过去两年AI基础设施的投资叙事几乎被算力芯片垄断。英伟达的GPU、各家厂商的AI芯片、光模块、服务器——这些是资本市场和科技媒体的永恒主角。但一个被长期忽视的事实正在浮出水面全球顶级算力集群的GPU平均利用率不到50%。将近一半的算力不是在计算而是在等数据。换句话说你花了几亿买的GPU可能有一半时间是闲置的——因为存储跟不上。6月24日在德国汉堡ISC 2026大会上中科曙光用一张IO500生产型双榜第一的成绩单宣告了中国存储在这个被低估的战场上站到了世界最高处。从配角到核心在传统的AI基础设施架构中存储被定位为数据仓库——存进去、读出来快一点慢一点似乎差别不大。但大模型时代的到来彻底改变了这个逻辑。AI大模型训练是乱序小读与大块顺序写混合的极端负载。训练数据被随机打散在数十亿文件中每个训练步骤都要从存储系统中随机抓取小批量数据每隔一段时间又要将巨大的checkpoint顺序写回。传统存储架构——无论是本地NVMe还是通用并行文件系统——都不是为这种模式设计的。结果是算力越强存储瓶颈越突出。当万亿参数模型在十万卡集群上训练时存储的每一个I/O延迟、每一次带宽波动都会被放大为数万张GPU的空转。ParaStor F9000的设计理念正是从这个问题出发。它不是通用存储的AI版本而是为AI混合负载从零设计的AI原生存储。数据说话IO500生产型双榜第一是国际权威对这套设计理念的最高认证。生产型榜单要求系统必须已在实际生产环境中长期运行、承载真实业务负载——它不是实验室跑分是真实世界的实战检验。在国家超算互联网核心节点ParaStor F9000已在数万卡集群中稳定运行超过一年。实际效果千亿级参数大模型部署时间缩短1倍集群训练效率提升50%。另一个维度的验证来自科学计算联合龙讯旷腾MatPL软件依托scaleX万卡超集群完成414.7亿原子规模液态水分子动力学模拟刷新世界纪录。存储系统能在这种级别的计算任务中不掉链子本身就是最好的性能说明书。全栈协同的系统性优势ParaStor F9000在硬件与软件层面均实现全栈自主研发。但全栈的真正价值不只在于自主研发四个字——在于协同。当计算、存储、网络全部由同一体系掌控时性能优化不再是各管一段的局部最优。从底层介质到文件系统调度从网络传输协议到应用层接口整条数据通路可以被当作一个整体来调优。而这种系统级优化的能力正是应对AI混合负载这种极端场景的关键。此前曙光ParaStor分布式产品曾获IO500 10节点榜单第一FlashNexus集中式全闪存储亦在SPC-1国际测试中取得领先成绩。从分布式到集中式从HPC到AI曙光正在构建一套完整的存力产品矩阵。新范式新机遇当算力芯片从稀缺走向相对充裕决定AI基础设施效率的关键变量正在从算得多快转向数据喂得多饱。存储这个长期站在聚光灯外的角色正在走向舞台中央。中科曙光IO500双冠不仅是技术层面的突破更是对整个产业的一次提醒AI时代的算力竞赛下半场的主角可能是存力。
)
