来源 :信息主管网2026-11-09
过去一年,业界谈论Agent的方式变了:不再问它能不能写一段代码,而是问它能不能把活干完。当智能体从演示走向生产、从一问一答走向7×24小时自主循环,一个此前被搁在幕后的角色被推到了台前——存储。2026数据存储产业大会期间,浪潮信息存储产品部总经理杨海军接受《中国信息化周报》专访,就智能体时代存储产业的范式变化、Agent DataSpace存储方案的提出背景、能力要求与选型逻辑,以及企业落地的治理红线作了系统阐释。
在杨海军看来,业界拥抱Agent,根本原因不在于概念走红,而在于它已经进入实际生产环节。“过去讲AI模型,核心聚焦在各类算力资源上,主要服务的是模型厂商和头部互联网企业,到今天,Agent已经开始走向广泛的行业领域“。
“传统信息化建设讲‘老三样’——计算、存储、网络。Agent时代,用户关心的是问答之后回答得快不快、是不是自己想要的答案。为此,又涉及更多需要调用的资源:模型是什么,模型与计算资源怎么匹配,计算资源如何调用数据,数据如何管理等。在这一过程中,数据的权重变了,存储的角色也会随之改变。”杨海军如此说道。
为数字员工搭建可用可控的工作空间
今年AIEC 2026,浪潮信息提出了“Humagent”(Human+Agent)理念。杨海军解释说,Agent进入生产环境之后就成为一名数字员工,应当像员工一样把它管理起来。它能力很强,可以7×24小时工作,但也容易犯错,就像刚入职的年轻员工一样,激情满满,却会犯一些小错误。
“围绕这一判断,企业面临管理维度变革:员工管理从管理人升级为管理 Humagent;组织协作从纯人与人协同,升级为人和智能体协同;落到数据存储维度,需要为每一个 Agent 数字员工,搭建专属数据环境,在守住安全生产红线前提下,让 Agent 可以安全读取、挖掘企业存量数据资产。“杨海军说。
目前整套方案已经形成一个完整闭环:底层有生成Token所需的GPU算力,有Agent调度所需的CPU资源,还有Token引擎,以及Agent存储和网络。其中的Agent DataSpace存储方案,是其中非常重要的一环。
Agent DataSpace是浪潮信息面向Agent时代提出的数据存储解决方案,核心是通过数据隔离、访问加速和安全治理,为AI智能体提供安全可控的数据使用环境。具体来看,Agent DataSpace包含三大模块:数据库沙箱,核心作用是实现数据供给;智能数据底座,即AI数据平台,主要保障Agent高效运行;数据保险箱,也就是备份存储,承担安全兜底的职责。杨海军表示,所有Agent产生的数据应当是企业的共同数据和资产,核心在于它可以传递和继承,而知识传递与多Agent运行,既需要Humagent管理,也需要存储系统。
进一步来看,数据库沙箱既要支持多协议,兼容传统NAS与对象存储,又要秒级建立供Agent使用的各类副本,并承担多Agent并发访问;智能数据底座即AI数据平台,主要为Token或Agent加速应用服务,多协议、多格式支持是其核心方向;数据保险箱则负责备份与资产沉淀。三者相辅相成,共同构成Agent DataSpace的整体架构。
为什么此前行业没有从存储角度谈这件事?杨海军表示,这与大模型的发展阶段密切相关。大模型训练阶段,存储重点服务训练语料、Checkpoint和模型数据。进入Agent阶段,存储的服务范围进一步延伸到企业业务数据、推理缓存、长期记忆及任务成果,并需要支持持续的数据访问与安全管理。“因此,在Agent私有化部署时,整个设计方案就非常关键,存储在其中的价值会得到充分体现。”
从数据保存到持续供给,存储能力进一步延伸
需求侧的变化首先是负载特征。杨海军表示,传统AI存储对应训练阶段,数据一次性读完即结束,到Agent时代,则是多并发、小文件、反复读写,还会生成不同版本。“传统存储架构并未随着存储范式转变而设计。”
对此,浪潮信息希望为Agent建立独立的数据库沙箱与副本。不同于传统备份节奏,Agent运行要求秒级快照,并直接在快照上开展作业。这驱动存储进行增强式革新:既要强化快照生成与复制能力,也要提升高并发支撑水平。
杨海军进一步解释说,不仅要快,更要让Agent真正读懂数据。AI模型若直接基于传统数据开展分析与预测,结果往往难以人工校验。因此,Agent DataSpace整套存储方案对数据作AI就绪化处理,实现智能加速——既理解用户使用习惯,又使各Agent运行效率最优,并把可回溯与版本管理贯穿始终,保留最适宜而非最新版本。他强调,对存储而言,生命周期管理与版本管理同等重要。
至于采购与建设规模,并没有“通用配方”。Agent需要部署多少,与公司规模和组织革新的决心密切相关。对此,杨海军建议,应先在一个范围内试用,起步成本低,而试用期间首先要解决数据供给的问题。在这一过程中,模型不必自建、可用公共Token,数据加速平台也可后置,但没有数据供给,Agent只能基于公域数据运行,与行业结合就不紧密。而在适用边界上,他的判断较为直接:愿意做私有化部署的行业都可以用,不存在明显的行业差异。
Agent落地的第一道选择题
在杨海军看来,企业落地时最容易被忽略的是一连串治理追问:Agent的权限边界到哪里?其数据从何而来?在“人审核、Agent做事”的常态下,谁来审核、审核之后又由谁校验?这些问题在部署之初就应厘清。他强调,企业部署Agent时首先需要业务部门、IT部门乃至CIO协同参与,共同明确建设目标,如此验证式测试才能取得实质成果。
此外,更棘手的问题是智能体本身可被绕过。杨海军点出了一个略显敏感的话题:“Agent会骗人,人也会骗Agent。“有些问题Agent会拒绝回答,但通过侧面提问或反向举证等诱导方式,它仍可能把内容说出来。”我们如何通过安全权限设置,真正让A岗位员工只能拿到A岗位的信息,避免让Agent交出本不该得到的数据,这可能是企业Agent落地要关注的点。"
对此,杨海军的答案是将数据权限、审计等能力下沉到存储,让Agent只管用。一方面,充分发挥多控硬件的优势;另一方面,利用存储权限管理与隔离审计的工具和能力。“尤其在Agent海量读、频繁操作小文件时,正好由存储应对负载压力。”
面向下一步,杨海军判断,Agent时刻都在发生变化。目前看到的确定性方向是Agent一定会加速在企业内部的部署,而且大部分部署要把原有数据库、包括沉淀资产投喂给Agent,才会发挥价值。
(本文不涉密)