隨著大模型技術的演進逐漸放緩，與其緊密相關的新技術棧正步入產品化的關鍵階段，而非僅僅停留在小范圍試驗層面。行業內外普遍關注大模型的計算需求，然而存儲需求卻常常被忽視。目前，傳統存儲陣列在GPU集群面前已暴露出性能瓶頸和擴展性不足的問題，業界普遍認為，存儲行業正面臨的不是漸進式的技術升級，而是需要架構級的全面重構。
大模型訓練對存儲系統的帶寬與并發能力提出了極限要求，而在推理階段，多模態數據則面臨著孤島化的困境。企業對于核心數據安全的擔憂日益加劇，加之舊有架構在GPU+全閃存時代下的“硬件不適配癥”，傳統存儲的短板在AI技術的放大鏡下愈發明顯。
在海外市場上，AI存儲領域已涌現出獨角獸企業，其“統一存儲層+AI原生接口”的模式獲得了市場的廣泛認可。在此背景下，中國存儲廠商ExponTech也推出了自主研發的WADP平臺，旨在通過一套架構統一管理生產與AI數據流。
傳統存儲陣列為何會成為瓶頸？ExponTech創始人曹羽中解釋道，在傳統信息化時代，盡管出現了諸多存儲新技術，但這些技術并未從根本上改變市場格局，傳統存儲陣列仍是主流方案，企業投資也依然集中于此。然而，隨著AI時代的到來，存儲領域將迎來重大變革，類似于計算領域從CPU中心向GPU中心的轉型。
具體而言，存儲需求將呈現四大核心變化：首先，大模型訓練驅動的超高性能需求，要求存儲系統提供超高帶寬與高并發能力，以支撐多卡并行訓練，確保GPU卡利用率最大化。其次，推理時代的效率優化成為關鍵，企業需要優化推理效率，解決計算資源與存儲資源的協同問題。這包括多模態數據的統一管理，避免數據孤島，以及記憶持久化與以存代算，減少重復運算，增強AI模型的記憶能力。
第三，數據可控與安全成為企業關注的焦點。企業不愿將核心數據交給公共大模型，且受限于數據隱私要求，這些數據難以直接遷移至公有云。因此，構建數據中心級統一數據層并實施細粒度權限管控成為必然選擇。最后，傳統架構的局限性日益凸顯，其孤島式設計、存儲軟件架構老化以及對新一代硬件適配不足等問題，使得傳統存儲陣列難以有效支持GPU+全閃存+RDMA網絡等新硬件環境。
曹羽中指出，理想的AI時代存儲系統應具備以下特點：統一存儲引擎，基于通用硬件，實現超高性能與無限擴展性，承載全量企業數據；雙軌制接口體系，既兼容傳統接口，又創新AI原生接口；支持過程數據與上下文數據的存儲和管理，優化決策路徑。AI統一數據平臺的趨勢從美國到中國正在興起。
近日，ExponTech正式發布了新一代統一AI數據平臺WADP（WiDE AI Data Platform），旨在解決企業AI應用的核心痛點——高效融合存儲與管理海量多源數據，實現AI算力與數據存力的無縫協同。WADP基于全自研的分布式存儲引擎與分布式KV元數據引擎構建，運行于標準服務器硬件，廣泛適配各類通用硬件。
WADP首次將企業核心生產系統（如關鍵數據庫）與AI數據管道（訓練、推理、向量檢索等）統一承載于同一平臺，實現對傳統存儲陣列、文件系統及大數據存儲的現代化融合替代，為企業構建面向未來的AI數據基礎設施。這一趨勢已在美國市場得到廣泛驗證，而ExponTech的技術路徑和產品實現與國際市場AI基礎設施的技術趨勢不謀而合。
據悉，ExponTech堅持核心代碼全棧自研，不依賴國外開源技術。其新一代分布式存儲引擎與元數據引擎成功突破多項技術高峰，WADP存儲軟件在面向企業核心業務場景的SPC-1評測中打破世界紀錄，又在面向AI場景的MLPerf Storage v2.0評測中取得優異成果，充分驗證了使用同一套分布式存儲軟件構建Universal Storage的技術可行性，為應對AI時代海量數據挑戰奠定了堅實基礎。
