2025年，AI算力进入深水区。 一边是需求持续外溢：大模型训练规模仍在扩张，推理请求呈指数级增长，数据中心的投资未见降温；另一边，是一系列隐性的制约正逐渐浮出水面——算力利用率始终在低处徘徊，系统抖动频发，集群效率难以维持稳定。 行业逐渐意识到，瓶颈并不总出现在“算力”本身。很多时候，问题卡在“数据”这一环。 当计算集群规模扩大到万卡级别，任何一个环节的延迟波动，都会被放大为整体性能问题。一些云服务的宕机事件，表面上是调度算法失效，深层原因却是数据供给与计算节奏之间的错位——数据来不及被组织、搬运、分发，算力只能在空转中等待。 这让一个长期被视为基础组件的领域，重新进入核心视野：存储。 过去，存储的任务是解决“存得下”；而在AI时代，它开始决定“算得快不快”。 正是在这一背景下，“AI SSD”应运而生，几乎所有主流存储厂商，都在尝试交出自己的答卷。 但问题也随之而来——当整个行业都在做AI SSD时，什么才是真正有效的改进？存储，究竟需要为AI改变什么？ 带着这些问题，我们与英韧科技董事长吴子宁博士进行了一次对话。他没有急于回答，而是先讲起了一个二十多年前的故事。 （本文作者长期关