2026存力发展报告

I当前，人工智能与千行百业深度融合，智能经济快速发展，人工智能推理数据量首次超过训练数据量，智能应用成为数据需求主阵地。数据从被存储的对象拓展出“被理解的知识”与“被调用的记忆”等新角色，相应的存储也从数据的承载者升级为智能时代的资源供给者，先进存力的定义因此迎来重构：先进存力是面向未来人工智能发展，以“先进介质、绿色高密”为核心载体，以“大容以“数据知识化、记忆持久化”为价值引擎，以“数据范式承载、推理提质增效”为发展模式，以“开放生态、安全可靠”为坚实保障，面向模型训练推理、智能体应用与行业智能化升级等关键场景近年来，我国持续强化存力领域顶层设计，算力网纳入国家“六张网”顶层布局，《信息通信行业发展“十五五”规划》明确模超过640EB。存力发展进入国家统筹、规模牵引、评价有据的新报告阐释先进存力的时代意义与应用形态，剖析高性能闪存介化、全域数据编织以及存储内生安全等技术方向。并系统呈现我国存力发展现状，并从统筹布局、技术创新、场景应用、基础保障四方面提出发展建议，以期为业界提供参考，恳请各界批评指正。 1 1 3 4 6 6 7 9 10 12 13 15 17 19 21 23 24 24 26 31 34 37 39 40 40 41图目录 25 26 27 27 27 28 29 30 31 32 34 35 36 3711第一章：AI发展范式转变与存力建设新需求电网等一并纳入国家“六张网”顶层布局，算力基础设施的体系化建设上升为国家战略部署。此后，国务院常务会议先后四次研究部发展的基础支撑，建设须坚持合理布局、规范有序。工业和信息化部按照“点、链、网、面”体系化工作思路深化国家算力网布局，引导存算同步建设，攻关新型传输协议与卡间互联技术，打造高效“十五五”规划确立先进存力发展目标，数字中国建设评价体五”规划》提出加快发展先进存力，推动以存强算、以存代算，提升分布式、超融合等存储系统的技术水平，突破智能分层存储、键志着存力建设由补齐短板转入规模牵引、质量升级、技术创新的新建设水平、数据基础设施建设水平作为三级指标纳入数字基础设施发展水平维度，数据供给、数据流通与安全类指标的达成，同样依赖存力基础设施的支撑。存力建设既获规模牵引，其建设成效亦进建设水平、数据基础设施建设水平作为三级指标纳入数字基础设施发展水平维度，数据供给、数据流通与安全类指标的达成，同样依赖存力基础设施的支撑。存力建设既获规模牵引，其建设成效亦进各领域深度融合，智能应用规模化落地对数据存储与供给能力形成等要求，引导建设面向中小企业的先进存力中心与就近数据资源池。中心承载大规模多模态数据集。一系列政策从应用侧明确存力服务方向，应用对存力建设形成持续的需求牵引，存力供给能力同步支分类分级保护、风险识别、监测预警等制度安排。《关于促进数据233将安全可信确立为数据流通利用基础设施的建设前提。安全能力由性转变，人工智能即将迎来应用爆发期。过去三年，全球算力投资高度集中于大模型训练环节，训练通过对海量数据的学习塑造模型的能力上限。随着基础模型能力趋于成熟，模型价值日益取决于推理环节能否高效、稳定、低成本地运行，产业重心随之由训练单极统计，我国人工智能训练与推理数据总量达199.48EB，同比增长处理重心正式从模型研发环节移向规模化应用环节，推理与训练并单位，其调用量的每一次量级跃升，都对应着亿万次智能问答、文档生成、业务办理等数据交互。市场侧的变化同样显著，IDC（国44购的加速上行，印证推理应用带来的数据存储需求正在兑现为实际市场增量。与训练阶段数据一次写入、批量读取的使用方式不同，应用阶段的智能服务要求持续记录交互过程、随时调用历史信息，数据交互的频次、粒度与持续性均远超训练阶段。交互方式的根本在各类推理应用中，智能体以其任务分解、多轮交互、自主执性变化。