中国及亚太地区的 AI 建设应以数据系统为核心 ，而非单纯的算力系统

搜索最新SoC解决方案
关于汽车电子...物联网...安全...音频...视频

www.eetrend.com – Jun. 24, 2026 –

多年来，算力一直是AI基础设施讨论中的决定性指标。随着各类组织不断突破性能极限，处理能力、内存吞吐量、互连速度、功率密度等各项指标均实现了显著提升。然而，随着AI在中国及亚太地区的应用日趋成熟，算力与数据之间的结构性差距正变得愈发关键。AI不仅在使用数据，还在持续创造新数据——从上下文、元数据到输出结果、历史记录，以及许多企业为了治理合规、模型优化或未来使用而希望保留的运行衍生数据。

不同的AI工作负载对存储分层也存在着不同的需求，涵盖从数据摄取、训练到推理和长期留存的各个阶段，因为在每个阶段，系统对性能、容量和成本的要求都有着本质的区别。久而久之，AI生产环境的运作方式将越来越呈现出数据系统的特征，而非纯粹的算力系统。

中国及亚太区的AI数据规模持续扩大

德勤的一份报告显示，该地区有望成为全球下一个数据中心枢纽——预计到2030年，数据中心投资将达到约8,000亿美元。中国十四届全国人大四次会议经济记者会上，国家发改委领导表示，将深化"人工智能+"行动，预测"十五五"末AI相关产业规模将增长到10万亿元以上。企业必须支持数据全生命周期的分层管理：热数据需要闪存以实现快速访问、间歇性使用的温数据以及需要长期存储的冷数据则可以利用HDD的经济性。

AI的长期成本考量

随着AI步入持久且持续生成数据的阶段，其长期成本将不仅由算力决定，还取决于企业如何长期高效地保留和管理数据。在大规模应用中，总体拥有成本（TCO）由存储成本、功耗、散热设备以及管理激增数据的运营负担共同决定。问题不仅在于如何为算力供电，还在于如何将AI构建为能高效利用容量、能源和物理空间的数据系统。

AI的下一阶段将由架构定义

行业正在跨越仅关注芯片、基准测试和模型峰值性能的阶段。下一阶段将由架构选择来塑造，这决定了在应用规模扩大时，系统能否保持经济可行性、适应性和可持续性。AI领域的下一批赢家，将不仅仅是那些部署了最多算力的企业，更是那些理解AI系统长期运作规律的企业。

点击阅读更多

 Back