Qzone
微博
微信
极客网·人工智能 2026年8月6日，在太湖之滨的江苏无锡，2026华为数据存储用户精英论坛盛大举行。来自金融、制造、教育、医疗等核心领域的500余位深度用户、技术大咖与生态伙伴齐聚一堂，共探数据存储产业未来发展之路。
会上，华为公司副总裁、数据存储产品线总裁袁远开门见山地抛出一个核心判断：AI的下半程，决胜关键在于数据。这一观点为正处于算力军备竞赛与模型百家争鸣中的AI行业点明了下一个战略高地，引发热烈反响。
华为公司副总裁、数据存储产品线总裁 袁远
算力、模型、智能体之后，数据是AI的“终极燃料”
回顾AI近年来的发展脉络，算力是开路先锋，大模型是引爆点，智能体是落地引擎，三者共同勾勒了AI产业发展的主线。
数据显示，过去五年，国内算力“大力出奇迹”，规模翻了6倍；截至2025年，我国在测大模型已超过1500个，“千模大战”成为现实；2026年被视为推理元年，智能体（Agent）作为推理落地的核心载体，正以“千军万马”的姿态加速渗透千行百业。
当算力、模型、智能体逐步就位之后，一个更深层的瓶颈开始浮现，那便是贯穿其中的数据。袁远指出，模型训练需要高质量的语料，推理需要高精度的知识，智能体更需要大量的上下文、多轮次的准确记忆和语义检索能力——驱动AI下一阶段进化的关键是数据。
“我们的数据本身能力和管理水平，相对于现在的模型、算力、智能体，实际上是落后的。”袁远直言不讳地指出，从数据管理、数据治理、数据使用的方方面面来说，都还不能够匹配现在对AI的应用落地诉求。
有效数据语料短缺，中国AI发展的“阿喀琉斯之踵”
会上，袁远援引几组触目惊心的数据，揭示了中国数据能力与AI落地诉求之间的巨大落差。
第一，语料贡献严重不足。中文语料在全球语料中的占比不足2%。虽然当下各类模型理解中文已无障碍，但中文对世界语料的贡献、对模型训练的支撑远远不够。
第二，数据留存率极低。我国数据留存率不到3%。看似海量的数据，真正被存储下来的只有极少数，大量数据被白白浪费，没有被利用起来。
第三，数据“沉睡”严重。数据“沉睡”率高达40%。企业超过一年未使用的数据占比接近四成，大量已存数据未被挖掘使用。
第四，数据共享率偏低。数据共享率仅约25%。大量城市与企业数据仍储存在“孤岛”上，无法有效流通与整合。国家大力推动的数据要素、高质量数据集战略，正是要破解这一困局。
种种数据表明，中国已是全球数据大国，但在数据语料建设和数据治理能力上还存在差距，远不能匹配AI规模化落地的迫切需求。
破局之道：构建以数据为中心的AI DC数据基础设施
毋庸讳言，没有充足的高质量数据支撑，再强的算力，再大的模型，再多的智能体，都难以在行业场景中真正兑现商业价值。如何破局？在袁远看来，数据基础设施作为AI的坚实底座，其建设思路、硬件体系与软件能力亟待系统性重构，以推动智能体加速融入全场景应用，兑现商业价值。
基于多年沉淀而来的实践经验，华为在会上提出了AI DC数据基础设施参考架构。这一五层架构层层递进、协同强化，推动数据从“基础资源”升级为“核心生产要素”，为AI规模化落地提供坚实底座。
第一层，AI数据湖层，解决AI系统的语料生产与供给问题。基于全闪分布式存储与统一数据空间，实现全局数据可视可管、千亿千维向量秒级检索。它既是训练语料的“原料仓”，也是知识储备的“转化器”，同时承载AI推理产生的新数据，形成数据飞轮。
第二层，AI数据平台层，承载模型的知识与记忆能力。面向超大规模推理中心，华为推出业界首个支持异构算力的CMS上下文记忆存储，构建PB级共享KV Cache池，将推理首Token时延降低90%；面向企业级推理场景，首创“3+1”AI数据平台，集成超95%检索精度的知识库、KV Cache加速与持续进化的记忆库，提升推理准确率30%。
第三层，算力层，决定模型迭代速度与训推效率。通过智算虚拟化技术，实现GPU/NPU资源按需调度、细粒度切分，最大支持1:10的算力卡切分，资源利用率提升30%。
第四层，模型层，覆盖模型的部署、适配、增量训练和微调。ModelEngine提供模型开箱即用与模型网关能力，支持零代码适配新模型与一键部署。
第五层，Agent框架层，支撑低代码开发与智能化部署。ModelEngine Nexent智能体平台支持通过自然语言交互直接生成Agent，显着降低开发门槛。同时内置Skill、提示词、记忆的自动优化能力，助力Agent持续演进、越用越聪明。
围绕这一参考架构，华为构建了完善的AI DC数据基础设施全栈方案，并内置贯穿全流程的AI数据安全解决方案，以抵御Agent、模型、平台与基础设施等多层级数据安全风险，构建防滥用、防投毒、防篡改、防勒索的端到端数据保护能力，全面守护企业核心数据资产安全。
小结：
从算力竞赛到模型比拼，再到智能体引爆推理应用，AI的上半程拼的是速度与规模，而下半程无疑要拼数据的规模和质量。构建以数据为中心的AI DC数据基础设施，让数据“存得住、管得好、用得了”，方能让每一比特数据都能成为AI进化的养分，加速AI规模化落地！
【以上内容转自“极客网”，不代表本网站观点。如需转载请取得极客网许可，如有侵权请联系删除。】
延伸阅读：
点击下方菜单栏 “ 
” 选择 “分享”， 把好文章分享出去!
为推荐给更多人
分享写下你的想法>