人工智能应用早期以开放式对话为主要形态，对回答准确性与过程可控性的要求相对宽松。随着智能体能力持续演进，应用形态由回答问题向办理事务转变。金融、医疗、制造、能源等生产级场景相继引入智能体应用。业务级的准确度、全程可控的执行过程与可追溯的结果依据，构成智能服务进入生产流程的基本前提。应用形态与服务要求的变化，推动数据需求从通用问答的单一供给，55态与过程记忆等数据需求同步形成。业务准确性要求行业知识的精准供给。智能体面向行业核心业务的响应须以权威行业知识为依据，知识类数据需求由此形成，其供给质量直接影响智能服务的可信度与合规水平。业务实时性要求中间状态数据的高频承接，交互响应时延直接决定服务质量与算力利用效率，中间状态类数据需求随之急剧增长。业务连续性要求过程记忆的长期保存，跨周期任务产生大量过程记忆数据，若随会话结束而消散，服务将被迫中断、经验无法延续，记忆类数据需求由此成为智能体持续服务的刚性约束。知识、状态与记忆三类数据需求，分别对应智能服务专业化、实时化与长期化的发展方向，对存储侧的承接、供给与管理能力提出了基础初步形成。知识类数据需求的快速增长，推动高质量数据集建年全国高质量数据集累计数量达11.44万个，同比增长61.13%；总），识供给能力提出迫切需求。模型推理过程中产生的中间状态数据规模急剧增长，已超出推理芯片自带存储的容量与经济边界，须由存储侧分级承接。芯片内存的承接能力受介质成本与封装约束，知识供给依赖汇聚、治理与加工等数据工程环节，二者均无法通过扩大算力规模替代；智能服务的响应速度、算力利用效率与服务准确性，的重要前提。智能体处理跨周期任务、积累用户偏好的过程，持续产生需要长期保存与可控共享的记忆数据，记忆的持久化存储与精细化管理属于存储系统的内生能力，增加算力设备无法带来此类能力，需由存储侧前瞻布局。此外，加密防护、访问控制与灾备保障等安全能力需内生于存储系统建设，构成数据承载、知识供给与记忆管理的共同基础，数据供给的关键约束正在存储侧集中凸显，先第二章：智能时代的先进存力先进存力的界定伴随产业发展持续丰富。先进存力概念确立之初，即定义为以“大容量、高性能”为基础、以“先进介质、高效架构”为支撑、以“开放生态、绿色低碳、安全可靠”为关键，可67用于更广泛的关键场景的企业级先进数据存储能力。并于此后在数7用于更广泛的关键场景的企业级先进数据存储能力。并于此后在数当前，人工智能与千行百业深度融合，智能经济快速发展，数据也从“被存储的对象”拓展出“被理解的知识”和“被调用的记忆”等新的角色，存储也随之从数据的承载者升级为智能时代的资先进存力是面向未来人工智能发展，以“先进介质、绿色高密”为核心载体，以“大容量、高性能”为重要基础，以“数据编织、高效扩展”为关键支撑，以“数据知识化、记忆持久化”为价值引擎，以“数据范式承载、推理提质增效”为发展模式，以“开放生态、安全可靠”为坚实保障，面向模型训练推理、智能体应用与行以“先进介质、绿色高密”为核心载体，是指以闪存为代表的存储介质向更高速率、更高密度、更低能耗持续演进，为数据高效以“大容量、高性能”为重要基础，是指容量规模与性能水平持续跨越式提升，与数据量快速增长和智能应用的高并发需求相适88扩展实现跨域、跨主体的存储与计算资源随负载弹性扩充，灵活适以“数据知识化、记忆持久化”为价值引擎，是指存储系统沉淀数据价值的两种形态。行业数据经治理加工转化为可精准调用的知识，数据价值实现跃升；交互记忆得以长期保存、精细管理与可控共享，经验与服务价值持续积累。知识与记忆在存储侧不断沉淀，以“数据范式承载、推理提质增效”为发展模式，是指先进存力驱动智能应用发展的两条路径。