10月29日，在2026数据存储产业大会上，华为公司副总裁、数据存储产品线总裁袁远发表演讲。他指出，当前智算中心GPU平均利用率约30%，约70%的算力尚未形成有效价值，企业数据资源开发率仅28.4%。围绕AI与数据的关系，袁远表示：“数据是AI的燃料，数据决定了模型的高度，同时也决定了推理的准确度。”
算力价值释放，数据供给效率待提升智算中心GPU平均利用率约30%、约70%的算力尚未形成有效价值，这一组数据指向一个产业现实：算力规模扩张并不自动等于算力价值释放。随着智算中心建设持续推进，行业关注点正在从“建算力”转向“用好算力”。在AI训练和推理过程中，数据供给、治理和调用效率，是影响算力利用率的重要环节。
袁远提出，存储应提升算力利用率、减少重复计算。这一判断将存储系统置于AI负载运行的关键位置：既要保障数据高效流动，也要避免无效的数据搬运和重复处理。与此同时，企业数据资源开发率仅28.4%，说明大量数据尚未转化为可被模型直接使用的高质量资源。数据能否被有效开发、组织和调用，直接关系到算力资源能否形成有效价值。
从原始数据到可调用语料、知识和记忆袁远认为，存储应把原始数据治理为可直接调用的语料、知识和记忆，支撑模型训练、推理与Agent运行。这一表述将存储纳入AI数据链路：原始数据需要经过治理、组织，形成适合模型调用的资源形态；在训练、推理和Agent运行中，语料、知识和记忆的调用效率，关系到模型能力发挥和推理准确度。
对数据存储产业而言，这意味着存储的角色不再局限于容量和读写性能，还要面向AI负载提供数据治理、数据组织和数据调用能力。数据是AI的燃料，燃料的质量、形态和供给效率，会影响模型高度与推理准确度。存储系统如何与模型训练、推理及Agent运行更紧密地衔接，正在成为数据存储产业需要回答的新问题。
数据存储产业的新课题从袁远的发言看，AI应用对数据资源的开发与利用水平提出了更高要求。两组数据与一句金句共同指向同一议题：数据存储需要服务于算力价值释放，也需要服务于数据资源向模型可用资源的转化。
这既包括提升算力利用率、减少重复计算，也包括把原始数据治理为可直接调用的语料、知识和记忆，支撑模型训练、推理与Agent运行。对通信行业和科技产业观察者而言，这一发言提供了观察智算中心建设的新视角：算力基础设施的价值释放，需要数据基础设施同步演进。数据存储产业的下一步，不只是“存得下”，更在于让数据“用得上”，在AI训练、推理与Agent运行中形成稳定、高效的数据供给能力。
汇盈策略提示：文章来自网络，不代表本站观点。
