當(dāng)前，在各大AI大模型激烈競(jìng)爭(zhēng)的浪潮下，大模型參數(shù)正在呈指數(shù)級(jí)激增、上下文長(zhǎng)度直指百萬Token。IDC預(yù)計(jì)，2025年全球數(shù)據(jù)量將逼近175ZB大關(guān)。龐大的數(shù)據(jù)量讓傳統(tǒng)存算一體架構(gòu)“緊耦合”的固有瓶頸日益凸顯，數(shù)據(jù)存儲(chǔ)與計(jì)算資源捆綁配置，要么“大馬拉小車”造成資源閑置，要么難以應(yīng)對(duì)峰值負(fù)載，成為了企業(yè)數(shù)字化轉(zhuǎn)型的核心難題。

在此背景下，存算分離技術(shù)迎來產(chǎn)業(yè)化與規(guī)模化的雙重爆發(fā)，不僅破解了困擾行業(yè)多年的“內(nèi)存墻”難題，更重構(gòu)了算力基礎(chǔ)設(shè)施的配置邏輯。

打破“捆綁” 重構(gòu)算力配置邏輯

“過去我們的算力資源配置，就像買手機(jī)必須捆綁固定套餐，不管用不用得上，都得全額付費(fèi)?！睒I(yè)內(nèi)人士向記者表示，在傳統(tǒng)存算一體架構(gòu)下，數(shù)據(jù)存儲(chǔ)與計(jì)算單元緊密綁定，企業(yè)為應(yīng)對(duì)業(yè)務(wù)峰值，往往需要按最高負(fù)載配置硬件，導(dǎo)致非峰值時(shí)段資源利用率不足，運(yùn)維成本居高不下。

傳統(tǒng)存算架構(gòu)的弊端

存算分離的核心正是打破這種捆綁關(guān)系，實(shí)現(xiàn)存儲(chǔ)與計(jì)算的“物理解耦、邏輯協(xié)同”，也就是將數(shù)據(jù)存儲(chǔ)功能與計(jì)算功能從物理設(shè)備層面拆分，通過高速網(wǎng)絡(luò)實(shí)現(xiàn)存儲(chǔ)資源池與計(jì)算資源池的獨(dú)立部署、彈性調(diào)度，改變傳統(tǒng)緊耦合架構(gòu)中存儲(chǔ)與計(jì)算綁定擴(kuò)容的固有模式。

這種架構(gòu)革新的核心價(jià)值，在于破解傳統(tǒng)架構(gòu)下三大核心痛點(diǎn)：一是資源浪費(fèi)，避免算力閑置而存儲(chǔ)不足或存儲(chǔ)冗余而算力短缺的失衡問題；二是擴(kuò)展受限，傳統(tǒng)緊耦合架構(gòu)擴(kuò)容需整體升級(jí)設(shè)備，難以適配PB級(jí)、EB級(jí)數(shù)據(jù)增長(zhǎng)需求；三是安全隱患，數(shù)據(jù)與算力綁定存儲(chǔ)，易導(dǎo)致數(shù)據(jù)泄露、故障傳導(dǎo)等風(fēng)險(xiǎn)。

分離之后的存儲(chǔ)層可根據(jù)數(shù)據(jù)量按需擴(kuò)容，輕松承載EB級(jí)海量數(shù)據(jù)；計(jì)算層依托Serverless等架構(gòu)，隨業(yè)務(wù)負(fù)載彈性伸縮，用完即釋放，避免資源浪費(fèi)；再借助智能IP廣域網(wǎng)（AI WAN）、CXL等技術(shù)，保障跨節(jié)點(diǎn)數(shù)據(jù)傳輸?shù)牡脱舆t與高可靠。

從技術(shù)邏輯來看，存算分離的落地需三大核心支撐：一是高速網(wǎng)絡(luò)傳輸，RDMA（遠(yuǎn)程直接內(nèi)存訪問）、硅光互連等技術(shù)的成熟應(yīng)用，將存儲(chǔ)與計(jì)算節(jié)點(diǎn)間的傳輸延遲壓縮至微秒級(jí)，為資源解耦提供基礎(chǔ)；二是彈性資源調(diào)度，軟件定義存儲(chǔ)技術(shù)的普及，實(shí)現(xiàn)存儲(chǔ)資源的動(dòng)態(tài)分配與按需擴(kuò)容，適配不同場(chǎng)景的算力需求波動(dòng)；三是高可靠冗余機(jī)制，通過分布式架構(gòu)與創(chuàng)新EC冗余技術(shù)，在降低存儲(chǔ)冗余成本的同時(shí)，保障數(shù)據(jù)可靠性。這三大支撐技術(shù)在2025年的全面成熟，推動(dòng)了存算分離從高端場(chǎng)景向通用領(lǐng)域滲透。

