AI产业链框架解析
上游供给（1）算力：训练大模型 最核心的AI发展路径 拥有多少算力就可能创造多大突破 实现更深远的探索1.通信2.芯片半导体（2）电力：AI时代的核心需求和能源基础 没有电力供应一切设备都将停摆1.算电协同2.光伏，核电等清洁能源发电（3）存储:海量算力及数据需要可靠的载体AI时代只要持续发展 其需求就不会终止中游：大模型的开发下游应用1.机器人2.AI智能3.AI for Science（科研模式革新）1.生命科学2.材料与化学3.地理天文4.数据产业链 数据实际应用大模型5.数据安全链 数据防护电力产
算力共生|国鑫闪耀COMPUTEX 2026科技盛会
2026年6月2日至5日，2026台北国际电脑展（COMPUTEX 2026）在台北盛大开幕。本届展会以"AI Together"为主题，聚焦人工智能运算、机器人与智能移动、未来科技三大核心方向，汇集全球33个国家和地区、1500家科技企业，展览规模创历史新高。作为国内领先的服务器产品与解决方案供应商，国鑫受邀参展本次盛会，携覆盖大模型训练、推理、高性能计算与高密度存储的全系列AI服务器产品矩阵精彩亮相，与全球产业伙伴共同探索人工智能产业协同创新新路径，推动"人工智能+"加速赋能千行百业。当前，人工智能技
西部数据Computex 2026：AI核心在数据而非仅计算
西部数据(548.005, 16.80, 3.16%)在2026年国际电脑展上精彩登场，传达了一个核心理念：AI基础设施本质上属于数据系统，而非单纯的计算系统。公司通过主题演讲、现场演示以及多项存储技术创新，向行业展示了如何以经济且可靠的方式扩展持久性AI工作负载。 西部数据首席产品官Ahmed Shihab在6月4日的论坛演讲中强调，AI基础设施的设计不能再仅围绕计算性能展开，持久性数据的快速增长、分层架构以及基础设施的经济性正成为AI规模化应用的关键制约因素。 为应对这一挑战，西部数据重点展示了其在高
AI浪潮下机械硬盘重获新生
人工智能的广泛应用，不仅引发了算力需求的激增，更揭示了一个长期被忽视的核心事实：AI不仅是模型的训练与推理过程，更是一个持续生成、积累与再利用的数据生态系统。西部数据首席产品官Ahmed Shihab在近期于深圳举行的客户创新日上表示，训练单个模型所消耗的数据量已达数个EB（Exabytes）级别，且全球存在无数个并行训练的模型；当模型进入推理阶段，每次Token的生成都会产生新数据，这些数据不会消失，而是回流至下一轮训练中。“虽然计算资源可在训练和推理间循环使用，但数据规模却在持续膨胀。”西部数据首席产
Web3与AI协同共进，去中心化存储重塑数据基础设施格局
在大模型技术迅速演进的当下，AI训练早已告别小规模数据样本的粗放模式。如今构建高精度、通用性强的人工智能系统，需要依托海量文本、图像、视音频等多模态数据资源完成训练迭代。庞大的数据存储与调取需求，使传统存储架构逐渐难堪重负。中心化云存储的成本压力、扩展瓶颈与调度缺陷，成为制约大模型快速迭代的隐形障碍，而去中心化存储的出现，恰好化解了AI行业的核心存储困境，为大模型训练提供全新的底层数据支撑。业界往往聚焦于算法创新，却忽视了存储作为大模型训练根基的重要性。模型精度的提升和能力的优化，完全取决于大规模、多样化
构建 AI 帝国的七大核心支柱
