2020年發布的GPT-3擁有1750億Tokens，只需要TB級的存儲空間；到2023年發布的GPT-4，其規模達到了13萬億Tokens；而到2025年發布的GPT-5，其規模可能已經達到了114萬億Tokens，支持多模態數據（圖像、音頻、代碼）及合成仿真數據。大模型規模指數級別的擴張，不僅帶來了算力與網絡的壓力，更對數據存儲基礎設施形成了劇烈而全面的考驗。

AI時代，存力先行。全球企業此刻正普遍希望找到最適合自身AI戰略發展的存儲基礎設施。在這樣的關鍵期待中，Gartner又一次發揮了其在IT產業中一如既往的黃金標尺作用。

在不久前Gartner發布的《2025年企業存儲平臺關鍵能力報告》（Critical Capabilities for Enterprise Storage Platforms）中，首次增加了“AI Application Integration”關鍵能力指標，并將“Artificial Intelligence” 作為評估的典型場景用例。這可以被看作是Gartner作為業界權威分析師機構對AI存儲場景的首次大考。而在這次大考中，華為在這項AI應用場景綜合評分中排名第一。

為什么華為能夠交出這張“超高分答卷”？其對于AI存儲領域的整體性啟示又有哪些？讓我們透過這份Gartner關鍵能力報告，解析AI時代的存儲變局。

AI技術正在切實可信地為日常生活與企業生產帶來變革。而這種變革并不僅僅發生在算法應用層面，更對于與之相關的IT基礎設施形成了深刻的變革需求。AI時代，高質量數據直接決定大模型應用的落地效能。存力先行，尤為關鍵。圍繞AI需求，企業需要進化存儲等基礎設施的迭代。

面向充滿未知的AI時代，企業應該如何錨定自身的IT選擇？這時候多年來被譽為IT咨詢界黃金標尺的Gartner又一次發揮了關鍵作用。

之所以受到全球企業信賴，是因為Gartner每年可以處理超過400萬次客戶咨詢，能夠結合廠商實測、用戶調研、專利分析及第三方壓力測試報告來進行技術分析與評估，確保結論不受商業利益影響。并且其團隊涵蓋技術專家、經濟學家與行業顧問，可以形成“技術可行性+商業價值+合規風險”的綜合評估模型進行評判，相對來說能夠更加清晰地為用戶帶來最終價值。比如說，某跨國銀行就通過Gartner的《AI數據就緒路線圖》，將大模型訓練數據準備周期從12個月縮短至6個月。

多年以來，Gartner以絕對嚴格的衡量標準、不易動搖的評判立場，以及對市場風向的精準把握著稱。其打造的魔力象限與關鍵能力報告等體系，在全球IT產業中形成了風向標般的作用與價值。由其所發布的關鍵能力報告，是提供給企業IT運營負責人與企業決策者的重要參考。

在Gartner發布的這份2025年企業存儲平臺關鍵能力報告（Critical Capabilities for Enterprise Storage Platforms）中，對各廠商存儲產品的關鍵能力指標打分，并按不同權重進行組合，從而評估出7項企業典型應用場景中不同廠商的綜合能力得分和排名。從結果看，華為獲得了綜合排名第一的成績。同時，這份報告的一個關鍵之處在于，其首次增加了AI應用場景的評估。

這說明AI技術帶來的變革，給全球存儲行業帶來了新的機會和要求。

Gartner首次增加“AI Application Integration”關鍵能力指標，并將AI作為評估的典型場景用例，背后是伴隨著AI大模型的持續升級與普遍性應用，對存儲底座提出的要求與考驗正在全方位提升。

舉例來說，在千卡集群的大模型訓練中，平均每2小時就會生成1TB級別的CheckPoint文件，對存儲規模與性能造成了持續性考驗；同時，AI帶來的數據多樣性不斷提升，大模型往往需要覆蓋多種數據來源，不同的數據類型與數據格式，以及需要完成訓練、推理、歸檔的全數據管理流程；此外，AI應用還會帶來海量文件的高并發讀寫等一系列全新的數據處理需求。

面向一系列變革，存儲產品不僅需要提升性能與擴展性，更加重要的是具備“AI原生能力”。在Gartner的報告中我們就可以看到這一點，其AI場景用例主要是評估存儲支持生成式AI應用的原生能力。比如對數據向量化的支持，可以有效完成海量文件并發處理等；能夠實現AI計算單元直通存儲技術，從而加速AI訓練和推理；支持第三方AI應用集成，從而為企業用戶提供豐富的生態性等。

只有這一系列能力都充分達標，存儲才能夠滿足AI發展的多元化需求，成為AI時代的推動力。Gartner預判，到2028年AI存儲比例會大幅增長，這也是為什么其會將AI作為獨立的典型用例加以考察。這可以說是Gartner在洞察了未來方向之后，對AI存儲能力進行的首次大考。

而這次大考的結果，讓我們看到了華為實現了AI存儲領域全面領先的“超高分答卷”。

洞察未來，再基于未來目標推演現在，是華為數十年來堅持的戰略方法。在存儲領域，華為很早就預判到了AI帶來的變量，并為此進行了充分準備。無論是高性能、高擴展，還是AI應用原生能力方面，華為都已經實現了全面領先。