中國(guó)電子企業(yè)協(xié)會(huì)電子信息產(chǎn)融合作工作委員會(huì)成員綠算技術(shù)高級(jí)副總裁黃飛表示，存算分離并非要取代此前火爆的存算一體技術(shù)，而是形成互補(bǔ)共生的格局。存算分離聚焦數(shù)據(jù)中心級(jí)、廣域級(jí)的大規(guī)模資源調(diào)度，適合AI大模型訓(xùn)推、大數(shù)據(jù)分析等場(chǎng)景；存算一體則側(cè)重端側(cè)、邊緣側(cè)的本地化高效計(jì)算，比如車載終端、智能攝像頭等設(shè)備，兩者共同構(gòu)成“端云協(xié)同”的算力基礎(chǔ)設(shè)施體系。

破解行業(yè)長(zhǎng)期痛點(diǎn) 持續(xù)拓展應(yīng)用領(lǐng)域

當(dāng)前，存算分離技術(shù)在核心介質(zhì)、網(wǎng)絡(luò)傳輸、調(diào)度算法等領(lǐng)域?qū)崿F(xiàn)多項(xiàng)關(guān)鍵突破，推動(dòng)技術(shù)從實(shí)驗(yàn)室走向規(guī)?；逃?。

在技術(shù)層面，存算分離領(lǐng)域最顯著的突破是擺脫對(duì)專用硬件的依賴，通過全棧軟件優(yōu)化實(shí)現(xiàn)通用硬件的高性能適配，破解長(zhǎng)期以來“高性能必高成本”的行業(yè)痛點(diǎn)。

圖片來源：京東云官網(wǎng)

例如，京東云發(fā)布的云海AI存儲(chǔ)解決方案，通過軟件棧深度調(diào)優(yōu)、支持超低冗余EC存儲(chǔ)、支持全場(chǎng)景統(tǒng)一存儲(chǔ)和存算分離技術(shù)，而這項(xiàng)存算分離技術(shù)可以將計(jì)算和存儲(chǔ)解耦獨(dú)立，存算資源獨(dú)立調(diào)度，提高資源利用率和系統(tǒng)可靠性的同時(shí)，降低存儲(chǔ)成本。

據(jù)了解，云海AI存儲(chǔ)的存算分離技術(shù)架構(gòu)，可以實(shí)現(xiàn)低至1.1x副本的冗余EC存儲(chǔ)，節(jié)省整體基礎(chǔ)設(shè)施成本30%以上。

綠算技術(shù)推出的GroundPool 7000系列產(chǎn)品

綠算技術(shù)推出為G3級(jí)（Nvidia ICMS）定制的存算分離架構(gòu)平臺(tái)GP7000系列產(chǎn)品，該系列產(chǎn)品采用以太網(wǎng)閃存簇（EBOF）設(shè)計(jì)，單系統(tǒng)配備24個(gè)PCIe 5.0 NVMe U.2盤位，通過雙主控板實(shí)現(xiàn)冗余。單機(jī)提供7000萬IOPS、300GB/s帶寬與20μs級(jí)延遲，性能較傳統(tǒng)存儲(chǔ)服務(wù)器提升17倍。整機(jī)功耗<900W，每GB/s帶寬功耗僅3.1W，滿足AI工廠的5倍能效目標(biāo)，支持BlueField-3/4 DPU與Spectrum-X交換機(jī)，通過NVMe-oF/RoCEv2/GDS協(xié)議實(shí)現(xiàn)GPU直連。

高速網(wǎng)絡(luò)傳輸技術(shù)的優(yōu)化，是存算分離低延遲落地的核心保障。RDMA（遠(yuǎn)程直接內(nèi)存訪問）網(wǎng)絡(luò)技術(shù)的深度優(yōu)化，消除了數(shù)據(jù)在計(jì)算節(jié)點(diǎn)與存儲(chǔ)節(jié)點(diǎn)間的搬運(yùn)延遲，京東云、華為等企業(yè)的方案均已實(shí)現(xiàn)該技術(shù)的成熟應(yīng)用。

在人工智能與大模型訓(xùn)推領(lǐng)域，生成式AI與大模型的規(guī)?；瘧?yīng)用對(duì)算力與數(shù)據(jù)訪問效率提出更高要求，存算分離技術(shù)通過“數(shù)據(jù)就地計(jì)算、算力動(dòng)態(tài)調(diào)度”的核心特性，有效解決了傳統(tǒng)架構(gòu)下數(shù)據(jù)頻繁搬運(yùn)導(dǎo)致的訓(xùn)推效率低、成本高的問題，成為AI基礎(chǔ)設(shè)施的核心支撐技術(shù)。

華為近期發(fā)布的TaurusDB是其新一代云原生數(shù)據(jù)庫，主打“商業(yè)數(shù)據(jù)庫的性能與可靠性，開源數(shù)據(jù)庫的靈活與開放”。其基于自研的DFV分布式存儲(chǔ)，采用計(jì)算與存儲(chǔ)分離架構(gòu)，完全兼容MySQL生態(tài)，讓客戶應(yīng)用平滑遷移，同時(shí)通過計(jì)算存儲(chǔ)分離機(jī)制，顯著減少資源冗余，提升整體效率。

