AI带来的存储需求具体是什么呢？大模型训练需要海量数据存储，大模型推理需要反复调用KV Cache，智能体工作需要记忆系统，行业应用需要能积累和检索的专有知识，这些需求都在改变数据存储、流动和被使用的方式。
对中国存储产业而言，这些变化带来了机会和挑战，中国的存储产业要如何迎接这些变化呢？10月28日到29日，在郑州举办的2026数据存储产业大会上发布的《数据存储产业发展研究报告（2026年）》给出了对产业变化的观察和发展建议。
此次报告由中电标协数据存储专业委员会组织撰写，中电标协数据存储专委会秘书长孙钢介绍了报告的主要判断，相比去年侧重梳理产业现状、建立行业共识，今年的报告更多关注技术演进和应用实践上。沿着他的解读，可以看到三个值得关注的变化。
超级周期的热潮之下，存储正在完成一次价值跃迁
过去近两年时间，存储产能持续紧张、价格节节攀升，这是市场最容易感知到的信号，就连消费电子市场也受到了明显冲击。但孙钢表示，眼下不能单纯用传统的供需周期理解这一轮变化，更应该意识到这是存储角色的一次价值跃迁。
过去，存储更像是数据容器，主要负责数据的存取，而到了AI时代，存储还要处理AI的上下文、键值缓存、记忆与知识等数据。有的数据需要被频繁读取，有的要跨任务持续保留，有的必须与行业业务数据结合，跟以前大不相同。
这对存储厂商而言，意味着在设计面向AI推理或智能体的存储系统时，就必须考虑KV Cache怎么存取、记忆怎么保留、知识怎么检索。因为，这些能力会影响系统响应和调用信息的能力，还有AI最后的实际表现。
孙钢还提到，去年的报告重点突出存力的重要性，今年则进一步讨论存储怎样与计算配合，也关注存储系统是否加入记忆、知识管理和语义检索等能力。容量、速度和可靠性等传统指标虽然重要，但已不能满足AI应用的需求。
对于眼下的存储产业周期，孙钢判断，本轮紧张状态可能延续到2027年，甚至2028年。他认为，虽然现在很多存储介质原厂都宣布扩产，但先进存储介质产能从投入到释放需要时间，良率提升也需要一些过程。
与此同时，AI还在快速发展。国家数据局的数据显示，2026年3月，我国日均Token调用量突破140万亿，相较于2024年年初增长超过1000倍。快速增长的AI推理和数据中心需求会消耗更多存储资源，所以，实际的供需情况仍有待进一步观察。
中国存储领域的突破，下一步要延伸到架构和标准
报告还梳理了存储产业格局，认为存储上游原有的寡头格局虽依然存在，但已出现松动，因为长江存储、长鑫存储标志着中国在介质技术和产能方面的竞争力正在提升。而在中游，国内整机和系统厂商也已具备参与全球竞争的能力。
然而，短板也同样明显。报告提到，国内在高端存储介质，特别是HBM方面仍需持续突破。HBM是与AI关联度最高的存储芯片资源之一，国产HBM国产HBM仍需全产业链持续攻坚。
孙钢认为，虽然整体上中国存储产业在硬件技术上的差距正在缩小，但想要真正成为存储产业领导者，仅靠存储芯片的技术突破还不够，还需要对下一代存储架构的引领能力以及国际存储标准制定方面的话语权。
过去，全球存储标准的制定多由海外巨头主导。但在面向AI的下一代存储架构尚未定型之际，中国迎来了与全球同行并跑的历史机遇。
去年，中电标协及相关单位就启动了面向人工智能的存储能力标准建设工作，今年数据存储产业大会期间，发布了《人工智能存储系统能力要求》、《大模型推理存储系统技术要求》两项团体标准，填补了AI存储标准体系的关键空白。
孙钢解释，现阶段标准的主要作用，是明确AI存储系统应关注的能力和技术环节，为用户建设系统、厂商研发产品提供指南。采访中他还透露，专委会也计划推进AI存储参考架构相关标准工作。
从重建设走向重运营，让行业场景检验存力水平
架构和标准定义的是存储系统应该具备什么能力，而行业应用实践则是检验这些能力是否真正有用的唯一答案。
孙钢介绍，此次报告征集了20多个实践案例，在应用端，AI对存储的重塑也已深入到国计民生行业，最终报告收录的案例重点关注金融、制造、通信、医疗和互联网创新等领域。他尤其看好推理和智能体驱动的键值缓存、知识与记忆需求，认为这些将成为厂商和用户需要共同研究的存储课题。
报告中提到了很多精彩案例。比如，某大型商业银行已有键值缓存相关方案落地；某通信行业正在探索AI推理平台建设、多轮交互Agent等应用；某制造业AI质检案例中，不仅用AI发现缺陷，还逐步形成知识积累来优化产品和工艺。
对场景需求的关注也在改变着存力中心的评价方式。过去大家更关心存力中心建了多少容量、先进介质占比多少。现在还要看系统能否接住不同业务负责，能否提供知识库、数据处理等数据服务。
孙钢以霸州存力中心为例谈到，该中心在规划和部署时，就考虑如何分类承载当地学校食堂、制造业、汽车数据汇集等不同场景的数据，以及后续怎样让这些数据流通起来。这很好地体现了存力中心从关注建设规模，转向关注承载能力和运营方式。
这种转变之下，行业用户需要说清数据如何产生、哪些数据要反复读取、哪些经验需要长期保存。而存储厂商则要把这些要求转化为系统能力，并与模型和计算平台共同验证。成熟的场景再反过来帮助完善标准，形成从应用需求到技术规范的循环。
中国AI存储产业的未来发展
谈到未来一年的工作时，孙钢认为，未来一年，中国AI存储产业应重点从生态建设、标准引领和应用落地三个方面发力。
首先，生态建设的重点是加强产业生态协同，推动大模型、算力、存储等产业链上下游企业，以及科研机构建立更加紧密的合作机制，促进科研成果向产业应用转化，避免企业各自为战，为存算协同创新创造条件。
与此同时，在加快AI存储标准建设方面。现阶段应重点推动行业形成技术共识，将创新成果逐步转化为技术指南和行业规范，在下一代AI存储架构尚未定型的窗口期，争取更多技术话语权。
最后，孙钢认为应该充分发挥中国丰富的应用场景优势，鼓励企业在关系国计民生的重点行业先行先试，通过实际应用验证和完善创新技术，并从成熟实践中提炼行业标准，形成应用需求、技术创新与标准建设相互促进的良性循环。
