Agent 要规模化落地，存储的转变尤为关键
文 | 智能相对论（aixdlun）
作者 | 陈泊丞
Agent 规模化干活，其实是一件很快的事。
快到什么程度？Gartner 2026 年 CIO 及技术高管调查显示，超过 60% 的受访组织计划在未来两年内部署 AI Agent。行业调研则进一步预测，到 2027 年，大型企业规模化部署 Agent 的比例将达到 50%。到 2030 年，全球企业活跃 AI 智能体数量将达到 22 亿个。
但在这场欢庆 " 数字劳动力 " 上岗的热闹里，浪潮信息存储产品部总经理杨海军给出了一个清晰的判断。他指出，Agent 正在经历三重变化：部署上从单点试点走向批量规模化上线，能力形态从单 Agent 任务执行演进到多 Agent 群体协同，产业重心从单纯比拼模型能力转向 Agent 基础设施建设与可信治理。
对存储产业来说，第三重变化尤其关键—— Agent 竞争的主战场，正在从模型层下沉到基础设施层。这一变化越大，存储要干的活就越重。Agent 干活的每一步，都要落到数据存储上，比如读业务库、查知识库、存中间结果、留住这次对话的记忆。
事实上，Agent 产生的数据已经超过人类产生的数据——数据不再只是被人查阅，而是被 Agent 持续读取、生成、共享与复用。过去适配大模型训练的基础设施，已经无法满足 Agent 7 × 24 小时自主运行、持续产出 Token 的业务诉求。
因此，面对这场变革，浪潮信息进一步提出了 Agent DataSpace 的理念与落地方案：数据库沙箱、智能数据底座、数据保险箱三者协同，为 Agent 建立与生产环境隔离的专属数据空间。
总的来看，存储行业的变革是一场长期的、全面的、双向的迭代——存储在为 Agent 改变，Agent 也在被存储重塑，两者互相成就，才有了规模化落地的可能。
01
Agent 的三重变化，
改写了存储作为基础设施的底层假设
杨海军讲的三重变化，说的是 Agent 本身怎么走。但变化一旦落到生产环境，就会变成对基础设施的硬性要求。存储要回答的，是每一重变化各自要求底座提供什么。
首先，部署形态变了，存储的服务范围要跟着扩大。
在 AI 基础设施里，存储长期承担几类角色：数据库的承载、业务系统的数据底座、备份恢复。而在大模型时代，它主要服务训练——海量语料汇聚、清洗，再送进计算集群，是模型开跑前的原料仓库。彼时的存储逻辑很简单：数据一次性读入，模型开跑，存储退场。
走向批量上线之后，这个重心继续发生转移。Agent 要 7 × 24 小时自主运行，频繁调用业务数据，多个智能体并行协作——生产库、交易系统、文档系统不再只是 " 被查的对象 "，而是成了 Agent 反复读取、持续交互的工作面。以一个订单延期分析任务为例，Agent 可能需要反复检索 ERP 中的订单信息、MES 中的生产进度和 WMS 中的库存数据，多个 Agent 并行协作后，企业数据访问呈现出持续、高频、并发调用的特点。
存储要服务的数据，就这样从训练语料一路铺到企业业务数据，再铺到 Agent 运行数据。Agent 也从单点试点，转变为批量规模化上线。那么，服务的半径随之变大，底座的假设自然要重写。
其次，能力形态变了，存储要承接 Agent 协作带来的新数据形态。
从单 Agent 任务执行走向多 Agent 群体协同，改变的不只是负载量，而是 Agent 和数据的关系。一个复杂任务会被拆成检索、分析、执行、验证多个子任务，Agent 之间要传递上下文、交换结果。
落到存储上，这意味着它不仅要承载模型权重、知识库和业务数据，还要支持 KV Cache、Agent 记忆及任务过程数据的留存与复用。这些数据的性质迥异，比如 KV Cache 对访问时延极度敏感，保存周期以任务为界。长期记忆和知识库要跨会话、跨任务持续沉淀。多 Agent 之间的共享数据，又对共享范围和权限隔离有严苛要求。
传统的集中式存储，没有按 " 上万个 Agent 同时反复读写同一批小文件 " 的规模去设计过——底座需要同时兼顾高效访问与安全管理，这是两套过去大相径庭的能力，现在被要求整合在了同一块底板上。
最后，产业重心变了，存储的责任边界要跟着扩。
随着 Agent 的产业重心从模型竞赛转向基础设施建设与可信治理，数据也从供人查阅的静态资源，变成智能体感知和调用的对象，不再只是被读，而是被写、被改、被试错。
这让存储的责任边界完全变了。过去考核存储的是 IOPS、吞吐、时延和可靠性这些 " 硬指标 "。现在，它还要进一步支持 Agent 运行数据的持续供给、记忆的留存与复用，以及多 Agent 之间的数据隔离与受控共享。
杨海军在媒体采访中举了一个例子：代码库是公司最核心的资产，员工只能看到自己写的代码，不可能通过 Agent 越权看到别人的。那么当 Agent 成为数字员工，" 谁能看什么、谁改了什么、改错了怎么退回来 "，就成了存储必须回答的问题。
三重变化叠加，我们能得出一个关键性的结论：Agent 的规模化部署趋势，推动存储的变革，与此同时，Agent 规模化部署的上限，取决于存储作为基础设施的下限。
02
存储行业连跳三关，
Agent 加速走向规模化落地
Agent 的变化改写了存储的定位，而存储本身作出的改变，也在加速 Agent 的规模化落地。在「智能相对论」的视角中，这场改变可以概括为 " 三连跳 "。
第一关：跳进算力