数据范式承载指存储系统对键值缓存、向量、语义关联、多模态语料等新型数据形态的原生承载能力，存储对象由文件数据扩展为多类数据范式，不断拓宽智能应用的数据边界；推理提质增效指推理状态的分级承接与复用提升推理吞吐、降低响应时延，存储侧对长上下文的分级承接使超长序列处理具备经济性，长序列任务下的推理精度与稳定性由此改善，为智以“开放生态、安全可靠”为坚实保障，是指存储支持与多云环境、数据空间开放互联，坚持自主可控发展，以内生安全能力保99技术的跃迁，背后正是数据供给方式的变革。大模型的训练，以海量语料的高速供给为前提，检查点的快速保存与恢复，决定着训练能否稳定推进；推理服务的质量，取决于推理状态的承接与复用，时延与吞吐直接塑造智能应用的响应能力。智能体技术的成熟，对存储提出了更高的要求，长周期任务需要记忆的延续，可信服务需要知识的支撑，多模态交互需要新型数据形态的承载。数据供给能力成为与模型、智能体相互牵引的关键，先进存力的水平，也映射人工智能发展的深度与广度。智能经济的深入发展，依赖数据要素的高效配置与智能服务的规模化供给，先进存力是二者共同的基础设施底座。先进存力规模已纳入国家信息通信行业五年规划目标，先进存力建设既是人工智能基础设施体系的重要组成，也是释放既1010当前先进存力的应用形态按服务对象可归为智能算力基础设施、数据基础设施与行业关键业务三类，其角色依场景从算力逐层延伸至数据底座。负载规模、数据特征与业务要求的差异，决定先进存力的部署形态与方式。面向算力侧，先进存力内生于智能算力基础设施，直接参与训练与推理过程；面向数据侧，先进存力承担数据汇聚与供给职能；面向业务侧，先进存力在保障连续与安全的同时统路径须经多次中间搬运，计算芯片与内存带宽成为数据加载的瓶颈；先进存力以直连访问能力使计算芯片绕过中间环节直接读取存储数据，减少数据搬运与等待，以存储侧的高聚合带宽支撑训练吞吐，保障万卡级集群端到端训练效率。训练场景的大文件与大规模目录访问需求，要求并行文件系统支持文件与目录分片，化解元数据管理的单点瓶颈，保障高并发访问下的数据供给效率。推理侧，键值状态的池化承接与复用减少重复计算，提升推理吞吐与单位算基础设施中存力资源的主要汇聚形态。智算中心承载算力、网络与1111存力的协同部署，三者共同决定智能服务的质量与成本。智算中心建设以存算协同为基本形态，存储与算力同步规划、同步建设、同步投运，面向外部用户提供数据存储与供给服务；面向中小企业的普惠存力服务，依托智算中心资源池就近供给，降低先进存力的使数据基础设施场景中，先进存力以数据编织与知识化供给能力，承担高质量数据集底座的职能。行业高质量数据集的建设，要求数据在驻留场所内完成汇聚、治理与加工。先进存力支撑数据集的版本管理、质量管控与授权流通，保障数据来源可信、加工过程可溯、供给对象可控，并以语料库、知识库等资源形态支撑数据集的持续先进存力以多层灾备保障业务不中断，以知识库支撑行业数据进入业务流程。金融、政务、医疗、能源等领域的关键业务，对数据可靠性、业务连续性与安全合规要求严苛。先进存力以多层灾备与内生安全能力保障关键业务不停摆、数据不丢失；在此基础上，行业数据经知识化加工进入业务流程，行业数据经知识化加工进入业务流程，支撑智能体在核心业务中的精准响应与持续服务。先进存力由此成为行业智能化升级的核心数据底座，推动人工智能在行业核第三章：先进存力核心技术方向第三章：先进存力核心技术方向主体。先进存力作为智能时代的数据存储与供给能力，先进存力规模是衡量这一能力的量化指标，闪存则是承载能力、构成规模的基本单元。新定义确立了高性能闪存的核心底座地位，规模统计又以存储系统容量为口径，定义要求与统计口径相交汇，闪存容量构成先进存力规模的主体。无论中间状态承接、知识化供给还是记忆管理，各项技术方向最终都要落实为闪存介质的部署；闪存部署的规模与速度，直接决定先进存力规模的大小与增长，闪存化建设由此存主要用于模型与数据的归档保存，处于链路后端。