在2025年世界人工智能大會（WAIC）的舞臺上，一場看似低調卻意義深遠的技術發布吸引了業界的廣泛關注。中國移動攜手曙光存儲，正式宣布“算力中心的全局統一文件存儲產品”成功落地，這標志著國內首個智能存力跨域調度平臺正式投入使用。

這一進展并非偶然，而是在AI領域一系列挑戰與突破的背景下應運而生。大會期間，“百模大戰”與大模型“全面出海”成為熱門話題，但與此同時，AI落地過程中的“卡頓”與瓶頸問題也日益凸顯。問題的核心已不僅在于算力不足，更在于存力對算力的制約。

存力，這一AI系統的隱形短板，正逐漸成為決定大模型能否快速大規模落地的關鍵基礎設施。WAIC上的這次發布，正是AI新基建路線圖中存力從幕后走向臺前、成為戰略資源的重要標志。算力之后，存力正式加入AI基礎設施的“地基”陣營。

過去幾年，AI系統基礎設施的建設主要圍繞“加卡擴機”展開。然而，隨著大模型進入多模態、多中心、大規模迭代的新階段，單純依靠算力堆疊的方式已面臨物理極限與結構性瓶頸。行業普遍發現，即便GPU性能再強，如果存力跟不上，數據無法及時到位，AI系統也只能“空轉”。

曙光存儲副總裁張新鳳指出，當前AI集群運行時，“GPU在等數據”已成為普遍現象。初步測算顯示，每增加1元的存力支出，可為AI系統節省10元的算力開銷。這意味著，存力不僅是輔助角色，更有望成為AI基建體系中最具性價比的關鍵因素。

其次，大模型對“數據流速”提出了極致要求。在實際訓練中，AI集群規模龐大，存儲系統性能不足會導致GPU排隊等數據。這一問題并非簡單增加硬盤就能解決，而是需要優化數據在集群中的傳輸效率、調度優先級以及IO管控機制。

最后，從“買硬件”到“調資源”的服務化供給趨勢日益明顯。越來越多的AI用戶開始采用“平臺即服務”模式使用存儲，要求存儲系統具備資源感知、智能策略以及成本控制的能力。未來的AI系統需要一個“智能數據中樞”，能夠感知業務負載、動態規劃帶寬，甚至預測訓練所需的數據路徑與資源結構。

面對這些趨勢，中國移動與曙光存儲在WAIC 2025上共同推出的“智能存力調度平臺”，為業界提供了首個體系化實踐范式。該平臺不僅是一個技術組件的拼裝，而是一個覆蓋全國、支持跨異構、多中心、高性能調度的數據中控系統。

該平臺首批部署于長三角、成渝、內蒙古、貴州等國家級算力樞紐，覆蓋7大存力資源池，支持8類主流AI芯片架構，并高度契合“東數西算”“全國算力一體化”國家戰略。曙光將其定義為“AI系統的智能神經網絡”，并將調度能力拆解為全局統一調度、冷熱數據智能分級、跨域無感流動以及協同芯片層革新等四個核心能力模塊。

通過全局統一調度，該平臺打破了資源孤島，實現了跨域、跨池、跨平臺的統一納管與策略調度。冷熱數據智能分級機制則根據數據訪問頻率與模型階段自動判定數據冷熱，并優先調度熱數據至近端高性能節點，有效降低了企業存儲成本并提升了訓練效率。跨域無感流動能力為“東數西算”提供了可靠的數據底座，實現了數據在訓練過程中的無感知遷移與實時帶寬調度。協同芯片層革新則通過打造“超級隧道HyperTunnel”技術，構建了超低阻數據基礎設施，支持具身智能加速升級算法。

目前，該平臺調度技術已在多個高密度場景中完成部署并驗證。在自動駕駛領域，為車企打造了100PB訓練資源池，訓練效率提升超40%；在具身智能領域，支撐了智元機器人平臺跨域高并發訓練；在科研與AIGC領域，通過自研元數據系統支持千億級小文件高效調度，提升了渲染與科研數據處理效率。

曙光存儲副總裁楊志雷表示，這不是一個新產品，而是一個“會思考、能調度、能進化”的AI數據中控系統。智能存力調度平臺的推出，不僅降低了AI的使用門檻，讓中小企業也能用上高性能存力；還提升了訓練效率，讓AI在實際應用中落得更實；同時保障了自主可控，夯實了中國AI底座。