2026-09-10 · 来源：{'name': 'deep-siliconangle.com/feed/?paged=8', 'url': 'https://siliconangle.com/2026/08/25/ai-storage-infrastructure-supports-scalable-ai-inference-supermicroopenstoragesummit/'}
随着企业从模型训练转向智能体AI,'推理—行动—再评估'的循环不断拉长上下文窗口,存储由此从附属角色跃升为推理规划的核心议题。
在 Supermicro 举办的 Open Storage Summit 峰会上,一个转变被清晰地摆上台面:存储已从AI基础设施中的'事后考虑'跃升为首要规划议题。其背后的驱动力是一场工作负载迁移——此前围绕模型训练构建数据战略的企业,如今正转向智能体AI,而这一转向正在改写推理阶段数据存储与检索的规则。
智能体系统的运行机制解释了个中缘由。这类智能体并非一次跑完任务了事,而是在'推理—行动—再评估'的循环中持续运转。每一轮循环都会扩展智能体必须携带的上下文,而每一次扩展又会产生更多必须在推理时快速调取的数据。随着上下文窗口不断扩大,推理实际上需要在存储层级中新增一个专属层级:它为日益庞大的工作集的快速、反复读取而生,而非服务于训练任务的大批量数据需求。
智能体AI还在改变数据问题本身的形态。交互时长不断拉长,意味着会话状态会在智能体的整个生命周期中持续存在并不断累积,而不是随每次交互清零重来。因此,存储规划者面对的是随时间不断演变的访问模式,以及持续膨胀的数据量。
萬安算交所 AIXX · 算力硬件实名会员制交易平台 · 进入货源大厅