圖片來源：華為官網(wǎng)

阿里達(dá)摩院基于分布式智能存儲(chǔ)系統(tǒng)構(gòu)建大模型訓(xùn)練數(shù)據(jù)中心，可支撐千億參數(shù)大模型的高效訓(xùn)練。其核心邏輯正是存算分離，通過存儲(chǔ)與計(jì)算資源的彈性調(diào)度，避免了傳統(tǒng)架構(gòu)下的資源浪費(fèi)與數(shù)據(jù)搬運(yùn)延遲，成為大模型研發(fā)過程中的重要技術(shù)支撐。

在金融科技領(lǐng)域，金融行業(yè)對(duì)數(shù)據(jù)安全性、業(yè)務(wù)連續(xù)性及實(shí)時(shí)性要求更高，存算分離技術(shù)憑借其高可用、彈性擴(kuò)展及合規(guī)適配特性，在銀行、證券等細(xì)分領(lǐng)域得到廣泛落地，有效解決了傳統(tǒng)架構(gòu)下資源利用率低、節(jié)點(diǎn)重建效率低、業(yè)務(wù)抖動(dòng)等痛點(diǎn)。

微眾銀行作為國(guó)內(nèi)首家數(shù)字銀行，2025年基于TDSQL數(shù)據(jù)庫推出存算分離“Diskless架構(gòu)”，應(yīng)對(duì)數(shù)據(jù)規(guī)模從不到10PB激增至110PB以上、服務(wù)器數(shù)量增至2萬臺(tái)的業(yè)務(wù)挑戰(zhàn)。該架構(gòu)通過服務(wù)器去本地盤化、計(jì)算無狀態(tài)化改造，將存儲(chǔ)資源集中為遠(yuǎn)程存儲(chǔ)池，計(jì)算節(jié)點(diǎn)僅保留CPU與內(nèi)存，實(shí)現(xiàn)資源彈性分配。

京東云表示，某股份制銀行通過部署京東云云海分布式存儲(chǔ)系統(tǒng)，快速打通存力卡點(diǎn)，存儲(chǔ)資源利用率提升3倍，綜合成本降低50%。

行業(yè)發(fā)展面臨挑戰(zhàn) “存算分離”前景光明

盡管存算分離在2025年取得顯著進(jìn)展，但行業(yè)發(fā)展仍面臨不少挑戰(zhàn)。記者采訪了解到，技術(shù)層面，超遠(yuǎn)距離存算拉遠(yuǎn)場(chǎng)景下的算效優(yōu)化、多協(xié)議兼容與異構(gòu)資源調(diào)度的復(fù)雜度等問題，仍增加了企業(yè)遷移與運(yùn)維成本；產(chǎn)業(yè)層面，行業(yè)標(biāo)準(zhǔn)不統(tǒng)一導(dǎo)致方案碎片化，跨廠商協(xié)同難度較大，產(chǎn)業(yè)鏈上下游技術(shù)適配成本偏高；安全層面，多節(jié)點(diǎn)協(xié)同場(chǎng)景下的全鏈路防護(hù)仍需加強(qiáng)，跨區(qū)域、跨行業(yè)數(shù)據(jù)傳輸?shù)暮弦?guī)管控難度不小。

不過，行業(yè)對(duì)存算分離的未來充滿信心。綠算技術(shù)預(yù)測(cè)，2026—2030年，存算分離將進(jìn)入技術(shù)深度融合、產(chǎn)業(yè)生態(tài)成熟、應(yīng)用場(chǎng)景泛化的新階段。技術(shù)上，存算分離將與存算一體、云邊協(xié)同等技術(shù)深度融合，CXL、AI WAN等技術(shù)的持續(xù)迭代將進(jìn)一步優(yōu)化遠(yuǎn)距離存算協(xié)同效能；產(chǎn)業(yè)上，行業(yè)標(biāo)準(zhǔn)將逐步統(tǒng)一，跨廠商協(xié)同成本將顯著降低；應(yīng)用上，存算分離將從互聯(lián)網(wǎng)、金融向醫(yī)療、教育、工業(yè)制造等傳統(tǒng)行業(yè)深度滲透；安全上，AI驅(qū)動(dòng)的智能防護(hù)技術(shù)將廣泛應(yīng)用，推動(dòng)數(shù)據(jù)要素安全流通。

隨著技術(shù)創(chuàng)新的持續(xù)加碼與生態(tài)體系的不斷完善，存算分離將成為未來數(shù)字基礎(chǔ)設(shè)施的核心架構(gòu)模式，為全球數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展注入新動(dòng)力，推動(dòng)人工智能、大數(shù)據(jù)等新興技術(shù)規(guī)?；瘧?yīng)用。