高價采購國外GPU，也能實現AI性能的提升。

傳統存儲的傳輸路徑，就像一條單車道加紅綠燈的公路，多個CPU核共享同一批資源，就像多輛車搶一條車道，還得等紅綠燈（加鎖機制），擁堵是常態。

而“超級隧道”則重構了這條公路。它為每個CPU核配備專屬車道，構建起從網卡到CPU再到硬盤“一桿子插到底”的無沖突傳輸路徑，徹底去除加鎖機制。

具體來說，這個過程分為三步：

首先，為每個CPU核分配獨占的網卡、內存、硬盤資源，避免資源爭搶。

其次，用AI預測調度技術，提前判斷數據的傳輸需求，讓數據“走哪條路”提前規劃好。

最后，通過軟硬件協同，讓數據在傳輸過程中不跨域、不等待，實現就近訪問。

就像快遞配送，傳統方式是所有快遞先到一個分揀中心（共享資源），再進行分發，而“超級隧道”則是每個快遞員都有專屬配送路線（獨占資源），直接從倉庫送到客戶手中，效率自然天差地別。

從技術手段上看，“超級隧道”的高效不是靠單一技術實現的，而是多維度技術的協同突破，每一項技術都直擊行業痛點。

比如，多NUMA/CPU與微控模型，解決了多核效率低難題。傳統服務器多采用單CPU，性能強但成本高，曙光則用多NUMA（非一致內存訪問）或多CPU提升性能，但多CPU 之間的訪問延遲會成為新瓶頸。為此，曙光研發“微控模型”，精準適配硬件特性，讓多CPU之間的訪問代價降低60%，既提升性能又控制成本。

在軟硬件協同方面，曙光存儲實現了每個部件各司其職互不干擾。CPU、內存、硬盤采用“分組作業”，每個NUMA域都有自己的“專屬網卡”，避免跨域訪問的延遲。數據被切分到不同邏輯空間，每個空間對應專屬硬件資源，就像多條“垂直隧道”，數據從進入到落地，全程在同一隧道內完成，不與其他數據“搶道”。

曙光存儲獨有的XIO技術（XNIO/XDIO）融合了無鎖輪詢與RTC處理，實現數據傳輸“一鍵直達”。在任務處理方面，XIO技術可以實現200納秒協程切換，能夠輕松應對百萬級高并發需求。在數據傳輸上，XIO技術省去很多中間步驟，與傳統傳輸方式相比，傳輸效率提升10倍。

“超級隧道”技術基于無鎖架構、極簡交互及軟硬件協同等核心設計，是當前業內唯一能夠充分釋放PCIe 5.0性能的存儲技術。

PCIe是一種高速串行計算機擴展總線標準，是由英特爾在2001年提出的。PCIe作為連接x86服務器、PC和筆記本電腦核心處理器與外設的重要方式取得了巨大成功。隨著CPU和GPU性能不斷提升，PCIe總線速度也在同步增長，每一代都實現帶寬翻倍。

PCIe 5.0的帶寬較4.0提升100%，能徹底消除傳統架構的帶寬瓶頸，而PCIe 6.0采用PAM4編碼技術，單通道速率達64GT/s，未來可支持800GE網絡傳輸。

目前，超級隧道支持的集中式全閃存儲產品已經實現億級IOPS性能、202微妙級時延，面向AI加速場景，可成功將推理時延降低80%。曙光分布式存儲通過五級加速+三級協同技術，可將GPU利用率從30-40%提高至70%-80%，訓練速度提升4倍，萬億參數模型訓練周期壓縮60%以上。

