距離“千衍”超大規模宇宙學模擬項目完成已過去一個月，但關于它的討論仍在發酵。

核心觀點圍繞一個技術命題展開：在高性能計算與AI領域，存儲正從配角變為決定系統性能的瓶頸與關鍵支點。

此前，“千衍”項目已于今年4月正式發布，簡單一點來說，是科學家們一個用超級計算機模擬宇宙演化的科研項目。它追蹤了4.2萬億個暗物質粒子，在120億光年的空間尺度上，重現了宇宙百億年的變化過程，幫助科學家研究暗物質和暗能量。

對此，我們與項目負責人王喬研究員，以及中科曙光高級副總裁李斌進行深入的交流。他們的回答指向同一個方向：存算一體不再只是理論設想，而是當前算力突圍必須面對的現實課題。

存儲已經跟不上計算的強大了？

在“千衍”項目中，團隊完成了一次計算實驗：生成13PB數據，模擬120億光年宇宙尺度下4.2萬億暗物質質點的百億年演化。

項目負責人王喬回憶，團隊最初嘗試用國際成熟軟件在超算上運行，但測試兩年始終跑不起來。因為支撐項目的不僅是極致的算力，更需要與之匹配的高性能存儲系統，來承載模擬過程中產生的海量數據。

王喬作為從0到1看著“千衍”項目一步步走到如今的研究人員，分享了“千衍”項目一路走來的歷程，他表示，起初，他們嘗試使用國際上成熟的軟件在大規模超算上運行，“第一次我們一開始就是這么想的，找個成熟的軟件拿過來放心。但是后來發現，也差不多測試了兩年，發現根本就跑不起來，整個這個事情就走不下去了。”王喬回憶道，從其他超算切換到曙光的架構，這背后是無數次排查、調試和重寫代碼的深夜。

為什么其他超算最終未能承載“千衍”？關鍵不在于算力規模，而在于架構匹配。項目前期使用的超算***用的是主從核架構，其核心優勢在于規模龐大、算力強勁，但致命的短板的是內存偏小——這與“千衍”項目的需求形成了尖銳的矛盾。“我們的模擬需要同時處理海量演化數據，這些數據首先要能‘裝得下’，才能‘算得動’。”王喬指出，而曙光的大內存架構恰恰契合了天文模擬的需求。最終，“千衍”在中科院網絡中心的東方超算上使用了上億CPU核時與千萬加速卡時，完成了模擬計算。

透過“千衍”項目的經歷，可以窺見當前高性能計算的一個技術趨勢：在今天的AI和科學計算中，性能的瓶頸正在從計算單元本身，向存儲和數據搬運環節遷移。這個轉變不是漸進的，而是結構性的。王喬的團隊遇到的直接障礙是——當GPU和CPU的計算能力持續飆升時，數據的讀寫和傳輸卻卡住了整個鏈條的運轉。“在存儲這一塊、數據這一塊是一個非常重要的事兒，之前大家關注得并沒有那么多，”王喬坦言，“但它必須是在一個高速存儲上面，否則就處理不完了，我們實際上需要一個非常快的處理方式才能解決。”

而這只是行業的一個縮影，當前無論是高性能計算領域，還是智算領域，都普遍存在一個困境，那就是“計算核心越來越強大，但數據搬不動了”。美國德克薩斯大學奧斯汀分校教授Mike Boylan-Kolchin將“千衍”稱為一項“計算奇跡”，德國馬普天體物理研究所所長Volker Springel則認為它“刷新了當前數值宇宙學的發展極限”。在這些贊譽背后，真正支撐起這一奇跡的，恰恰是一套能夠將存儲性能推到極限的高端全閃存儲系統。

存力為何可能成為終極制高點？

天文領域的極端案例并非孤例。當2025年中國分布式存儲市場規模首次超越集中式存儲達到198.2億元，同比增長43.7%時，全閃存存儲占比已提升至24.1%，成為市場增長的核心引擎。而全球超算市場規模也將在2026年突破186.7億美元，以19.3%的年增速擴張。這個高速增長的市場，正在催生一種全新的技術理念——存算一體不再只是實驗室里的論文選題，而成為決定產業落地的核心命題。

在AI產業的另外一側，同樣的存算張力正以更激進的姿態上演。當大模型服務需要每日處理數百TB甚至PB級KV緩存數據時，數據搬動本身的能耗和延遲已經讓傳統架構捉襟見肘。鄭緯民院士在吉林大學的講座中明確指出，每個token對應的KV-Cache可達數十KB，大規模服務中每日需處理數百TB甚至PB級緩存數據，對存儲系統和傳輸速度提出極高要求。

