7月16日，“数据工厂研讨暨《数据工厂白皮书》发布会”在北京交通大学举行，由北京交通大学、北京化工大学、华为等单位参与编纂的《数据工厂白皮书》（下简称“白皮书”）正式发布。会上，华为分布式存储领域总裁杨文道受邀参与发布仪式并发表主题演讲。
华为分布式存储领域总裁 杨文道
随着AI技术迈入Agentic AI时代，高质量数据集已成为驱动智能跃迁的“核心燃料”。白皮书指出，数据工厂将是数智化发展新阶段的一种基本生产业态，由储备车间（数据汇聚与存储）、生产车间（数据加工与标注）、中试车间（数据测试与验证）组成，旨在实现高质量数据集的规模化、设施化、标准化生产，提供面向大规模数据资源的存储、治理、加工、流通等服务能力。
同时，白皮书系统阐述了数据基础设施在数据集供给体系中的关键作用，明确提出需通过机制创新与技术升级，破解多模态数据孤岛、跨域流动低效与加工周期长等行业痛点。
杨文道指出，当前数据供给仍普遍存在留存率偏低、行业数据匮乏、共享机制不畅、数据泄露风险突出等显著问题，企业亟需构建覆盖数据“存-治-用”全链路的闭环体系，并同步部署与之适配的数据基础设施，进而系统性破解高质量数据供给瓶颈。
首先，需破解“聚数之困”：打造具备高容量密度与低功耗特性的海量数据存储，支持文件、对象、大数据多协议无损互通，提供统一、开放的数据湖表格式，实现EB级多模态数据绿色、高效地长期留存，从而为数据工厂的“储备车间”稳定供给数据生产资料。
其次，需化解“治数之难”：需构建统一数据空间，实现跨域数据全局可视，具备千亿千维向量数据秒级检索能力。通过数据血缘追踪、版本管理等机制，彻底打破数据烟囱，让数据“入湖即可见、随用随取”，大幅降低高质量数据集的构建周期与成本，为数据工厂的“生产车间”提供高效的加工与调度中枢。
最后，需根除“用数之痛”：需要构建可信数据空间，支持对大规模文件进行加密传输与精细化权限管控，实现数据“可用不可见”的能力，加速高质量数据集的流通供给与价值闭环。
为满足数据工厂建设的核心需求，华为推出AI数据湖解决方案：基于OceanStor Pacific全闪分布式存储，达成11PB/2U业界最高容量密度与0.25W/TB超低功耗；依托DME Omni-Dataverse统一数据空间实现跨域数据高效治理；提供可信数据空间，让数据跨域流通可信、可控、可证。通过一套架构完成”存好数、治好数、用好数”流程闭环，为高质量数据集的规模化供给提供坚实的技术底座。
“数据工厂”理念的提出，标志着AI数据供给方式正从分散化、定制化的“项目制”向持续化、标准化的“产品制”跃迁。数据正从静态的存储资源，升级为驱动大模型训练、赋能智能体决策的关键生产要素。华为将坚持以技术创新为驱动，以开放合作为理念，助力数据工厂从概念走向现实，促进数据要素价值高效释放，加速千行百业的智能化转型。