在曙光存儲的兩大產品線——分布式全閃存儲ParaStor、集中式全閃存儲FlashNexus中，“超級隧道”都已有不同維度的應用。

從CPU、PCIe交換芯片到NVMe SSD，曙光存儲構建了業界唯一全鏈路PCIe5.0通道，徹底消除傳統架構中的帶寬瓶頸。

為深化先進存力理念，曙光存儲“超級隧道”技術再次加磅，將更好應對最新PCle6.0標準，為下一代國產芯片應運而生，為加速突破AI能力邊界、應用落地塑造更強引擎。

AI行業應用釋放存力價值

技術的價值，最終要靠實踐驗證。從西湖大學的AI科研，到造車新勢力的智能駕駛，再到機器人具身智能，曙光存儲的先進存力方案已在多個關鍵場景落地，成為推動行業進步的“隱形動力”。

西湖大學作為聚焦前沿科學的研究機構，在AI與生命科學、材料科學的交叉領域投入重兵。比如用AI預測蛋白質結構、用機器學習篩選新型材料，這些研究都需要處理海量實驗數據，對存儲性能的要求遠超普通場景。

西湖大學在內部測試中發現，通過調整部分存儲性能，可以將AI科研的計算過程加快30%，因此選擇主打“AI加速”的曙光全閃存儲。

技術方面，曙光存儲實現了單節點帶寬超越國際廠商4倍以上，為西湖大學的AI業務按下“加速鍵”。其次，曙光存儲20多年來，已為多個世界級產學研項目提供保障，從前期設計、供應鏈保障，再到部署后的彈性調整，全方位匹配多學科平臺需求，能夠滿足西湖大學對存儲設備的穩定性和服務響應速度。

更為重要的是，西湖大學的科研數據多為核心機密，曙光存儲采用100%自研的軟硬件架構，從芯片到系統層層加密，同時配備多重冗余設計，即使某個硬件部件故障，系統也能自動切換至備用節點，數據不中斷、不丟失。目前，這套存儲系統已支撐西湖大學在蛋白質結構預測領域取得多項突破。

人形機器人的研發，對存力的要求更為苛刻。機器人的每一次行走、抓取、交互，都會生成視覺、觸覺、聽覺等多模態數據，這些數據需要實時傳輸至AI模型進行分析，再快速反饋指令，任何延遲都可能導致動作失誤。

智元機器人作為具身智能領域的領先企業，之所以能在半年內推出多款商用人形機器人，背后離不開曙光存儲的全力支持。

智元機器人的關注點在于“快速迭代”，其多模態大模型需要持續接收海量數據進行訓練，同時要快速沉淀數據資產，以支撐新品研發。

針對這一需求，曙光存儲為智元定制了“分布式全閃+對象存儲”的分級架構，前端采用ParaStor分布式全閃存儲，提供500GB/s的聚合讀帶寬，能實時傳輸機器人的多模態數據，支撐AI模型的快速訓練，后端搭配分布式對象存儲，單桶支持5萬IOPS，能安全歸檔歷史訓練數據，同時成本可控。

兩套方案協同配合，形成“分級存儲”，不同需求的數據都能找到合適的存放地，不僅實現了高效的AI模型訓練，數據也能及時沉淀復用，在機器人模型訓練和商業化落地方面實現效率倍增。

AI時代的存力革命，才剛剛開始。隨著大模型向萬億參數、機器人向通用智能、自動駕駛向全場景演進，存力的重要性將愈發凸顯。從首次提出“先進存力”定義行業標準，到用“超級隧道”技術突破傳輸瓶頸，再到更好地應對PCIe 6.0標準，曙光存儲的每一步動作，都緊扣AI產業的存力需求，解決的不僅是“存不下、傳不快、不安全”的表層問題，更是通過自主可控的技術，為AI產業構建了可持續發展的存力底座。

這場存力革命，沒有旁觀者。而曙光存儲，早已站在了潮頭。

【關于科技云報到】

企業級IT領域Top10新媒體。聚焦云計算、人工智能、大模型、網絡安全、大數據、區塊鏈等企業級科技領域。原創文章和視頻獲工信部權威認可，是世界人工智能大會、數博會、國家網絡安全宣傳周活動、可信云大會與全球云計算等大型活動的官方指定傳播媒體之一。

審核編輯 黃宇