當前，在各大AI大模型激烈競爭的浪潮下，大模型參數(shù)正在呈指數(shù)級激增、上下文長度直指百萬Token。IDC預計，2025年全球數(shù)據(jù)量將逼近175ZB大關。龐大的數(shù)據(jù)量讓傳統(tǒng)存算一體架構“緊耦合”的固有瓶頸日益凸顯，數(shù)據(jù)存儲與計算資源捆綁配置，要么“大馬拉小車”造成資源閑置，要么難以應對峰值負載，成為了企業(yè)數(shù)字化轉型的核心難題。

在此背景下，存算分離技術迎來產業(yè)化與規(guī)?；碾p重爆發(fā)，不僅破解了困擾行業(yè)多年的“內存墻”難題，更重構了算力基礎設施的配置邏輯。

打破“捆綁” 重構算力配置邏輯

“過去我們的算力資源配置，就像買手機必須捆綁固定套餐，不管用不用得上，都得全額付費?！睒I(yè)內人士向記者表示，在傳統(tǒng)存算一體架構下，數(shù)據(jù)存儲與計算單元緊密綁定，企業(yè)為應對業(yè)務峰值，往往需要按最高負載配置硬件，導致非峰值時段資源利用率不足，運維成本居高不下。

傳統(tǒng)存算架構的弊端

存算分離的核心正是打破這種捆綁關系，實現(xiàn)存儲與計算的“物理解耦、邏輯協(xié)同”，也就是將數(shù)據(jù)存儲功能與計算功能從物理設備層面拆分，通過高速網絡實現(xiàn)存儲資源池與計算資源池的獨立部署、彈性調度，改變傳統(tǒng)緊耦合架構中存儲與計算綁定擴容的固有模式。

這種架構革新的核心價值，在于破解傳統(tǒng)架構下三大核心痛點：一是資源浪費，避免算力閑置而存儲不足或存儲冗余而算力短缺的失衡問題；二是擴展受限，傳統(tǒng)緊耦合架構擴容需整體升級設備，難以適配PB級、EB級數(shù)據(jù)增長需求；三是安全隱患，數(shù)據(jù)與算力綁定存儲，易導致數(shù)據(jù)泄露、故障傳導等風險。

分離之后的存儲層可根據(jù)數(shù)據(jù)量按需擴容，輕松承載EB級海量數(shù)據(jù)；計算層依托Serverless等架構，隨業(yè)務負載彈性伸縮，用完即釋放，避免資源浪費；再借助智能IP廣域網（AI WAN）、CXL等技術，保障跨節(jié)點數(shù)據(jù)傳輸?shù)牡脱舆t與高可靠。

從技術邏輯來看，存算分離的落地需三大核心支撐：一是高速網絡傳輸，RDMA（遠程直接內存訪問）、硅光互連等技術的成熟應用，將存儲與計算節(jié)點間的傳輸延遲壓縮至微秒級，為資源解耦提供基礎；二是彈性資源調度，軟件定義存儲技術的普及，實現(xiàn)存儲資源的動態(tài)分配與按需擴容，適配不同場景的算力需求波動；三是高可靠冗余機制，通過分布式架構與創(chuàng)新EC冗余技術，在降低存儲冗余成本的同時，保障數(shù)據(jù)可靠性。這三大支撐技術在2025年的全面成熟，推動了存算分離從高端場景向通用領域滲透。

中國電子企業(yè)協(xié)會電子信息產融合作工作委員會成員綠算技術高級副總裁黃飛表示，存算分離并非要取代此前火爆的存算一體技術，而是形成互補共生的格局。存算分離聚焦數(shù)據(jù)中心級、廣域級的大規(guī)模資源調度，適合AI大模型訓推、大數(shù)據(jù)分析等場景；存算一體則側重端側、邊緣側的本地化高效計算，比如車載終端、智能攝像頭等設備，兩者共同構成“端云協(xié)同”的算力基礎設施體系。

破解行業(yè)長期痛點 持續(xù)拓展應用領域

當前，存算分離技術在核心介質、網絡傳輸、調度算法等領域實現(xiàn)多項關鍵突破，推動技術從實驗室走向規(guī)模化商用。

在技術層面，存算分離領域最顯著的突破是擺脫對專用硬件的依賴，通過全棧軟件優(yōu)化實現(xiàn)通用硬件的高性能適配，破解長期以來“高性能必高成本”的行業(yè)痛點。

圖片來源：京東云官網

例如，京東云發(fā)布的云海AI存儲解決方案，通過軟件棧深度調優(yōu)、支持超低冗余EC存儲、支持全場景統(tǒng)一存儲和存算分離技術，而這項存算分離技術可以將計算和存儲解耦獨立，存算資源獨立調度，提高資源利用率和系統(tǒng)可靠性的同時，降低存儲成本。

