在人工智能领域，大模型的发展曾一度聚焦于“招式”的惊艳——能看、能写、能答，仿佛无所不能。然而，当AI真正迈向规模化落地阶段，一个现实问题逐渐浮现：仅靠“反应迅速”远远不够，能否在复杂任务中保持状态、串联知识、形成长期记忆，成为决定AI能否从“工具”升级为“助手”的关键。这场变革，正推动企业AI的竞争从“拼招式”转向“拼内功”。
华为数据存储领域总裁谢黎明在近期的一场发布会上指出，企业AI的核心资产正在从“数据”向“知识与记忆”转型。过去，企业数字化建设的核心是“存、管、用”数据；如今，随着智能体深入业务系统，AI需面对的已非简单的“对话”场景，而是三道更现实的挑战：知识生成效率低、检索不精准；推理成本高、速度慢；缺乏长期记忆能力，复杂任务难以闭环。这些问题，正成为制约AI落地的“隐形门槛”。
以知识管理为例，企业内部数据往往分散在文档、表格、日志等不同系统中，格式各异且历史包袱沉重。传统方法抽取知识效率低下，检索结果常“似是而非”，导致AI虽能回答问题，却未真正理解业务逻辑。而在推理场景中，GPU显存的昂贵与有限，叠加缓存命中率、数据调度效率等因素，使得企业常面临“算力够但等不起”的困境——模型能计算，业务却因延迟而无法承受。更棘手的是，智能体在跨步骤、跨系统任务中极易“失忆”，记不住用户偏好或前置决策，最终沦为“高级聊天机器人”。
针对这些痛点，华为在发布会上推出了面向AI推理时代的AI数据平台（AIDP），试图为“中心推理”场景提供系统性解决方案。谢黎明将其定义为“整合知识库、KV Cache库、记忆库与统一缓存管理（UCM）的架构，直击三大挑战”。从技术架构看，AIDP采用“3+1”模式：知识库负责知识生成与高质量检索；KV Cache库优化推理速度与成本；记忆库支持长期记忆与复杂任务；UCM则统筹不同存储介质间的数据流转，确保高效协同。
这一平台的核心价值，在于推动企业AI从“演示级”迈向“生产级”。例如，在知识管理层面，AIDP重构了知识抽取、向量化、索引与检索的全链路，支持多模态数据，使知识生成效率提升2倍，检索准确率超95%。在推理优化层面，通过将KV Cache从GPU显存解耦至高性能存储介质，并结合UCM的冷热分层调度，首Token时延降低90%，推理吞吐提升2倍，显著缓解了GPU成本压力。而在记忆能力层面，记忆库的引入让智能体能够记录用户偏好、延续任务状态，并在长期互动中沉淀经验，真正从“会说话”进化为“能做事”。
值得注意的是，AIDP并未采取“推倒重来”的激进策略，而是支持两种部署模式：既可将知识库、记忆库与KV Cache能力一体化整合至OceanStor A800中，也可在现有OceanStor Dorado存储上通过外置节点独立部署。这种“平滑升级”的设计，既保护了企业既有投资，又降低了技术迁移风险，更贴合企业级应用的决策逻辑——可控、可持续的演进路径，往往比“性能翻倍”的承诺更具吸引力。
从更宏观的视角看，AIDP的推出标志着企业存储角色的转变。过去，存储的核心指标是容量、性能与可靠性；如今，华为开始强调“知识、缓存、记忆”等新关键词。这并非营销话术的更新，而是基础设施定位的升级：在AI时代，存储不仅是数据的“仓库”，更需成为模型的“神经系统”——高效组织知识、承接缓存、管理记忆，支撑智能体持续运行。正如谢黎明所言：“AI推理时代，存储平台的价值不在于‘喂数据’，而在于‘养记忆’。”
当AI从“会生成”迈向“会执行”，企业需要的不仅是更快的存储，而是更懂AI逻辑的数据底座。华为的探索，或许为行业提供了一个新思路：在模型能力日益趋同的今天，谁能补上“长期记忆”与“稳定推理”的内功，谁就更有可能在智能体竞争中占据先机。