训练时代，检查点保存成为高频负载：检查点规模通常达到模型参数量十倍以上，保存与恢复需暂停训练，占用算力时间、拖累利用效率，要求承接介质具备高写入带宽与快速完成能力，闪存由此进入训练链路。推理时代，中间状态数据规模随上下文长度膨胀，访问呈现高频、随机的特征，要求介质在极短时延内完成读取；承载此类负载的企业级固态硬盘（eSSD）直接服务计算芯片的读取请1213率直接影响算力利用水平，状态承接的速度直接影响智能服务的响应速度。闪存介质由链路后端逐步前移至交互核心，位置前移伴随重要性升级；时延敏感负载的涌现，牵引介质创新沿高带宽方向演单元保存的比特数分级，TLC（三层单元闪存）每单元保存3比特，优，但性能相应下降，反之则性能提升，但容量相应下降。在人工智能负载的牵引下，闪存介质的发展路线趋于清晰，TLC以较高的性能与耐久度支撑高性能场景需求，长期作为企业级固态硬盘的主延敏感的状态数据承接持续探索。介质演进由通用需求的被动跟随，工智能应用兴起，存储系统的管理对象从文件数据扩展到各类形态。传统存储围绕文件、对象三类数据范式组织，服务数据库、文件共享与内容归档等负载，管理对象是静态的文件与数据块。人工智能负载带来四类新型数据范式，键值数据以推理中间状态为主文件共享与内容归档等负载，管理对象是静态的文件与数据块。人工智能负载带来四类新型数据范式，键值数据以推理中间状态为主要形态，由模型计算过程实时产生，呈现高频读写、生命周期短的特征，即键值缓存；向量数据是文字、图像等信息的语义表示，规模庞大、维度极高，访问以相似度检索为主；语义关联数据以实体与关系组织知识结构，支撑关联查询与图谱遍历；多模态语料以文本、图像、音频、视频等形态构成训练与供给的原材料。四类范式的数据结构、访问模式与生命周期各不相同，传统按文件统一管理的方式难以高效支撑，存储系统对新型数据范式的原生支持能力，级承接、芯片直连、池化复用等机制，支撑其高频、低时延需求。语义原生处理将键值、向量等数据结构的识别、压缩、索引与检索能力下沉至存储节点，存储系统直接理解数据语义，访问路径由多级串联缩短为单级直连，免除协议转换与数据拷贝开销。分级承接依据访问热度组织数据驻留层级，高频数据驻留芯片自带存储，溢出数据由高性能闪存承接，更低频数据沉入大容量闪存层，各层之间动态迁移，在容量、时延与成本之间取得平衡。直连访问在推理芯片与存储设备之间建立专用数据通路，数据跳过中间环节直达闪存介质；多元算力环境下，不同架构推理芯片的片间互联能14力各异，存储直连以统一的数据路径跨越架构差异，为各类算力提供一致的低时延供给。池化复用以高性能闪存构建集群级共享承接池，按任务需求动态分配与回收，数据依据访问频次动态淘汰，多租户环境下按任务维度实施资源隔离。键值范式是当前负载规模最大、时延要求最苛刻的检验场，上述支撑构件经其检验成熟后，向力各异，存储直连以统一的数据路径跨越架构差异，为各类算力提供一致的低时延供给。池化复用以高性能闪存构建集群级共享承接池，按任务需求动态分配与回收，数据依据访问频次动态淘汰，多租户环境下按任务维度实施资源隔离。键值范式是当前负载规模最大、时延要求最苛刻的检验场，上述支撑构件经其检验成熟后，向设、同步投运，对内统一调度、对外按需服阵列或高密度盘柜部署于智算集群内部或邻近机柜，与计算节点同处一个高速网络平面，共享供电、制冷与网络基础设施。容量依据负载规模与数据形态构成预期部署，预留扩展能力，运维纳入集群统一监控体系。对内，存储资源由调度平台统一分配；对外，以多租户隔离为不同用户与模型实例划分存储空间与性能配额，保障服地的前提。行业数据分散在各类业务系统中，模态多样、格式不一、质量参差，部门间与机构间共享率不足，跨域流通存在壁垒。