随着AI技术与数字经济的深度融合，存储作为数据要素流转的核心载体，正从“被动承载”转向“主动赋能”。在2025年第二届CCF中国存储大会期间，曙光存储团队围绕“超级隧道”技术、PCIe6.0存力就绪、产业生态协同等核心议题展开解读，为国产存储突破性能瓶颈、适配下一代芯片、赋能千行百业数智化转型提供了路径。
以“超级隧道”破解存储性能瓶颈
适配下一代硬件需求
存储性能的释放，是突破AI算力浪费、加速大模型训练的关键。曙光存储副总裁郭照斌指出，“超级隧道”技术基于无锁架构、极简交互及软硬件协同等核心设计，是当前业内唯一能够充分释放PCIe5.0性能的存储技术，其核心技术包括自研的高速硬件设施以及零中断、零竞争、零拷贝技术，能实现数据从网卡到硬盘无需CPU参与的零拷贝传输，任何业务请求的进出时间可精确计算。
曙光存储副总裁郭照斌
从实际效能来看，该技术已展现出显著优势：配备“超级隧道”的曙光集中式全闪存储可实现亿级IOPS性能、202微秒级时延，并通过“五级加速+三级协同”将GPU利用率从30%-40%提高至70%-80%，在AI场景中推理时延降低80%，训练速度提升4倍，万亿参数模型训练周期缩短60%以上。针对PCIe6.0时代的到来，郭照斌强调，“超级隧道技术是同源迭代的过程，当前在5.0上的优化，是为6.0做基础，未来只需局部优化，就能适配新硬件”，最终为下一代国产芯片效能释放提供加速引擎。
在产品落地层面，“超级隧道”已赋能曙光存储多款核心产品，成为未来产业先进存储选型的标杆。集中式全闪存储则通过硬件微控架构划分“独立的数据通道”，进一步降低内部访问延时与竞争，实现硬件性能的最大化利用。曙光存储总裁何振表示，“以前，国外灌输‘高性能必须高成本’的概念，我们去年打破了这个魔咒，在性能超过国外产品的同时，将价格控制在合理范围内”，为国产存储技术突围奠定基础。
聚焦AI与科研需求
打造存力与算力的协同生态
面对AI大模型、具身智能、低空经济等新兴领域的存储需求，曙光存储通过定制化方案，实现存力与场景的深度匹配。曙光存储副总裁杨志雷分析，AI时代对存储的挑战集中在两方面：“一是性能要求，带宽和IOPS诉求比传统计算高10倍甚至上百倍；二是功能需求，需满足数据安全加密、访问质量管理等细分场景”。以具身智能为例，其不仅要求高吞吐、高IOPS支撑机器人大脑训练并实现每周版本迭代，还需超低延迟支撑设备运行中的实时纠偏，曙光存储通过“多协议支持、数据库快速响应”，为智元机器人等客户提供了端到端解决方案。
在科研领域，曙光存储的技术优势更为突出。针对西湖大学人工智能集群项目，杨志雷提到，该集群规模国内高校领先，前期因存储性能不足导致“半年就把100GB带宽吃满”，而曙光存储通过“超额交付”，将节点带宽提升至150GB，同时提供“硬件+软件+运维的全流程优化”，支撑了西湖大学在细胞死亡机制、阿尔茨海默病关键蛋白质结构等科研成果的突破。曙光存储副总裁张新凤补充，AI4S（人工智能赋能科学发现）场景对存储有四大需求：“性能从GB级跃升至TB级、容量达百PB级、数据孤岛整合、高性价比”，曙光通过“NVMe全闪存储+高密液冷设计”，既满足性能需求，又帮助科研用户降低前期投资与后期运维成本。
对于低空经济这一新兴领域，杨志雷指出，其核心需求是“海量非结构化数据的长期存储与快速访问”，曙光存储通过“数据分层、合规加密、快速扩容”，已支撑某区域低空经济指挥平台从10PB扩容至30PB，并实现几小时内完成上线，解决了超高清飞行数据的实时处理难题，为低空经济的商业化落地提供了存力保障。
锚定国产协同与人才培养
推动存力价值重构
在国产化浪潮与产业升级背景下，曙光存储正从技术、生态、人才三方面构建长期竞争力。针对存储行业“自主”问题，张新凤表示，两大核心领域已有突破：“存储介质方面，目前已有厂商解决了对国外的依赖，未来将进一步解决成本差距；前后端网络方面，国内企业已在RDMA网络上取得进展，需进一步推动开放标准，拉齐产业生态”。何振强调，曙光存储已与国产GPU头部企业完成适配，通过针对GPU卡的定制化开发，形成完整解决方案，既激发GPU价值，也证明存储性能。
人才培养是生态建设的另一核心。何振提到，曙光存储成立21年，团队规模超1000人，90%以上是研发，并在武汉设立研发中心，“不到两年已超100人，未来计划达到天津、成都研发中心规模。”具体合作中，曙光通过“产业硕士联合培养、定制课程”，缩短学生入职后的适应期，同时与华中科技大学等高校在存储介质、软件算法上联合攻关，实现“产学研用”协同。张新凤表示，“武汉有丰富的科教资源，企业优先选择国内品牌合作，在NVMe企业级存储的性能、可靠性优化上，与高校的交流为技术突破提供了关键支撑。”
从产业价值来看，曙光存储正推动存力从“成本中心”转向“价值中心”。何振提出，“存力成为竞争高地，核心在效率与成本：性能跟不上会导致算力浪费、模型迭代慢；通过东数西存与智能调度，可将东部访问西部数据的延迟降至毫秒级，实现成本与效率的平衡。”张新凤补充，“以前存储在基础设施占比低于10%，现在高性能存储占比已达40%-50%，未来曙光将通过AI数据中台建设，实现数据‘收、存、治、用’全流程赋能，最终达成‘以存促算、以存代算’的目标，重构AI时代存力与算力的价值关系。”