过去一年，AI大模型带火了HBM（高带宽内存），也让存储产业一跃成为“风口”。目前，全球存储市场已达千亿美元规模，但当海外厂商的HBM产能订单排期已至2027年时，国内大多数存储厂商依然困在“价格战”里。
“仅中国市场的机械硬盘（HDD）年消耗量就接近600亿元，但核心技术的缺失与产能不足，使我国产业在全球供应波动中处于被动局面。”华为公司高级副总裁、云CEO、数据存储产品线总裁周跃峰近日在接受第一财经专访时，用“前有狼后有虎”形容当前国内存储行业的格局：前有国际巨头的技术壁垒，后有内部价格战竞争的拖累。
尽管挑战严峻，周跃峰依然对中国存储产业的未来抱有信心。
“中国已是数据大国，年数据产生量从800EB级别倍增发展。在存储领域，从底层介质、元器件到上层软件与操作系统，已基本实现国产化。”他表示，像5G一样，数据存储有希望成为中国在全球科技领域的第二张名片。
“前有狼后有虎”的产业现实
今年以来，全球存储产业逐步显现“黄金”行情，与AI训练相关的HBM等存储元器件在电子市场交易中“一天一个价”。
涨价的核心驱动力来自于人工智能。海外三大存储巨头中，三星、SK海力士与美光的HBM产能已被预订至明年，它们将更多成熟制程产能转向HBM相关芯片，客观上加剧了标准存储产品的供应紧张。
相比之下，国内存储产业在挑战中也在寻找自己的机会点。中国工程院院士倪光南此前在2025数据存储产业大会中指出，我国数据存储产业已拥有关键核心技术和足够的产业规模：长江存储的232层三维闪存芯片已规模出货并达到业界先进水平，首条全国产化产线也已启动；在SSD主控芯片领域，已有十几家厂商实现自主研发并成功商用。
“在存储整机和存储系统领域，我国整体技术已达到国际领先水平，”倪光南表示，“国产存储已在多个关键行业的核心生产系统规模化应用，产业链基本齐备，不仅实现了上下游国产化能力，也具备了一定的全球竞争力。”
周跃峰对此持相同看法。他认为，AI发展带来了两方面机遇：一方面，全球AI数据基础设施投入持续加大，直接拉动存储需求；另一方面，数据战略价值凸显，国家数据局的成立正推动数据长期保存成为战略需求。
然而在关键核心技术领域，挑战也依然严峻。“大家如果看一下中国IT的整个产业链，唯一没有实现国产化的存储器件就是机械硬盘HDD，”周跃峰对记者表示，全球仅有三家公司能够生产，均不在中国，但中国每年的HDD消耗量增长率却居高不下。“这一核心技术的缺失，使我们的产业在全球供应链中处于被动地位。我认为存储介质应该加快多元化、均衡发展，从材料、制造设备和工艺等方面进行突破。”
除了存储器件的短板，在存储设备层面，虽然华为已跻身全球第一梯队，与戴尔、东芝等国际巨头同台竞技，但国内存储行业整体仍停留在中低端市场竞争。“当前不少国内存储设备厂商仍聚焦传统赛道，以价格为核心竞争点，”周跃峰表示，“这种内卷模式意义有限，企业应跳出价格竞争，集中突破技术创新。”
AI将重塑存储行业
随着AI大模型的快速发展，存储产业正迎来深刻变革。今年9月，华为披露“超节点+集群”计算战略，这一战略既是华为在极限环境下被逼出来的突围路径，也是支撑该公司在AI时代竞争身位的关键所在。同时，也意味着华为的IT架构正从“以处理器为中心”向“以数据为中心”演进。
“过去IT系统只要求处理器算得快，但AI时代要求系统能够支持超大数据处理量和传输量，”周跃峰对记者表示，“包括全球领先的科技公司都在推进的超节点集群，本质上就是要让海量数据能够并行处理。因此，具备高带宽能力的高端存储成为关键突破点。”
他用一个比喻进行了解释：“就像一个人聪明，既要脑子转得快，也要记忆力超强。真正的AI系统必须是‘数据存储+处理器’的协同体系。”他呼吁中国IT产业要加强存储产业的关注和投入，否则难以建成真正的AI强国。
而这一判断也在驱动华为内部存储架构的实质性变革。
据周跃峰透露，华为将于明年初发布实体化的AI数据平台（AIDataPlatform）产品，在存储中集成推理加速、知识库生成等AI功能，实现“近存计算”。在他看来，未来的存储将不再只是数据的“储藏室”，而是演进为具备AI能力的智能数据平台。
与此同时，传统的数据分层体系也在被颠覆。过去“热-温-冷”三级存储架构中，“热数据”如“双十一”交易、银行业务，需依靠闪存实现快速读写；“温数据”指海量大数据，虽不要求极速，但需随时可读；而“冷数据”则依赖磁带库进行归档，可能数年不被访问。
“到AI时代就没有冷数据了，”周跃峰指出，“所有数据都可能随时需要被读取、访问，作为生成知识与训练AI的语料。”这意味着存储分层将简化为“热数据”与“温数据”两层。
而这一转变对存储介质提出了新要求。医疗、金融等行业需要将数据保存50至60年用于AI训练，而机器人等新兴行业最缺乏的正是数据积累。“因此，兼具大容量与经济性的存储介质将成为刚需。”周跃峰强调。
在技术实践方面，华为已沿着两个方向推进：一方面优化数据通路，让存储设备快速将数据送达计算端，提升训练效率，该方案已在中国移动、科大讯飞等项目落地；另一方面，通过今年研发并开源的UCM技术，让AI集群在推理过程中实时“记忆”并复用推理数据，提升推理效率与体验。
“未来的存储设备必须具有高可靠、高可用等特性，并能直接赋能AI训练与推理，”周跃峰希望国内更多的存储企业能够跳出低水平“价格战”，加速面向AI的技术创新，攻克“以存强算”关键技术；同时加快构建完备的存储产业链，推动“介质技术”的多元化发展。
对于“国产存储自由”的时间表，周跃峰坦言仍需时间。但他指出，存储领域可通过软件优化和算法创新补偿硬件短板，影响相对较小。
“当前，存储器件和设备在全球市场规模已达万亿级别。随着数字化向智能化转变，数据重要性不断提升，存储市场空间将会越来越大。”周跃峰呼吁，中国存储产业链应携手加快技术创新和进化，早日迈入存储“自由”。