原始数据无法被智能体直接理解，需经汇聚、清洗、向量化与关联化等加工环节，方可转化为可精准调用的行业知识。行业大模型的持续151616演进同样依赖高质量数据集供给，加工环节更需部署在数据驻留场所内完成，满足金融、医疗等领域的安全性与合规性要求。行业数据从原始资源到可用知识的转化深度，正在成为行业智能化进程的命周期。经治理加工的数据以高质量数据集形态输出，携带版本标识、质量标签与血缘关系，可按任务需求切片组合。数据集质量从准确性、完整性、时效性、合规性四个维度评估，多层级质量检查嵌入加工各环节。版本控制与血缘追踪贯穿数据全生命周期，数据变更可回溯、可审计。智能体推理中产生的反馈数据经脱敏处理后回流，经再加工纳入数据集，推动数据集随使用持续迭代，供给体行业知识经向量化处理后映射至语义空间，依托语义索引与融合检索机制对外供给。检索过程先以向量相似度计算从海量知识中锁定候选，再按上下文相关性精排输出，全程记录检索路径、支持结果溯源。面向法规条文、诊疗指南、工艺参数等权威知识，知识库建立实体与关系的关联组织，构建行业知识图谱，支撑基于关联关系的推理与问答。知识供给的精度显著影响智能体响应的准确性，可1717链条。建设环节，行业数据依托统一数据底座完成入湖与治理加工，形成高质量数据集与行业知识库两类核心资产。运营环节，两类资产持续更新维护，质量标签与血缘记录随使用不断丰富，资产可信可用。应用环节，行业模型基于高质量数据集完成训练与迭代，智能体在面向行业核心业务的响应流程中调用知识库，行业知识由此的服务经验得以长期存续。智能体服务过程中，交互产生的中间状态随会话结束而消退。其中具有长期价值的内容，如任务结论、用户偏好、业务经验等信息随会话一同消散，智能体便无法积累经验，服务无法持续深化。记忆库承接中间状态的时间延伸，将其中有长期价值的内容萃取沉淀为持久数据，使智能体服务从一次性应答走向长期服务。在超节点与超大规模智算集群中，上下文记忆的池化共享成为技术趋势，记忆资源由单节点附属升格为集群级共享资源，周期的起点。智能体与用户的交互记录包含任务结论、决策依据、偏好习惯等关键信息，也包含大量过程性冗余。记忆萃取技术对交记忆数据分为两类，保留近期交互细节与当前任务进度的工作记忆，记忆数据分为两类，保留近期交互细节与当前任务进度的工作记忆，以及沉淀长期规律与业务经验的经验记忆。工作记忆访问频繁，驻留高性能闪存层，随会话进展直接调用；经验记忆访问相对稀疏，驻留大容量闪存层，以语义索引方式按任务相关性检索唤起。两类记忆依据访问频次与价值评估动态流转，经萃取沉淀后，工作记忆中的有价值内容转化为经验记忆，留存到期者及时淘汰，记忆库由此保持精炼。长周期任务执行中，系统在关键节点以增量方式生成快照，记录上下文状态与中间结果；会话中断或系统故障时，可基模持续生长。多智能体协作场景下，任务状态与业务经验需在不同18互记录进行信息识别与凝练，依据信息的关键性、时效性与复用价值设定留存标准，留存对后续任务有价值的内容，形成可保存、可检索的记忆数据。萃取过程在存储侧完成，交互数据流经存储系统时即完成价值筛选，萃取结果就地沉淀为记忆数据，无需搬移至外部处理平台。对涉及个人隐私与业务敏感的内容，萃取环节同步实施识别与脱敏处理，记忆数据的敏感性从源头受控。萃取的精度决定记忆质量，过度萃取则会造成存储浪费与信息干扰，萃取不足则智能体间传递。共享机制遵循最小权限原则，记忆片段按授权范围智能体间传递。共享机制遵循最小权限原则，记忆片段按授权范围流转，共享粒度可细化至数据字段级；敏感记忆仅对授权主体可见，共享操作全程记录审计日志，支撑事后追溯与合规审查。记忆共享使单个智能体的交互经验沉淀为组织级的数据资产，多智能体协作的效率随共享积累持续提升。