據(jù)了解，云海AI存儲的存算分離技術架構，可以實現(xiàn)低至1.1x副本的冗余EC存儲，節(jié)省整體基礎設施成本30%以上。

綠算技術推出的GroundPool 7000系列產品

綠算技術推出為G3級（Nvidia ICMS）定制的存算分離架構平臺GP7000系列產品，該系列產品采用以太網閃存簇（EBOF）設計，單系統(tǒng)配備24個PCIe 5.0 NVMe U.2盤位，通過雙主控板實現(xiàn)冗余。單機提供7000萬IOPS、300GB/s帶寬與20μs級延遲，性能較傳統(tǒng)存儲服務器提升17倍。整機功耗<900W，每GB/s帶寬功耗僅3.1W，滿足AI工廠的5倍能效目標，支持BlueField-3/4 DPU與Spectrum-X交換機，通過NVMe-oF/RoCEv2/GDS協(xié)議實現(xiàn)GPU直連。

高速網絡傳輸技術的優(yōu)化，是存算分離低延遲落地的核心保障。RDMA（遠程直接內存訪問）網絡技術的深度優(yōu)化，消除了數(shù)據(jù)在計算節(jié)點與存儲節(jié)點間的搬運延遲，京東云、華為等企業(yè)的方案均已實現(xiàn)該技術的成熟應用。

在人工智能與大模型訓推領域，生成式AI與大模型的規(guī)?；瘧脤λ懔εc數(shù)據(jù)訪問效率提出更高要求，存算分離技術通過“數(shù)據(jù)就地計算、算力動態(tài)調度”的核心特性，有效解決了傳統(tǒng)架構下數(shù)據(jù)頻繁搬運導致的訓推效率低、成本高的問題，成為AI基礎設施的核心支撐技術。

華為近期發(fā)布的TaurusDB是其新一代云原生數(shù)據(jù)庫，主打“商業(yè)數(shù)據(jù)庫的性能與可靠性，開源數(shù)據(jù)庫的靈活與開放”。其基于自研的DFV分布式存儲，采用計算與存儲分離架構，完全兼容MySQL生態(tài)，讓客戶應用平滑遷移，同時通過計算存儲分離機制，顯著減少資源冗余，提升整體效率。

圖片來源：華為官網

阿里達摩院基于分布式智能存儲系統(tǒng)構建大模型訓練數(shù)據(jù)中心，可支撐千億參數(shù)大模型的高效訓練。其核心邏輯正是存算分離，通過存儲與計算資源的彈性調度，避免了傳統(tǒng)架構下的資源浪費與數(shù)據(jù)搬運延遲，成為大模型研發(fā)過程中的重要技術支撐。

在金融科技領域，金融行業(yè)對數(shù)據(jù)安全性、業(yè)務連續(xù)性及實時性要求更高，存算分離技術憑借其高可用、彈性擴展及合規(guī)適配特性，在銀行、證券等細分領域得到廣泛落地，有效解決了傳統(tǒng)架構下資源利用率低、節(jié)點重建效率低、業(yè)務抖動等痛點。

微眾銀行作為國內首家數(shù)字銀行，2025年基于TDSQL數(shù)據(jù)庫推出存算分離“Diskless架構”，應對數(shù)據(jù)規(guī)模從不到10PB激增至110PB以上、服務器數(shù)量增至2萬臺的業(yè)務挑戰(zhàn)。該架構通過服務器去本地盤化、計算無狀態(tài)化改造，將存儲資源集中為遠程存儲池，計算節(jié)點僅保留CPU與內存，實現(xiàn)資源彈性分配。

京東云表示，某股份制銀行通過部署京東云云海分布式存儲系統(tǒng)，快速打通存力卡點，存儲資源利用率提升3倍，綜合成本降低50%。

行業(yè)發(fā)展面臨挑戰(zhàn) “存算分離”前景光明

盡管存算分離在2025年取得顯著進展，但行業(yè)發(fā)展仍面臨不少挑戰(zhàn)。記者采訪了解到，技術層面，超遠距離存算拉遠場景下的算效優(yōu)化、多協(xié)議兼容與異構資源調度的復雜度等問題，仍增加了企業(yè)遷移與運維成本；產業(yè)層面，行業(yè)標準不統(tǒng)一導致方案碎片化，跨廠商協(xié)同難度較大，產業(yè)鏈上下游技術適配成本偏高；安全層面，多節(jié)點協(xié)同場景下的全鏈路防護仍需加強，跨區(qū)域、跨行業(yè)數(shù)據(jù)傳輸?shù)暮弦?guī)管控難度不小。

不過，行業(yè)對存算分離的未來充滿信心。綠算技術預測，2026—2030年，存算分離將進入技術深度融合、產業(yè)生態(tài)成熟、應用場景泛化的新階段。技術上，存算分離將與存算一體、云邊協(xié)同等技術深度融合，CXL、AI WAN等技術的持續(xù)迭代將進一步優(yōu)化遠距離存算協(xié)同效能；產業(yè)上，行業(yè)標準將逐步統(tǒng)一，跨廠商協(xié)同成本將顯著降低；應用上，存算分離將從互聯(lián)網、金融向醫(yī)療、教育、工業(yè)制造等傳統(tǒng)行業(yè)深度滲透；安全上，AI驅動的智能防護技術將廣泛應用，推動數(shù)據(jù)要素安全流通。

隨著技術創(chuàng)新的持續(xù)加碼與生態(tài)體系的不斷完善，存算分離將成為未來數(shù)字基礎設施的核心架構模式，為全球數(shù)字經濟高質量發(fā)展注入新動力，推動人工智能、大數(shù)據(jù)等新興技術規(guī)?；瘧?。