当地时间 5 月 21 日，以 " 数据觉醒，存力跃迁 " 为主题的 2026 华为创新数据基础设施论坛在巴黎举行。会上，华为正式发布华为AIDC 数据基础设施全栈方案，覆盖数据湖、知识与记忆平台、模型工程与资源调度、智能体框架、数据韧性平台五大核心层级，旨在助力企业加速推进 AI 数据中心建设、实现 AI 规模化落地。

华为数据存储产品线总裁袁远将此次方案发布置于一个清晰的时代判断之下：" 当下，AI 正深刻改变企业运营模式。Agent 加速普及，成为新型数字生产力主体，逐步成长为企业的常态化 ' 数字员工 '；同时，AI 应用持续深化，企业 Token 消耗量迎来爆发式增长。"

他引用的数字印证了这一判断：目前全球活跃智能体超过 3000 万，预计 5 年内将达到 22 亿；每分钟 Token 处理量已从去年的 60 亿增至今年的 150 亿。"Token 将像空气和水一样，成为我们生活的基础设施。"

在此背景下，袁远指出，企业要加速 AI 落地，需推动现有 IT 架构向 AI DC 数据基础设施快速演进，围绕数据湖、知识与记忆平台、算力、模型、Agent 框架与数据韧性等核心方向开展系统性规划与建设。

AI 数据湖：OceanStor Pacific + 千亿级语义检索

据雷峰网了解，在数据湖层，华为主推OceanStor Pacific 全闪分布式存储，以 11 PB/2U 的业界领先高容量密度实现最优 TCO，用于海量数据的存储与汇聚。

配合硬件的是华为DME Omni-Dataverse 统一数据空间，支持多模态、跨站点数据实时入湖与全局可视可管，同时具备千亿千维向量数据秒级检索能力，实现高质量数据的汇聚与供给。

袁远以某自动驾驶企业为例说明了这一能力的现实意义，该企业需要管理来自雷达、传感器和环境数据超过 1000 PB 的训练数据，并在极端驾驶场景（如雨天红灯、奔跑的行人）中快速召回特定条件下的海量图像。" 数据质量决定模型质量，在千亿文件中找到正确的数据，是训练成功的关键。"

知识与记忆平台：CMS 与 "3+1"AI 数据平台双线并进

平台层是华为此次方案的核心，针对不同客户规模提供两套差异化产品。

面向超大规模推理集群，华为推出业界首个支持异构算力的上下文记忆存储 CMS（Context Memory Storage）。CMS 支持 KV 语义直通或采用专用 DPU 进行语义卸载，可扩展为 PB 级共享 KV Cache 池，将推理首 Token 时延（TTFT）降低90%，显著提升大规模推理集群的响应效率。

面向企业 AI 推理场景，华为首创"3+1" AI 数据平台，将三类能力整合为一体：

知识库：检索精度超过 95%，作为模型运行的前置知识底座；

KV Cache 加速：解决多轮推理中的冗余计算问题，大幅节约推理成本与时间；

持续进化的记忆库：让智能体积累经验、越用越聪明。

三者由UCM 技术统一调度与管理，整体可提升推理精准性30%。

袁远以一家金融机构的 AI 编码项目为例加以佐证：该项目部分任务需要多达 200 轮推理迭代，若每轮都将全量数据重新送入 GPU，既耗时又昂贵。KV Cache 的引入正是解决这一问题的关键。

模型工程与资源调度：ModelEngine 实现 " 一卡多用 "

在模型工程层，华为ModelEngine提供模型开箱即用与模型网关能力，支持零代码适配新模型、一键部署，大幅降低模型上线门槛。

资源调度方面，ModelEngine 结合算力资源细粒度切分与智能调度，最大可实现XPU 卡 1:10 切分，即一张 GPU 卡同时承载多个模型任务，实现 " 一卡多用 "，显著提升资源利用率、降低硬件成本。

袁远以某大型医院的通用 AI 平台项目为例——该医院同时部署超过 30 个模型，覆盖检测系统、临床实践和科研任务，白天需要面向患者的实时推理，夜间切换为科研训练，GPU 调度压力极大。ModelEngine 的弹性调度能力正是针对此类场景设计。

智能体框架：Nexent 将上线周期缩短 80%

在技术栈顶层，华为ModelEngine Nexent 智能体平台以降低开发门槛为核心设计目标：支持通过自然语言交互方式直接生成 Agent，无需专业编码能力，使 Agent 上线周期缩短80%；同时支持对 Skill、提示词、记忆的自动优化，助力 Agent 持续演进、越用越聪明。

袁远援引中国某顶级银行的案例作为注脚：该行计划用智能体替代全部人工客服，目标是在一个月内上线 120 个智能体，同时保证智能体在金融合规边界内持续自我进化。Nexent 提供的正是从开发到部署再到演化的全流程支撑。

" 如果你是医生、金融从业者或教师，通过这套图形化工具，你就可以自己开发智能体，" 袁远说。

数据韧性平台：端到端四层防护

安全是华为此次方案的横切关注点。袁远将企业 AI 落地面临的安全威胁归纳为四类：智能体滥用（误删文件、篡改规则等不可预期操作）、模型投毒（恶意数据污染训练过程）、数据篡改（修改关键任务的推理结果）、勒索软件入侵（破坏数据湖完整性）。

华为的应对方案是构建防滥用、防投毒、防篡改、防勒索的端到端数据保护体系，针对 Agent、模型、平台与基础设施等不同维度的潜在风险，逐层部署差异化防护技术。" 安全必须从一开始就嵌入每一层，而不是事后打补丁，" 袁远说。

"AI 的下半程在于数据，" 袁远在演讲结尾表达了华为的长期判断，"AI 为 IT 产业带来了无限机遇。华为数据存储将坚持技术创新，持续沉淀 AI 行业化落地经验，和全产业共同努力，帮助客户加速迈向智能时代。"

在他看来，算力、模型、智能体这三个 AI 发展章节已经先后上演，而真正决定企业 AI 竞争力高下的下一章，属于数据。雷峰网将持续关注华为 AI 基础设施领域的最新进展。