从单一智能体的记忆底座，到多智能体协作的共享支撑，记忆库的建设随智能体应用规模从小到大逐步展开，容量依据交互频次与留存周期确定、随应用增长平滑扩展，智能服务时延与成本的关键环节。智能体应用的交互频次与上下文长度持续增长，键值状态的生成规模与访问需求同步放大，推理系完成全部历史上下文的前置计算，多轮交互场景下响应速度直接制约智能体的任务执行效率；二是长上下文需求超出芯片内存边界，输入信息规模快速增长，所需存储空间频繁超出推理芯片高带宽内中已计算的键值状态未被有效留存，新增输入引发历史上下文的全19相淘汰，并发推理任务在有限的芯片内存中相互相淘汰，并发推理任务在有限的芯片内存中相互覆盖键值状态，推理芯片内存受成本与封装约束，难以随上下文长度同步扩展，介质的外置存储，经高速互联通道与推理芯片直连，将键值状态动态卸载至外部存储空间，以存储资源置换芯片内存，突破显存即边界的传统架构限制。卸载后的历史上下文以键值状态形态驻留外置存储，多轮对话可直接调用而无需重复计算，上下文缓存命中率与首字时延显著改善；高并发场景下，海量状态由外置存储池化承接，出效率同步提升，单次推理运营成本随之下降，为智能服务规模化随着外置存储承接的键值状态规模扩大，跨任务、跨用户统一组织在芯片内存与外置存储间动态调度，依任务需求分配回收，多租户环境下按任务维度实施隔离。需要明确的是，键值数据池承接的是交互过程中未经萃取的原始中间状态，服务于短期复用；经萃取沉淀的长期价值由记忆库承接，两者以萃取环节为界构成分层衔接，键值数据池与投机解码的协同，为行业推理降本增效开辟新路键值数据池与投机解码的协同，为行业推理降本增效开辟新路径。行业应用文本具有显著的模板化特征，专有术语与标准业务表述高频复现，为投机解码提供了应用基础。推理引擎在生成阶段引在键值数据池中完成前缀匹配与快速验证，以存储检索替代部分网络层前向计算，降低矩阵运算频次。以查代算将算力消耗转化为低成本的存储访问，单次推理算力开销与行业任务集群并发吞吐同步得体系化的破解路径。数据分散在部门、机构与地域之间，格式不一、协议各异，形成难以贯通的数据孤岛。传统的整合方式依靠数据搬迁与接口定制，成本高、时效差，且数据复制过程中质量与一致性难以保障。数据编织技术以全局统一的数据视图与调度机制，在数据不发生物理搬迁的前提下实现逻辑上的汇聚，数据依据业务需求在层级与站点间按需流动，从“数据找应用”转向“数据随需用透明。传统文件系统的边界即设备与站点的边界，跨域访问需经212222过数据拷贝或协议网关，路径长、效率低。全局文件系统建立跨设备、跨站点的统一命名空间与全局目录，数据在物理上分布存储、在逻辑上融为一体，应用通过统一入口访问全域数据，无需感知数据的具体驻留位置。配合全局调度机制，数据依据业务热度在层级与站点间流动，向负载就近供给，跨域数据访问的时延与带宽开销机制上消除。传统模式下，数据入湖后需经抽取与转换，复制到分析系统、训练集群等多套平台，副本冗余、版本不一、一致性难以维护。统一湖表以统一的表格式组织湖内数据，元数据集中管理，数据本体唯一。分析引擎、训练框架与推理应用在同一数据底座上各自读取所需数据，免除拷贝与搬运；数据更新一次、各处可见，给服务对外输出。建设层面，异构存储设备经统一纳管构成资源池，提供文件、对象、大数据接口的多协议接入与全局元数据管理，容签的数据资产目录，运营方承担质量监控、合规审计与生命周期管理，对外流通的数据通过数据空间技术实现可用不可见的可控共享。供给层面，模型训练方订阅高质量数据集，智能体开发方经标准接口调用数据与知识服务，数据产品挂牌流通，数据编口调用数据与知识服务，数据产品挂牌流通，数据编织由此成为连向存储侧转移。先进存力作为核心数据资产的集中承载者，交互数据、行业知识与用户记忆向存储侧汇聚，先进存力成为核心数据资产的集中承载者。