当下，" 以存代算 " 正在成为行业共识。HBM 显存很贵、速度很快，但容量有限。长上下文、多轮对话和高并发让显存承不住了，数据要往外溢——溢到内存，再溢到 SSD。业界提出了 G3.5 层的存储分层方案，也在进一步探讨 G4 层的承载方式——推理时代算力的瓶颈，要用存储来解。
对此，浪潮信息的 AI 数据平台 A9000 系列做了一件 " 化繁为简 " 的事：一套硬件同时承载文件、对象和 KV Cache，也就是 " 一机多模 "，让企业的 Token 工厂不再为每个模型重复建设。更关键的是，它把这套平台同时做到了 G3.5 层和 G4 层——在容量和性能之间寻找平衡点，靠 KV Cache 的卸载、持久化和共享复用，减少重复的预填充计算。
据了解，在长文本多轮对话与复杂 Agent 工作流实测中，A9000 使首 Token 时延（TTFT）降低 98%。在高并发 Prefill 场景下，推理吞吐量（TPS）提升最高 65 倍。前者对应用户发出请求后更快获得首次响应，后者对应更高的并发任务处理能力。
由此，这一跳改写了 Agent 的运行成本结构。让存储替算力 " 打工 " ——算力负责增量思考，存储负责存量记忆。单位 Token 的成本曲线，就这样被存储拉平了。
第二关：跳进治理
Agent 运行所需及产生的模型、知识库、上下文和记忆等数据，需要统一承载，也需要分层对待。短期记忆对时延敏感，由显存、内存和 NVMe SSD 分层承载。长期记忆、知识库及需要持续留存的任务数据，则由 AI 数据平台承接——浪潮信息的 A9000 正在承担这个角色。以 A9000 为核心的智能数据底座，支持 KV Cache 卸载、持久化和共享复用，配合推理系统的缓存管理，兼顾运行效率与数据留存。
此外，Agent 干活的每一步都在触碰数据：读业务库、写中间结果、生成记忆等等。浪潮信息为此还配套了完整的可信治理能力：支持多用户、跨账号的数据隔离，配套精细化权限管控与全链路操作审计，让每一次 Agent 读取、改写、生成记忆数据的行为都可追溯。回到那个代码库的例子——正是因为权限和审计下沉到了存储层，Agent 才能做到只管用数据，安全由存储兜底的规模化应用。
在权限隔离和操作审计之外，数据保险箱 DB2000G7 通过多层介质保护、多副本保存、访问控制与可逆回滚能力，进一步守住了数据安全底线。从实际应用而言，它是允许 Agent 犯错——任务失败可以回滚到上一个保护点，不至于从头再来。核心成果通过 Air-Gap 物理隔离、WORM 防篡改技术归档保存，即便出现 Agent 失控的极端情况，数据也能安全留存。
因此，这一跳的本质，其实是把 " 信任 " 做进了基础设施。Agent 之所以敢于高频读写、试错迭代，是因为底座保证了错误可控、过程可溯、资产可回。安全不再是 Agent 落地的门槛，而是加速器。
第三关：跳进组织
前两关解决的是技术问题和成本问题，第三关最难——存储贯穿企业的组织全流程，这是一个系统的解决方案。
对此，浪潮信息提出 Agent DataSpace 存储方案三大核心模块。数据库沙箱 HF6000/5000G7 用快照、克隆和远程复制生成独立副本，Agent 在里面查询、分析、试错，生产库不直接承受它的风险；智能数据底座 A9000 系列承载运行数据；数据保险箱 DB2000G7 用多副本、CDM 秒级挂载和可逆回滚守住全过程。三者各司其职：沙箱负责隔离与数据供给，底座负责加速，保险箱负责安全兜底。
但浪潮信息的全栈 Agent 解决方案能力不止于存储。往上还有 Agent 治理和开发模块—— Humagent 治理平台和 EPAI 开发平台，管身份、权限、调度和绩效。Humagent，即 Human+Agent，是浪潮信息提出的全新企业管理模式：组织管理从管理人升级为管理人 +Agent，组织协作从人与人协同升级为人与智能体协同，绩效管理不只考核人的 KPI，还要评估智能系统运行效率与智能资产积累。
这套 Agent 基础设施已经在浪潮信息内部加速铺开。元小智、姜子牙等应用已经支撑 7000 多名用户、41 个业务部门日常使用，月 Tokens 消耗总量达千亿。
总的来说，Agent 成了数字员工，企业就得重新定义岗位、权限、绩效和治理责任——而这些最终都落在数据边界和数据权限上。存储兜住的，其实是企业组织变革的责任底线。
03
结语
杨海军在演讲结尾说，独行快，众行远。存储与 Agent 之间，正是这样一场双向的奔赴—— Agent 倒逼存储进化，存储反过来为 Agent 铺路。当每一份记忆可以留存、每一次试错可以回滚、每一项权限可以追溯，企业规模化部署 Agent 的顾虑，也就逐一消解于无形。
回头看，存储行业的这三连跳，核心转变是角色定位的变化：从算力的配角成了成本结构的变量，从数据的仓库晋升治理的载体，从基础设施的底层变成组织变革的底座。Agent 要规模化落地，存储的转变尤为关键。
* 本文图片均来源于网络
深挖智能这口井，同好添加 vx：zhinengxdl
此内容为【智能相对论】原创，
仅代表个人观点，未经授权，任何人不得以任何方式使用，包括转载、摘编、复制或建立镜像。
部分图片来自网络，且未核实版权归属，不作为商业用途，如有侵犯，请作者与我们联系。
智能相对论同频视频号
【艾一叨聊科技】聚焦最前沿的云与 AI 服务、智能硬件与汽车
▲期待关注▼
往期推荐
对话希迪智驾 CEO 胡斯博：" 重载具身智能 " 的本质是系统工程能力