在這種背景下，“以存儲換計算”的思路開始進入主流視野：將KV cache從GPU顯存卸載到存儲介質，通過存儲系統的性能換取計算效率的提升。這與“千衍”項目中王喬團隊對存儲性能的極致追求，實際上是同一個技術命題的兩面——數據搬不動了，存儲必須扛起來。

而這也是為什么近年來眾多做存儲的廠商都在布局“存算一體”的根本原因。存算一體的核心要義，在于打破計算與存儲之間的壁壘，實現數據“就近計算、高效流轉”，從而解決傳統高性能計算架構中“算力閑置、存儲擁堵”的痛點。***如把算力比作AI時代的引擎，那么存力就是這顆引擎的燃油系統。引擎馬力再強，如果燃油送不進去，一切都是徒勞。

對于“千衍”這樣的超大規模科研項目而言，存算協同不僅是提升運算效率的關鍵，更是實現項目目標的前提。

與此同時，中科曙光高級副總裁李斌給出了一個耐人尋味的判斷：“現在人工智能來了之后，其實對存儲系統本身提出了很高的要求，但是另外一方面也是未來可能會重塑未來存儲的一些發展技術方向。”這句話的潛臺詞是：AI對存儲的改變不是錦上添花，而是釜底抽薪。

存儲行業的價值躍升，在更宏觀的產業層面有著更加直觀的體現。2025年第二季度起，全球存儲芯片價格開啟了罕見的超級周期。TrendForce數據顯示，2025年第四季度DRAM合約價較去年同期已上漲逾75%。進入2026年，漲價勢頭未見緩解——2026年全球生產的DRAM中高達70%將被數據中心消耗，到2028年的產能已被預訂完畢。支撐這場超級周期的，不僅僅是產能不足的傳統邏輯，更是AI訓練和推理對內存和存儲的結構性需求。存儲正在從一個以產能周期驅動的周期性行業，轉變為一個由AI需求增長驅動的長期成長行業。

更深層次的變革來自于存儲的“角色升級”。在傳統計算架構中，存儲是被動的數據容器，CPU告訴它“給我數據”，它就把數據取出來遞過去。但在AI驅動的計算范式中，存儲正在從“容器”升級為“數據引擎”。這意味著，在未來的AI推理架構中，存儲將不僅僅是數據的保管者，更將是計算過程的積極參與者，需要其具備主動理解數據語義，主動優化數據布局，主動配合算力調度的能力。

這正是存算一體的本質。它不是在芯片層面將計算和存儲合二為一，而是在系統架構層面，讓兩個環節從前端到后端實現深度協同。在千衍項目中，這種協同以另一種方式體現：計算系統負責模擬數萬億粒子的引力演化，存儲系統則保障海量數據的高效寫入與讀取，兩者之間的數據傳輸被優化到了極致。

高性能存儲成必備品

“千衍”項目的成功，不僅是一個科研項目的突破，更預示著高性能計算領域的發展進入了高性能存儲時代。

高性能計算領域對存算一體的需求，已經從“基礎協同”向“深度融合”升級。傳統的存算協同，更多是實現存儲與算力的硬件適配，而未來的存算一體，將實現軟件與硬件的深度融合，存儲系統不僅能夠提供數據存儲和讀寫服務，還能夠承擔部分計算任務，實現“存儲即計算”。“千衍”項目的實踐，已經為這種深度融合提供了很好的范例——曙光的存儲系統通過支持KV cache遠端卸載、原生KV語義等技術，承擔了部分AI推理過程中的計算任務，減輕了GPU的顯存壓力，提升了整個系統的運算效率。

對此，李斌表示：“AI時代的高性能計算，是一個算力、存力、網絡高度緊耦合的系統。存算一體的核心，就是打破原有技術邊界，實現有機協同。”

從趨勢上看，國內存儲行業需要主要有三個趨勢：一是高性能化，隨著科研場景的升級，存儲系統的讀寫速度、容量上限將持續提升，以滿足PB級、EB級數據的存儲與處理需求；二是智能化，存儲系統將引入AI技術，實現數據的智能管理、智能調度和智能優化，提升系統的運行效率和可靠性；三是國產化，隨著國產替代的不斷推進，高性能存儲的核心部件、軟件系統將逐步實現自主可控，構建完整的國產生態。

“千衍”下一步也契合這一方向。王喬介紹，豐富模擬的物理內容，并引入AI優化算法、挖掘數據將成為“千衍”未來的發展方向，“AI4S是未來科研的重要方向”。

如果說“千衍”是對存算極限的一次極端測試，那么AI產業對存力的渴求則是更廣泛的壓力測試。存儲，正從算力競賽的“后勤部門”升級為“戰略前線”。

（文｜Leo張ToB雜談，作者｜張申宇，編輯丨楊林）返回搜狐，查看更多