数据在哪里集中，防护责任就在哪里落地，数据安全的主战场随之从网络边界与应用层延伸至存储系统本身，安全能力是否内生于存储系统，成为数据防护成败的关键，存储系统的安全能力。机密性、完整性、可用性构成安全能力的基本要求。硬件级加密保障数据存储与传输安全，精细访问控制限定数据操作的主体与范围，全程审计记录数据流转轨迹。控制面与数据面分离的架构设计，使管理操作与数据通路相互独立；多模态数据的统一管控，使不同形态数据的安全策略归于一致。数据持续可用由灾备机制保障，同城双活使两组存储设施同步承载业务，单点故障时业务无感切换；异地灾备抵御区域性风险，保障极端情形下的数据可恢复；备份数据采用不可变技术存放，勒索攻击无法篡改恢复基线，23恢复流程自动化编排，重要业务的恢复时间达到分钟级，容灾切换演进。交互数据与记忆数据直接关联个人隐私，脱敏处理与细粒度授权成为数据加工与共享环节的标准配置；训练语料与行业知识面临篡改与污染风险，数据来源可信校验与内容完整性校验技术随之兴起。多智能体协作使记忆与经验在不同智能体间高频流转，共享环节的安全机制随之细化。面向更长远的技术演进，抗量子加密等新型防护技术开始进入存储安全的技术视野，安全能力与数据形态第四章：我国存力发展现状全国存力规模进入新一轮扩容周期。我国数据存力总规模由2024年的1580EB增至2025年的1817EB1，同比增长部、中国信通院、各地方政策文件、文献、公开数252520222023202420252026Q2成《算力基础设施高质量发展行动计划》提出的先进存储容量占比30%以上的目标。先进存力加速普及，为智能体场景下的数据需求35%30%25%20%15%10%5%31.97%30.22%31.97%30.22%28.14%28.14%24.98%24.98%549549445445299299100100020232023202420252026Q2），随着推理负载增长，存力需求压力将进一步上升，需保持存算同步规划、协同建设，为人工智能高质量训练与推理提供坚实的存力基国家政策持续牵引存力资源优化布局，区域存力发展与算力布1200.01200.01089.91089.91000.01000.0800.0579.2579.2600.0600.0405.1405.1293.9200.0293.9200.0147.7400.076.776.716.658.00.00.0东部东部中部西部东北部先进存力规模(EB)存力规模(EB)存力规模占比存力规模占比2.87%先进存力规模占比2.57%28.66%28.66%53.93%14.54%22.87%22.87%11.87%62.69%62.69%广东、河北等省份持续加大存储领域投入，带动区域内部资源配置27持续优化。密集的智能化应用场景与旺盛的数据要素流通需求，使东部地区成为人工智能训练推理、金融科技等高负载业务的主要承载地，也为先进存力建设提供了稳定的需求牵引。随着大模型训练与智能体推理负载不断增长，东部地区的先进存力规模优势将进一120002023202420252026Q2质量随规模扩张稳步提升。中部地区产业基础雄厚，工业互联网与智能制造深入推进，生产数据的沉淀与调用需求稳步增长，为存力发展提供了稳定的增量空间。在承接东部业务溢出、促进跨区域数据流动、支撑资源统筹调度等方面，中部地区的作用日益突出，在全国存力布局中的连接与中转功能不断强化。中部历年存力发展如全国存力布局中的连接与中转功能不断强化。中部历年存力发展如350350250150100500202320242023202420252026Q2西部地区存力建设增势稳定，枢纽牵引效应持续显现。截至区域第二位。