Token 经济破局：先进存力成 AI 规模化落地核心引擎

　　当大模型行业重心从 “造模型” 加速转向 “用模型”，以 Token 为基本单位的推理经济正迎来爆发式增长。11 月 4 日，中国信息通信研究院组织的 “存力中国行” 北京站活动上，业界专家达成共识：曾处于幕后的 “存力” 已成为继算力之后，制约 AI 推理效能、影响落地成本的关键变量，而先进存力技术正成为破解 AI 规模化应用瓶颈的核心解决方案。

　　Token 经济爆发，存力成为关键短板

　　Token 作为大模型可理解和生成的最小意义单位，其调用量的激增标志着 AI 应用进入实质性落地阶段。在 “按 Token 计费” 的推理经济模式下，大模型的开发与应用可形象类比为高级餐厅运营：模型是菜谱与厨师团队，GPU 等算力是炉灶与厨师，数据是食材，而存储系统则是从中央仓库到厨房备餐台的完整供应链与仓储体系。用户提出需求如同顾客点单，存储系统必须以极高速度将数据 “喂” 给 GPU，才能避免 “厨师等食材” 的低效场景。

　　当前，AI 规模化应用推进过程中，推理环节的成本、效率、质量问题日益凸显。华为数据存储产品线战略与业务发展部总裁王旭东指出，AI 时代 IT 基础设施正面临三大核心挑战。其一，“管不好” 的数据，推理数据来源多样，难以形成高质量、可持续供应的数据集;其二，“喂不饱” 的算力，存储系统带宽和每秒读写次数(IOPS)不足，导致昂贵的 GPU 长期 “空转”，形成 “算力等数据” 的尴尬局面;其三，“降不下” 的成本，传统存储架构难以兼顾高吞吐、低时延及异构数据融合需求，直接推高 AI 应用落地门槛。

　　中国信通院发布的《先进存力中心研究报告 (2025 年)》进一步指出，当前 AI 发展面临大规模高质量数据需求与数据 “应存未存” 的结构性矛盾，这一矛盾在 Token 经济爆发期尤为突出，成为制约 AI 技术落地的核心短板。

　　技术创新突围，先进存力破解三重瓶颈

　　面对 Token 经济带来的苛刻要求，产业链各方正通过技术创新构建先进存力体系，针对性破解效率、成本与数据质量难题。

　　在性能提升方面，核心突破方向是打通数据传输链路。中国移动云能力中心项目总师周宇介绍，移动云通过分层缓存调度、高速数据互联技术提升传输带宽，同时采用高密全闪存储、数据缩减等技术，大幅提高存储效能。华为研发的 UCM 推理记忆数据管理技术已在多行业落地，通过 “集中高质数据、提速 AI 训练、优化推理效能” 三维发力，实现 AI 推理加速，其打造的高性能可扩展存储底座与全局文件系统，有效解决了跨行业数据采集与治理难题。

　　成本控制领域，架构优化与技术融合成为关键路径。北京硅基流动科技构建的 AI infra 工具链，通过适配昇腾芯片并优化 DeepSeek 模型，为中小企业提供了高性价比的推理解决方案。移动云则通过自研 SPU 高密服务器、架构池化重组等技术，在提升性能的同时降低硬件与运营成本，其探索的 “被动存储转向智算协同” 路径，将分阶段落地高密全闪存储、数据高速互联、存算一体等关键技术。

　　数据质量保障上，先进存力中心的 “1+4+N” 架构体系发挥核心作用。该架构通过统一数据标准与分层分类规范，对原始数据进行字段级盘点、标准化映射、质量校验、脱敏处理和血缘注册，形成可检索、可授权、可计量、可审计的高质量数据集，同步生成数据资产目录，为 Token 推理提供可信数据支撑，实现 “规模聚数、高效治数、安全供数、产业用数” 的价值闭环。

　　政策生态协同，共筑存算协同新范式

　　先进存力的发展离不开政策引导与产业生态的协同发力。当前，国家在《算力基础设施高质量发展行动计划》等政策中明确提出 “加速存力技术研发应用”“持续提升存储产业能力”“推动存算网协同发展” 等要求，为产业发展指明方向。

　　产业层面，中国信通院已联合产业链企业成立 “算力产业发展方阵先进存力 AI 推理工作组”，在政策研究、标准制定、测试服务等方面开展系统性工作。活动中，石友康提出三点关键建议：一是鼓励前沿存储技术研发创新，突破存储内生安全、AI 数据湖存储等核心技术;二是推动存算运深度融合，构建 “以存汇数、以数促算、以算兴业” 的发展范式;三是加强存算协同产业生态建设，凝聚业界共识形成发展合力。

　　与会专家实地调研科大讯飞、华为北京研究所达芬奇展厅后发现，存算协同技术已在多场景初步落地。从 AI 大模型推理到多模态数据处理，从大企业规模化应用到中小企业轻量化部署，先进存力正通过 “存算一体”“智算协同” 等创新模式，推动 AI 技术从实验室走向产业一线。随着技术创新持续深化、政策支持精准落地、产业生态不断完善，先进存力将进一步释放数据价值，为 Token 经济注入高效动能，推动 AI 规模化落地进入新阶段。