在近期舉辦的一場數據存儲峰會上，華為數據存儲產品線相關負責人指出，人工智能（AI）技術正全方位重塑數據中心建設范式，從應用場景到基礎設施，從處理器架構到能源管理，各環節與AI的融合深度持續加強。存儲系統作為數據基礎設施的核心組件，其戰略地位愈發凸顯，服務對象已從傳統的人類用戶擴展至“人類+智能體（Agent）+具身智能設備”的多元生態。

面對AI技術引發的產業變革，華為提出“以存興智”與“以智賦存”的雙向驅動戰略。前者強調通過存儲系統支撐AI模型訓練與推理的高效運行，后者則聚焦利用AI技術優化存儲設備自身的運維效率、性能表現及能耗控制。該負責人表示，AI應用正推動數據規模呈現指數級增長，數據訪問模式也向高并發、細粒度方向演變，這對存儲系統的實時響應能力、個性化服務水平及安全防護機制提出了全新要求。

在應用層，垂直領域的專用智能體正加速涌現，涵蓋電力巡檢、醫療慢病管理、代碼生成等場景。存儲系統需通過構建知識庫體系減少智能體決策偏差，同時提供可追溯的記憶存儲功能，確保智能體能力隨使用頻次提升而持續進化。針對智能體行為權限管控及系統穩定性維護，存儲安全機制需實現全流程覆蓋。

模型層的技術演進對存儲架構提出更高要求。大語言模型上下文窗口的擴展促使業界采用“高帶寬內存（HBM）+動態隨機存取存儲器（DRAM）+固態硬盤（SSD）”的多級緩存方案，而支持圖像、時序數據、點云等多模態輸入的世界模型，則驅動存儲設備在容量密度、傳輸帶寬及延遲控制等方面實現突破性升級。

基礎設施層的變革同樣顯著。AI數據中心單機柜功耗已突破數百千瓦量級，液冷散熱與高速網絡通信成為標配。存儲系統不僅要消除計算單元的數據等待瓶頸，更需在綠色節能設計上與計算、網絡、供電等子系統深度協同，構建全棧優化的數據中心架構。

處理器技術的演進進一步加劇存儲需求變化。xPU并行計算架構的普及釋放出海量細粒度I/O請求，要求存儲設備的并發處理能力提升兩個數量級。而專用于自然語言處理解碼階段的LPU（語言處理單元）的興起，則促使存儲產業重新評估數據預處理與緩存策略的優化空間。

在“以智賦存”路徑上，華為通過AI技術實現存儲系統的智能化轉型。例如，基于機器學習的硬盤故障預測可提前30天發出預警，勒索軟件檢測響應速度提升百倍，而動態CPU功耗管理技術則通過智能休眠與頻率調節降低設備能耗。這些創新不僅提升了運營效率，更重新定義了存儲設備的運維范式。

據介紹，華為在數據存儲領域已積累二十余年技術經驗，目前其產品市場份額位居全球第二、國內首位，服務客戶超過3萬家，業務覆蓋歐洲、拉美、亞太等地區。通過持續獲得國際權威認證，華為存儲系統在性能、安全及能效等維度構建起技術壁壘，成為推動AI與存儲深度融合的標桿企業。該負責人強調，數據要素將成為AI下半程競爭的關鍵，華為將持續投入技術創新，加速AI技術在千行百業的規模化落地。