2026企业Agent要规模化落地，存储还得先跳三关

智能相对论

2026-11-06 12:59

文 | 智能相对论

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。

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。

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。