📰 概要

2026年4月29日，IBM大中华区存储事业部总经理吴磊抛出一个残酷的判断： 不到10%的存储投入不足，可能拖垮90%的GPU投资。

从DRAM到闪存颗粒，再到硬盘和磁带，几乎所有存储环节都面临严重供给压力。 20T、24T硬盘交付周期普遍在52到72周。有钱也买不到。

IBM的解决方案：把AI Agent塞进存储系统，GPU利用率可提高90%。

---

🔍 解读

GPU等算力昂贵且稀缺，存储相对便宜却被忽视。但如果没有足够的存储， GPU大部分时间在等数据，实际利用率很低。这就是"存储拖垮算力"的逻辑。

IBM把AI Agent嵌入存储系统的设计思路是：让数据在存储层就完成预处理， 减少GPU的数据等待时间。AI Agent在存储系统内部运行，直接过滤和筛选数据。

这不仅提高了GPU利用率，也降低了整体能耗——GPU不需要每次都读取全量数据。

---

💎 深挖

什么情况不建议用IBM的AI存储方案来替代传统GPU集群？ 如果你的场景是实时推理、对延迟要求极高，存储层计算可能引入额外延迟。 但对批处理训练任务，这种架构优势明显。

IBM的GPU Direct Storage (GDS)技术是核心。它让GPU直接从存储读取数据， 绕过CPU，减少数据拷贝开销。实际案例中GPU利用率可提升90%。

2026年4月的市场现实是：存储短缺比GPU短缺更严重。 企业规划AI项目时必须把存储纳入核心预算。10%的存储投入不是锦上添花，而是90%算力投资能否发挥的前提。

AI基础架构的竞争正在从"谁有更多GPU"转向"谁的GPU利用率更高"。 IBM押注的是存储层面优化——这是被行业长期忽视的蓝海。