分析華為的“超高分答卷”，我們可以發現其有兩個方面構成。

首先我們能看到，華為已經形成了體系化、系統化的AI存儲產品。這一點在全球存儲產業中毫無疑問處在領先地位。

華為OceanStor A系列高性能AI存儲，作為專為AI而生的新一代高性能存儲，能夠一套存儲滿足AI訓推全流程處理需求，在金融 AI 大模型、區域智算中心、人工智能算力中心、科研平臺、自動駕駛平臺等場景廣泛應用。

具體而言，華為OceanStor A系列高性能AI存儲，提供業界領先的性能、高擴展性和全新數據范式：

在領先性能方面，OceanStor A系列高性能AI存儲采用創新數控分離架構，支持XPU直通存儲能力，能夠提供超越傳統存儲10倍的性能，實現百TB級帶寬以及千萬級IOPS，極大提升生成式AI全流程效率。其訓練集加載效率是業界4倍，斷點續訓速度是業界3倍。

OceanStor A系列存儲的卓越性能還獲得了全球AI存儲性能評測權威MLPerf Storage榜單認可。2025年MLPerf Storage v2.0基準測試最新結果顯示，華為OceanStor A系列存儲性能再次問鼎全球，以每框698GiB/s、每U 108GiB/s的卓越性能，刷新榜單紀錄。

在高擴展性方面，OceanStor A系列存儲基于全新硬件架構，支持 Scale-out & Scale-up 雙向融合的彈性擴展能力，單集群支持EB級容量橫向擴展，保障海量數據存儲需求，并且每個引擎可支持多GPU、DPU或NPU縱向擴展，以支持近存計算，加速數據處理。

在全新數據范式方面，OceanStor A系列存儲支持使用張量、向量、KV Cache等AI新興數據范式，內置億級大庫容向量知識庫，實現QPS性能領先業界3倍。

其次，華為不僅推出了完善的AI存儲產品，同時還聚焦于存儲基礎技術的創新，實現了存儲與AI結合度的多維度提升。

比如華為全新推出UCM（Unified Cache Manager）推理記憶數據管理創新技術，以多級緩存方案大幅優化AI推理體驗與成本問題。其可以對接昇騰NPU、英偉達GPU等，以及vLLM、SGLang、MindIE等引擎，將大模型歷史結果、語料庫、知識庫以KV Cache的形式緩存至高性能外置共享存儲上，以查代算，實現大幅推理加速，使首Token時延最大降低90%，單卡推理吞吐量提升60%，顯著降低每Token推理成本，為企業減負增效。

在智能客服等場景的實踐中，通過部署華為AI推理加速方案，系統可以將長文本分類知識庫提前預熱至KV Cache Pool中存儲，避免推理場景中出現重復計算，從而將整體推理時延縮短近90%，顯著提升了客戶反饋的分析與響應效率，實現單通話分析時間120s->10s，效率提升11倍，每天分析客服記錄數提升125倍。

在會議紀要生成等長文檔處理場景中，為突破模型上下文窗口限制，華為AI推理加速方案采用了KV Cache稀疏去噪技術，將原始80K上下文信息壓縮至16K進行加載，在不影響關鍵信息的前提下突破原有窗口限制，完全滿足客戶對會議紀要準確性與完整性的要求。

華為最新發布的專為AI工作負載優化的高端固態硬盤——AI SSD，則是當前AI應用場景中最先進的閃存介質，在性能、容量、可靠性等維度全面突破。其高性能AI SSD可以和HBM、DRAM高效協同，構建數據分級存儲體系，提升AI訓練和推理的效率與體驗；大容量AI SSD則可以替換HDD，從而破解AI時代海量數據的存儲與應用難題。

率先形成面向AI技術的存儲體系，實現可持續的AI存儲底層技術突破動能，這二者讓華為在AI存儲領域構筑了技術、產品、用戶價值多維一體的優勢版圖。而這恰恰也是Gartner在AI存儲變局中最為著重考量的內容。

AI存儲的大考，華為就這樣以未來洞察結合產品技術積累，在全球產業界率先交出了“超高分答卷”。

Gartner的《2025年企業存儲平臺關鍵能力報告》（Critical Capabilities for Enterprise Storage Platforms），可以看作是全球存儲產業全新的風向標。AI時代加速到來，為存儲產業帶來了充分且清晰的變革任務。AI技術的大規模應用，要求存儲產品具有更加綜合性的技術能力，對未來研究路線有更加清晰的預判，同時能夠在數據存儲與AI技術兩端之間建立有效的聯接。面向未來，將有更多存儲廠商直接參與到AI變革中來，AI存儲所占的產業比例將不斷擴大。

華為之所以能夠在AI存儲領域一騎絕塵，就是因為其始終堅持自己的信念與洞察，極早預見到了AI將成為科技變革的核心趨勢，而存儲將是AI變革中不可或缺的一環。由此出發，在每一個AI存儲的變革節點上華為都保持了先發優勢。

華為長期以來著眼于解決AI大模型應用落地中實際存在的問題，比如提升訓練效率，提高推理體驗，優化綜合成本等。從AI開發者與企業智能化的實際境況出發，提供能夠解決實際問題的產品與解決方案，讓華為有了不斷升級AI存儲的動力源泉。可以看到，華為在這一領域的創新將是持續性的，未來其將帶來更多AI存儲方向的技術與產品突破。

在一系列變革的加持下，AI存力時代正在加速到來。企業智能化用戶將獲得更強的存力支撐，存儲產業將迎來智能化的快速發展機遇。最終，全球將迎來普惠AI的新紀元。