过去两年，AI世界中最耀眼的角色，始终是大模型和GPU。围绕参数规模、训练效率、算力集群以及芯片供应等，所有讨论几乎都围绕一个核心：如何让模型更加聪明。2026年，一个变化正在悄然浮现。智能体快速兴起，AI开始从“回答问题”转向“完成任务”：不再只是生成文字或图片，而是要理解流程、调用企业系统、访问知识库，持续完成复杂工作。看似只是应用形态的升级，却让长期处于幕后、鲜少成为焦点的企业存储走到聚光灯下。越来越多的企业意识到，大模型决定了AI能“想”到多远，而企业数据则决定了智能体能“走”多远。无疑，AI的竞争正迈入新阶段。过去比拼的是模型和算力，未来比拼的将是数据基础设施。
存储站上舞台中央
过去二十年，企业采购存储时，首要考虑的是容量、IOPS（每秒输入/输出操作）、可靠性和成本。只要数据能安全保存、稳定读取，存储就完成了任务。因此，在企业IT建设中，服务器、数据库、云平台往往比存储更受关注。AI改变了这种格局。过去，数据多在业务系统需要时才被调用；如今，智能体需要持续访问企业知识，RAG需要不断检索上下文，实时推理需频繁读取海量非结构化数据。数据不再只是“保存下来”，而是在不断被消费。它从静态资产，变成了动态生产资料。于是，存储承担的任务也开始变化，它不再只是数据的保管者，而开始成为数据流转的重要节点。
正因为如此，HPE提出，AI时代企业真正需要建设的，不只是更大的算力集群，而是覆盖计算、网络、存储和数据管理的AI Data Infrastructure（AI数据基础设施）。对企业而言，真正影响AI价值释放的，已不仅仅是模型能力，而是数据能否持续、高效、安全地流动。
过去，企业评价一套存储系统，主要看它能不能“存得下”。未来，企业更关心的，是它能不能让数据“用得起来”——这是两个截然不同的命题：前者关注容量，后者关注价值；前者解决保存问题，后者解决智能问题。如今，越来越多业内人士开始提出一个新判断：未来的数据基础设施，需要从“被动保存数据”，转向“主动服务AI”。这并非让存储取代数据库、模型或算力，而是让它承担起新职责——帮助企业更高效地组织数据、连接数据，并持续向AI提供高质量的数据上下文。当数据开始主动服务AI，存储便不再只是存储，它已成为连接企业知识、业务流程和智能应用的重要底座，这正是本轮企业存储变革中值得关注的焦点所在。
让数据自由流转
IDC一项关于AI基础设施的研究显示，“在70%左右的企业级别AI项目中，由于支持基础设施不足，数据从未被使用。”这一现象的重要原因，其实在于企业数据未真正准备好，更准确地说，是为智能体做准备的。智能体好比一位真正进入企业工作的员工，它需要大量数据——查阅合同、调用ERP系统、读取CRM、理解研发文档、分析生产日志，结合实时业务上下文完成决策和执行。
实际上，许多企业并不缺数据，有办公文档、设计图纸、研发资料、视频影像、设备日志、客户记录、知识库、邮件等。问题在于，数据不会天然产生智能，如同图书馆不会天然产生思想。只有当数据被组织、被治理、被建立关联，并持续参与AI工作流时，它才从“信息”变成“知识”，再进一步成为企业智能的一部分。
