本文編譯自Electronic Design

隨著行業(yè)邁向2026年，數(shù)據(jù)中心架構(gòu)師與系統(tǒng)設(shè)計(jì)師面臨多重壓力交織的局面，這使得存儲(chǔ)設(shè)計(jì)的重要性前所未有。人工智能工作負(fù)載持續(xù)推動(dòng)著對(duì)數(shù)據(jù)傳輸、存儲(chǔ)容量與性能的空前需求，而與此同時(shí)，全球供應(yīng)鏈中的電力、散熱、空間及元器件供應(yīng)約束愈發(fā)收緊。

存儲(chǔ)再也不能被視作計(jì)算層之后的被動(dòng)組件，它已成為主動(dòng)型系統(tǒng)部件，直接影響系統(tǒng)性能、能效與整體設(shè)計(jì)風(fēng)險(xiǎn)。

對(duì)于需規(guī)劃未來數(shù)年量產(chǎn)系統(tǒng)的工程師與工程管理者而言，當(dāng)下圍繞存儲(chǔ)架構(gòu)做出的決策，不僅將決定人工智能性能，還會(huì)影響功耗配額、機(jī)架密度、散熱方案以及產(chǎn)品上市周期。理解存儲(chǔ)如何融入更廣泛的人工智能基礎(chǔ)設(shè)施生態(tài)，是構(gòu)建高彈性、可擴(kuò)展數(shù)據(jù)中心的關(guān)鍵。

隨著人工智能與存儲(chǔ)技術(shù)深度融合，各企業(yè)必須應(yīng)對(duì)全新的性能、可擴(kuò)展性與管理挑戰(zhàn)。人工智能與存儲(chǔ)交匯領(lǐng)域?qū)⒂楷F(xiàn)哪些全新挑戰(zhàn)？標(biāo)準(zhǔn)與最佳實(shí)踐又將其怎樣的作用？

人工智能改變存儲(chǔ)格局

傳統(tǒng)數(shù)據(jù)中心架構(gòu)圍繞以計(jì)算為中心的模式演進(jìn)。存儲(chǔ)系統(tǒng)最初主要針對(duì)容量和可靠性設(shè)計(jì)，為具備可預(yù)測訪問模式的通用工作負(fù)載提供優(yōu)化適配。人工智能徹底顛覆了這一模式。

訓(xùn)練與推理流水線要求分布式系統(tǒng)具備高帶寬、低時(shí)延和持續(xù)的數(shù)據(jù)傳輸能力。存儲(chǔ)性能的波動(dòng)會(huì)導(dǎo)致高成本計(jì)算資源閑置，降低整體系統(tǒng)能效。

與此同時(shí)，數(shù)據(jù)量仍在飛速增長。人工智能模型需要訪問海量數(shù)據(jù)集，這些數(shù)據(jù)可跨熱、溫、冷存儲(chǔ)分層，且通常分布在多個(gè)物理地點(diǎn)。因此，存儲(chǔ)方案的選擇如今會(huì)直接影響網(wǎng)絡(luò)設(shè)計(jì)、互聯(lián)技術(shù)選型與內(nèi)存層級(jí)規(guī)劃。工程師必須將存儲(chǔ)作為集成系統(tǒng)的一部分綜合評(píng)估，而非孤立考量。

制約因素決定設(shè)計(jì)選型

隨著2026年的到來，多項(xiàng)預(yù)測顯示,數(shù)據(jù)中心設(shè)計(jì)的多個(gè)維度面臨愈發(fā)嚴(yán)苛的約束。在眾多地區(qū)，電力供應(yīng)正成為發(fā)展瓶頸，這迫使每個(gè)機(jī)架、每個(gè)工作負(fù)載的功耗預(yù)算進(jìn)一步收緊。散熱極限則進(jìn)一步限制了系統(tǒng)的部署密度?？臻g約束,尤其在城市區(qū)域或改造升級(jí)場景中,更增添了設(shè)計(jì)復(fù)雜度。

元器件供應(yīng)的影響也日益凸顯。包括大容量機(jī)械硬盤（HDD）在內(nèi)的部分存儲(chǔ)技術(shù)交付周期延長，要求行業(yè)提前敲定設(shè)計(jì)方案，同時(shí)也限制了設(shè)計(jì)靈活性。這些現(xiàn)實(shí)狀況正推動(dòng)架構(gòu)設(shè)計(jì)師重新考量混合存儲(chǔ)策略：融合機(jī)械硬盤、固態(tài)硬盤（SSD）與新興技術(shù)，在容量、性能、功耗和供應(yīng)可用性之間實(shí)現(xiàn)平衡。

