全世界对于 AI 话语权的争夺真是越来越激烈了。

你看，特朗普上台以后，立马就废除了拜登政府的 AI 禁令，OpenAI、微软这些国际巨头都摩拳擦掌，火力十足啊！咱们中国也不含糊，选择全力加速 AI 大模型和实体经济的深度融合，就是为了在 AI 竞争中实现弯道超车。

尤其是在一些数字化程度比较高的行业，比如金融、医疗等，都已经开始积极推进 AI 技术的落地应用。

不过像是智能客服、业务助理这些非核心的业务环节，落地起来比较顺利，但对于业务核心环节，就没那么容易了。

最典型的比如 AI 数据接入难，海量数据不只是收集，还得清洗整理，流程实在多，导致模型开发慢；其次是 AI 基础设施投入大，存算资源难以做到弹性调配，高峰时不够用，平时又闲置了；还有就是安全问题，数据越来越值钱，黑客现在玩得比电影还高级，传统防护根本招架不住！

那怎么办呢？

前几天华为在厦门举办了金融数据基础设施峰会，金融科技界的大咖们齐聚一堂，提出了不少解题方案。

微众银行数据库平台负责人胡盼盼和交通银行数据中心设备部存储主管李健都提到了一个关键词：存算分离。

存算分离，就是把数据存储与计算能力分开来，数据不出本地，金融企业可根据业务需求独立扩展存储或计算资源。

和此前存算一体的模式相比，存算分离一方面，实现了数据资产集中化管理，金融企业可根据业务需求独立扩展存储或计算资源，提升 IT 投资效率，另一方面减少了数据传输中的暴露风险，保障了数据的安全性。

胡盼盼表示：" 通过核心数据库做存算分离改造，整体预期节省 30% 的投资成本，可靠性、资源利用率等也得到了提升。我们希望在未来 3～5 年，把存量数据库本地的服务器全部换成存算分离的架构。"

李健说，通过 " 一池多云 " 架构和数据库存算分离方案的建设，可以很好满足在 AI 时代多云场景下，数据更高效、更可靠的处理诉求，为客户提供更优质的金融服务。

要想解决 AI 落地的难题，除了应用存算分离的架构，数据存储本身也需要进行创新。

在 AI 时代到来之前，企业对数据存储的建设主要只关注性能、可靠性和数据范式。但是随着 AI 的广泛应用，这三个点已经远远不足以满足要求，我们需要存储变成六边形战士，在不断完善性能、可靠性和数据范式能力的基础上，发展数据编织、可扩展性以及绿色节能的能力。

有了好用的存储，企业还会面临一个严峻的问题：人！不是所有的企业都有能力组建一支专业的 AI 技术团队，那在有限的人力支撑前提下，怎么样才能更快地实现 AI 落地？

针对这个问题，我们看到华为数据存储近期就发布了一个叫 DCS AI 的解决方案，这个方案中有一个关键的工具叫 ModelEngine，有了它，就能解决数据工程耗时长、应用对接难度大、AI 集群可用度低等问题。

你看，最近这个方案还跟老牌金融科技服务商信雅达做了联合方案的验证，围绕远程银行的智能外呼、银行运营作业管理过程中的智能审核、图文识别，进行了方案的深度融合，把 AI 技术真正落地到金融的生产业务当中。

所以现在你应该知道了，AI 这把火烧到现在，单纯拼算力已经不够用，数据存储这样的数据基础设施建设变得非常重要。

就像著名经济学家何帆说过：" 当我们面向未来的时候，首先要做的第一个工作就是把支撑 AI 的数据基础设施做好，然后再寻找到金融行业里的应用场景，中国经济发展一个重大的经验，就是基础设施超前配置。"

所以，想在行业中玩转 AI，可别光盯着算力来卷了，" 以数据为中心 " 的 IT 基础设施建设才是未来。