人工智能技术加速迭代的当下，算力与算法的竞争备受瞩目，但一个同样关键的问题往往被忽视——数据的存储与流转；作为在存储领域耕耘二十余年的学者，冯丹将存储比作"数字粮仓"，深刻揭示了此基础设施对人工智能发展的支撑作用。 存储之所以成为人工智能时代的战略支点，体现在多个维度。首先，存储是数据的物理载体。大模型训练、自动驾驾驶、智能制造等应用背后，都伴随着海量数据的爆发式增长，这些数据必须有安全、高效的存储介质来承载。其次，存储直接决定了人工智能的性能上限。数据供给的速度与质量不仅影响模型训练效率，更关系到系统的整体响应能力。"存储慢一秒，人工智能就慢一步；存储不稳定，人工智能就会中断"，这一表述准确概括了存储性能对人工智能系统的制约关系。第三，存储是数据安全的防线。从国家战略到企业运营再到个人隐私保护，都需要存储系统提供可靠的安全保障。 中国存储产业已进入体系化发展的新阶段。过去十余年间，我国存储产业实现了从追赶到领跑的转变。当前，国产高端存储已在金融、医疗、电信、能源等关系国计民生的战略性行业实现替代，存储芯片、固态盘、存储系统的国产化程度不断提升。更为重要的是，中国存储企业已开始在国际市场站稳脚跟，在东南亚、非洲、美洲等地区实现规模化部署，成为中国IT技术出海的新名片。这种转变反映了我国从被动替代向主动参与全球竞争的战略升级。 然而，制约我国人工智能深入发展的瓶颈也日益显现。一上，高质量数据集的规模远低于欧美发达国家，仅占全球的10%左右。大量数据处于沉睡闲置状态，未被有效盘活，导致存储的底座能力与数据供给严重脱节。另一方面，人工智能智能体的兴起对数据平台提出了全新要求。传统数据平台主要为人和应用程序设计，而智能体需要具备感知、决策、执行和记忆的综合能力，这要求数据平台必须进行根本性的升级改造。 针对这些问题，冯丹提出了系统性的解决方案。在数据供给层面，她建议建设"数据工厂"体系，从国家层面统筹布局，将我国海量的数据资源优势转化为标准化、规模化、可持续的高质量数据供给能力。当前数据生产存在的"小作坊化"现象、标准不一、质量参差不齐等问题，需要通过建立统一的数据生产、处理、流通机制来解决。在平台建设层面，她建议加快发展面向人工智能的高质量数据平台，将其作为企业级新型基础设施，实现数据到知识的转化，为人工智能训练、推理和智能体规模化落地提供统一、高效、安全的数据底座。 这些建议直指当前我国人工智能发展的核心瓶颈，抓住了"十五五"时期的战略机遇。通过强化存储产业链的全链条管理，建立完善的数据工厂体系，发展新型数据平台，我国有望在人工智能时代实现从跟跑向领跑的转变。
从“卡脖子”到“新名片”，中国存储产业的进步印证了科技创新对国家竞争力的作用；冯丹的建言为破解数据难题提供了更清晰的路径，也折射出中国在数字时代提升话语权的战略取向。下一步，如何把技术优势转化为产业优势，将成为实现“存储强国”目标的关键。