2026年存儲(chǔ)技術(shù)評(píng)估

HDD仍是實(shí)現(xiàn)高性價(jià)比大容量存儲(chǔ)的關(guān)鍵選擇，尤其適用于人工智能訓(xùn)練所用的大規(guī)模數(shù)據(jù)集與長期數(shù)據(jù)留存場景。不過，其較長的交付周期與功耗問題需要進(jìn)行周密規(guī)劃。SSD在性能和時(shí)延方面具備顯著優(yōu)勢(shì)，在對(duì)性能敏感的存儲(chǔ)分層中，正越來越多地用于替代或補(bǔ)充HDD。兩者的權(quán)衡因素包括：SSD每比特存儲(chǔ)成本更高，且在系統(tǒng)設(shè)計(jì)層面需考慮其差異化的散熱與使用壽命問題。

除傳統(tǒng)存儲(chǔ)介質(zhì)外，行業(yè)仍在持續(xù)探索替代型歸檔技術(shù)，其中包括專為低功耗長期數(shù)據(jù)留存設(shè)計(jì)的創(chuàng)新方案。盡管這類技術(shù)尚未成為主流，但其研發(fā)進(jìn)程凸顯了行業(yè)對(duì)靈活架構(gòu)的需求,這類架構(gòu)可在新興存儲(chǔ)級(jí)別成熟后將其納入使用。

存儲(chǔ)是一項(xiàng)系統(tǒng)級(jí)設(shè)計(jì)難題

人工智能帶來的最重大轉(zhuǎn)變之一，是需要從整體層面解決存儲(chǔ)挑戰(zhàn)。存儲(chǔ)帶寬、時(shí)延和可靠性直接影響網(wǎng)絡(luò)擁塞程度、計(jì)算資源利用率與整體系統(tǒng)效率。從硬盤、機(jī)箱到接口層面的設(shè)計(jì)決策，會(huì)逐級(jí)向上傳導(dǎo)，影響電路板布局、互聯(lián)方案選型與軟件架構(gòu)。

這種系統(tǒng)級(jí)視角是全球網(wǎng)絡(luò)存儲(chǔ)工業(yè)協(xié)會(huì)（SNIA）StorageAI項(xiàng)目的核心，該項(xiàng)目旨在彌補(bǔ)當(dāng)前人工智能基礎(chǔ)設(shè)施挑戰(zhàn)分析與解決層面日益凸顯的缺口。盡管諸多行業(yè)工作聚焦于計(jì)算加速器、交換網(wǎng)絡(luò)、存儲(chǔ)設(shè)備等單一領(lǐng)域，但StorageAI聚焦研究這些組件在真實(shí)工作負(fù)載與實(shí)際約束下的交互機(jī)制。

StorageAI專門針對(duì)人工智能全流程中的數(shù)據(jù)傳輸、存儲(chǔ)布局與可訪問性展開研究，覆蓋數(shù)據(jù)采集、模型訓(xùn)練、推理部署到長期留存全環(huán)節(jié)。它評(píng)估存儲(chǔ)、網(wǎng)絡(luò)與計(jì)算未進(jìn)行協(xié)同設(shè)計(jì)時(shí)瓶頸的出現(xiàn)位置，以及某一層面的架構(gòu)選擇如何對(duì)系統(tǒng)其余部分產(chǎn)生連鎖影響。對(duì)于工程師而言，這一視角有助于將抽象的人工智能需求，轉(zhuǎn)化為元器件、電路板、機(jī)箱與系統(tǒng)層級(jí)的具體設(shè)計(jì)考量。

StorageAI并不限定單一架構(gòu)，而是提供一套權(quán)衡分析框架（見圖表）。該框架著重闡明存儲(chǔ)帶寬、時(shí)延與使用壽命如何影響計(jì)算利用率、能效與可擴(kuò)展性，尤其在系統(tǒng)向更分布式、異構(gòu)化設(shè)計(jì)演進(jìn)的背景下。

下一代數(shù)據(jù)中心設(shè)計(jì)在縱向擴(kuò)展與橫向擴(kuò)展網(wǎng)絡(luò)中整合存儲(chǔ)、人工智能加速器與計(jì)算節(jié)點(diǎn)，以支撐數(shù)據(jù)密集型人工智能工作負(fù)載。