内蒙古、贵州等枢纽所在省份发挥能源与气候条件优势，成为拉动区域增长的主要力量，四川、重庆则以丰富的行业应用场景为依托，推动存力与算力协同布局。随着枢纽内智算集群陆续投运，数据沉淀与调用需求加速释放，西部地区先进存力规模将随之扩大，绿色低成本的资源优势正加快转化为数据要素集聚优势。1000202320242023202420252026Q2区域内装备制造、材料加工等重点行业的智能化升级释放数据留存与利用需求。在老工业基地数字化转型推进的背景下，存力建设基3031705030201002023202420252026Q2从省市层面看，存力规模的区域集中度较高，头部省份引领作份存力规模居全国前十位，合计约1326.2EB，约占全国存的三分之二，构成全国存力规模的重要支柱。其中，广东省存力规模超过211EB，居全国首位，先进存力规模达109.5EB。河北省依托京津冀枢纽与张家口集群跃居全国第二，存力规模与先进存力规模图图10各省市存力发展323333广东、河北两省先进存力规模合计约占全国的四分之一，与北京、上海、江苏等省市构成先进存力建设的第一梯队，其余省份先份基数较小但增势明显，先进存力建设已由个别省份率先突破转向多省并进的局面。政策层面，四川、甘肃等多个省份在算力基础设施专项行动方案中提出了存储总量建设目标，并同步明确先进存储容量占比要求，规模扩张与结构升级的目标相互衔接，为省域先进着智算集群陆续投运，先进存力的扩容需求将同步释放。西藏、江西、福建等省份先进存算比相对较高，后续算力建设空间较大。多数省份处于存算规模与质量同步积累的阶段，算力先行优势正逐步3434七成以上。长三角、京津冀、粤港澳大湾区应用场景密集、数据要素市场活跃，数据就地生产、就地存储、就地使用的特征明显，存构优势相互强化。贵州、内蒙古、甘肃、宁夏等西部枢纽承接大规模智算设施布局，算力建设先行投运，正进入数据资源加速汇聚的新阶段。枢纽地区先进存力建设空间广阔，存力建设与算力部署的3535协同规划将进一步深化。八大枢纽节点所在省份先进存力规模占比布局看，多数存力中心与国家算力枢纽节点协同建设，为存算协同与数据调度奠定设施基础；陕西、山东、广西、云南等省份的建设则推动先进存力供给向枢纽节点之外延伸，就近承载区域数据要素汇聚需求。从建设模式看，存力中心以集约化方式建设、辐射区域，基础电信企业依托网络与机房资源成为建设主力，地方国资平台与数据集团承担区域存力中心的建设运营，先进存力供给从企业零散存力中心围绕数据归集、治理、开发、供给、流通全链条开展数据要素深度运营，布局层级持续延伸，行业覆盖不断拓展，赋能效应加快显现。区域级、城市级存力中心持续夯实数据统筹与公共服务底座；行业级存力中心加速向重点行业纵深布局，交通行业数据要素建设基地、电力行业信息运维存力设施、具身智能训练数据平台等十余个存力中心相继落地，推动行业数据从分散保存走向集中治理与知识化供给。在科研领域，面向农业科研的存力中心同样加快落地，崖州湾国家实验室农业智能枢纽已建成投运，有效汇聚多元科研数据，支撑种源攻关等国家重大科研任务。在产学研用协中小企业专项行动深入推进等多重因素驱动下，存力中心正从单点示范走向行业应用，成为连接数据资源与行业智能应用的关键纽带。36金融行业应用。从业务时延要求看，金融行业对存力性能的敏感度在各行业中最高，先进存力占比达49.8%。交易清算、实时风控等核心业务对数据读写时延极为敏感，存力性能直接影响业务效率与合规水平。金融行业全闪存部署起步早、渗透深，智能风控、授信审批、智能客服等应用加速渗入核心业务，对存力性能与可信度的要求远超以往。授信审批须基于权威法规知识库高精度检索，37制造业占比均超过54%，服务业过半，金融逼近五成。其中，互联网、运营商在存力总量趋于稳定的情况下完成了介质升级；服务、媒体行业先进存力