构建 AI 帝国的七大核心支柱！谈及 AI 热潮，人们常简化为“购入算力”。然而，“算力”这一概念过于宏大。AI 模型从训练至推理的全过程，绝非单靠一张 GPU 就能完成。它既需云平台构建机房底座，也需 GPU 或专用加速器承担 heavy-lifting，依赖 CPU 进行数据调度与通用计算，更需要 HBM、DRAM 及 SSD 提供数据吞吐支持。唯有拆解 AI 基础设施，方能洞察资金真实流向。本文将分七个层级剖析：算力平台、GPU/AI 加速、CPU、存储系统、能源电力设施、网络/CPO、先进制程与封
AI 浪潮下，存储为何跃升为关键数据枢纽
在计算机领域中，三大核心要素分别是计算、传输与存储，它们分别对应着 CPU/GPU、网络以及存储设备。许多人误以为 AI 的关键在于 GPU，但实际上若缺乏存储支持，GPU 将无法运转。原因在于 GPU 并非凭空运算，它需要读取数据、加载模型、获取参数，以及处理图片、视频和用户提问，而这些数据必须预先存储。因此，存储本质上是数字世界的仓储体系。由于传统存储速度滞后，人类持续推动存储技术革新，其中 NAND 闪存是核心突破。NAND 闪存是一种能在断电后依然保留数据的芯片，这一点至关重要。内存断电会导致数据
MaxCompute：大数据平台迈向 AI 时代的演进之路
随着人工智能技术的突飞猛进，数据体量的膨胀与处理难度的激增，让传统数据仓库陷入了困境。当下，如何打造一个既能统一管控多模态数据，又能高效赋能 AI 全生命周期开发的计算平台，已成为行业焦点。本次分享里，阿里云智能集团产品专家刘洋，详细剖析了 MaxCompute 在 Data + AI 领域的核心升级与功能亮点，包括多模态数据存储、基于 Python 的分布式框架 MaxFrame、SQL AI 函数，以及模型训练、自动驾驶、具身智能等场景的实战经验。全方位展示了 MaxCompute 作为云原生数据仓库
AI底层架构揭秘
上一期我们讨论了RL，它主要处理大模型"持续优化"的课题。然而深入探究，还存在一个更为根本的议题：👉 这些强悍的AI功能，其根基究竟是什么？由此便引出今日的核心话题——AI Infra。AI Infra即Artificial Intelligence Infrastructure的简称，中文通常译为"AI基础设施"。究竟何谓AI基础设施？不妨这样来理解：AI Infra，实则为支撑大模型运转与进化的底层架构。若将大模型视作"应用"，那AI Infra便是：👉 承载这些应用的"基石"不妨采用一个更形象的比喻
华为引领AI数据存储新时代，共创智能未来
3月20日，华为中国合作伙伴大会2026期间，华为数据存储产品线副总裁肖德刚在‘先进数据存力，全面重塑AI数据基础设施’主题峰会发表《智能始于数据，共迎AI时代数据存储产业新机遇》演讲。肖德刚指出，华为二十多年来深耕存储技术，产品和市场均取得显著进展，全球市场份额位居第二，国内排名第一，服务超30000家客户，涵盖欧洲、拉美、亚太等地区的顶级银行。华为数据存储已获多项国际权威认证，成为科技新名片。如今，AI与存储紧密结合，步入双向赋能的新阶段：一是通过Storage for AI，使存储成为AI应用的核心
摩根大通看好希捷科技股价反弹
尽管希捷科技股票在交易所表现不佳，摩根大通认为当前回调是买入机会，理由是数据存储市场需求强劲和基本面改善。 该股日内下跌大约7%，从近期峰值回落。在过去的一年里，该股累计上涨超过四倍。 该股在过去一个月内下跌超过5%，但过去一年涨幅超过320%。 摩根大通首次覆盖希捷，给出“增持”评级，目标价525美元，这意味着比当前水平有较大上涨潜力。 AI基础设施推动需求激增 希捷及其主要对手西部数据均受益于数据中心大容量硬盘需求的增长。 人工智能工作负载的增长导致了数据存储需求的急剧上升，特别是对高利润、高密度硬盘