让算力少等数据，中科曙光打造“AI数据工厂”

10月29日，由中国电子工业标准化技术协会主办、数据存储专业委员会承办的2026数据存储产业大会在郑州举行。作为专委会主任委员单位，中科曙光过去一年携手各方合力推进产业研究与标准建设，促进行业可持续发展，相关研究报告、AI存储标准等成果在本次大会集中发布，为行业技术演进与应用创新提供指引。

大会期间，中科曙光还展示了面向Token时代的最新探索，以“AI数据工厂”推动存储主动参与AI生产全流程，提升Token产出效率。

从“存得下”到“用得好”

随着智能体从内容生成走向复杂任务执行，数据不再只是模型训练时的一次性输入。长上下文、多轮交互及跨会话任务需要持续访问和更新数据。数据供给不及时、计算结果难以复用，不仅增加响应延迟，也造成算力资源浪费。

中科曙光分布式存储产品部总经理石静指出，智能体时代，存储的核心价值是持续提供可检索、可更新、可治理的记忆与上下文。为此，中科曙光提出构建“AI数据工厂”，贯通数据归集、预处理、训练、推理及智能体应用等环节，让数据按需流动、计算结果持续复用，推动存储从被动保存向主动供给转变。

存算协同减少算力等待

依托ParaStor分布式存储与FlashNexus集中式存储，中科曙光通过统一命名空间和多协议访问，实现海量异构数据的统一管理，并根据数据热度和业务需求进行跨介质、跨平台调度，减少数据重复搬运。

在此基础上，曙光通过XDS数据直通技术、BurstBuffer本地缓存与scaleFabric高速网络协同优化I/O通路，缩短数据传输路径，让数据读取与模型计算并行开展。在推理环节，ParaCache实现多级KV Cache的统一管理与跨节点共享，减少重复计算，提升Token生成效率。在64K上下文测试中，相较GPU纯计算方式，采用分布式存储的方案Token并发数提升16倍。

支撑规模化AI生产

从超大规模算力集群到产业应用，曙光存储系统已在多个场景中得到验证。在曙光8000中，数百PB级存储构建统一数据底座，支撑大规模AI与科学工程计算，满足不同业务负载的数据访问需求。在智元机器人数采工厂，百PB级对象存储与数十PB级全闪文件存储协同，打通数据采集、清洗标注与模型训练流程，支撑上千小时训练任务不间断运行。

在自动驾驶领域，曙光以全闪与混闪统一资源池，贯通数据导入、预处理、模型训练和仿真分析等环节，提供100PB以上可用存储空间，支撑大规模混合负载稳定运行。从科研计算到机器人、自动驾驶等产业场景，中科曙光正通过存算协同与数据高效流动，提升算力利用效率，为AI规模化应用提供持续、可靠的数据支撑。