通過將這些討論建立在基于標(biāo)準(zhǔn)的方法之上，StorageAI幫助工程師與工程管理者確定兼顧各方的解決方案，這些方案可在實(shí)際設(shè)計(jì)中落地實(shí)施、驗(yàn)證，并隨時(shí)間迭代演進(jìn)。

標(biāo)準(zhǔn)在降低設(shè)計(jì)風(fēng)險(xiǎn)中的作用

隨著架構(gòu)日趨復(fù)雜，標(biāo)準(zhǔn)在風(fēng)險(xiǎn)管理中扮演著愈發(fā)重要的角色。標(biāo)準(zhǔn)提供了穩(wěn)定的設(shè)計(jì)目標(biāo)、可預(yù)測的接口，以及跨元器件、跨廠商的互操作性。對(duì)于工程團(tuán)隊(duì)而言，這直接意味著更少的重新設(shè)計(jì)周期、更簡便的驗(yàn)證流程，以及更靈活的供應(yīng)鏈適配能力。

SNIA在硬件形態(tài)規(guī)格定義、存儲(chǔ)接口等領(lǐng)域的長期深耕，通過組織多廠商互通測試活動(dòng)，推動(dòng)行業(yè)采用具備互操作性的硬件設(shè)計(jì)，相關(guān)設(shè)計(jì)可跨產(chǎn)品代際持續(xù)擴(kuò)展。在人工智能驅(qū)動(dòng)的數(shù)據(jù)中心場景下，標(biāo)準(zhǔn)讓工程師能夠?qū)?chuàng)新聚焦于最關(guān)鍵的領(lǐng)域，同時(shí)依托成熟的框架實(shí)現(xiàn)系統(tǒng)集成與兼容性保障。

標(biāo)準(zhǔn)還能支撐計(jì)算架構(gòu)、交換網(wǎng)絡(luò)、系統(tǒng)軟件等相鄰生態(tài)間的協(xié)作。與非易失性高速總線技術(shù)組織（NVM Express）、開放計(jì)算項(xiàng)目（OCP）、超以太網(wǎng)聯(lián)盟（UEC）以及 Linux 基金會(huì)等機(jī)構(gòu)的協(xié)同合作，可確保存儲(chǔ)設(shè)計(jì)順利融入更宏觀的平臺(tái)技術(shù)路線圖。

面向新常態(tài)的設(shè)計(jì)

2026年的數(shù)據(jù)中心不會(huì)由單一技術(shù)或架構(gòu)定義。相反，它將在系統(tǒng)級(jí)思維與基于標(biāo)準(zhǔn)的協(xié)作指引下，實(shí)現(xiàn)性能、容量、能效與可用性的平衡。工程師必須在實(shí)際約束條件下開展設(shè)計(jì)，而非基于理想環(huán)境，同時(shí)預(yù)判人工智能工作負(fù)載與基礎(chǔ)設(shè)施需求的持續(xù)演進(jìn)。

對(duì)于存儲(chǔ)領(lǐng)域而言，這意味著最大限度減少不必要的技術(shù)碎片化，通過行業(yè)標(biāo)準(zhǔn)提升設(shè)計(jì)通用性，同時(shí)仍為差異化創(chuàng)新保留空間。這也要求規(guī)劃能夠適配新興存儲(chǔ)技術(shù)與不斷演變的人工智能工作流的架構(gòu)。

展望未來：存儲(chǔ)與人工智能

隨著人工智能持續(xù)重塑計(jì)算產(chǎn)業(yè)，存儲(chǔ)仍將是支撐性能與可擴(kuò)展性的關(guān)鍵使能因素。工程師當(dāng)下做出的選擇，將決定數(shù)據(jù)中心在現(xiàn)實(shí)約束下支撐下一代工作負(fù)載的有效程度。

將存儲(chǔ)視為主動(dòng)設(shè)計(jì)組件而非被動(dòng)資源，同時(shí)借助StorageAI等項(xiàng)目與成熟標(biāo)準(zhǔn)，工程團(tuán)隊(duì)能夠降低設(shè)計(jì)風(fēng)險(xiǎn)、縮短研發(fā)周期，打造出具備高彈性、高能效的人工智能基礎(chǔ)設(shè)施，從容應(yīng)對(duì)2026年及未來的挑戰(zhàn)。

本文轉(zhuǎn)自：TechSugar