展望 2026 年，隨著 AI 成為各行各業的基礎能力，微軟的投資將橫跨 AI 的整個生命週期。微軟持續提升儲存效能，以支援前沿模型的訓練；同時提供專為大規模 AI 推論與新興代理式（agentic）應用打造的解決方案，並賦能雲端原生應用在 agentic 規模 下順暢運作。與此同時，也致力於簡化關鍵任務工作負載的導入流程、降低總體擁有成本（TCO），並深化合作夥伴關係，與客戶共同設計並打造 AI 最佳化的解決方案。
從訓練延伸至推論
AI 工作負載涵蓋從大型、集中式的模型訓練，到可大規模運作的推論階段，在此階段中，模型會持續應用於各項產品、工作流程與真實世界的決策場景。大型語言模型（LLM）的訓練持續在 Azure 上進行，微軟也持續加大投資，透過擴展規模、提升吞吐量，以及最佳化模型檔案、檢查點與訓練資料集在儲存系統中的流動方式，保持技術領先。
過去協助 OpenAI 以前所未有規模運作的創新，如今已全面開放給所有企業使用。Blob Scaled Accounts 可讓儲存在單一區域內橫跨數百個擴展單元進行擴充，支援數以百萬計的物件，讓企業資料能作為應用型 AI 的訓練與微調資料集。我們與 NVIDIA DGX on Azure 的合作也證明了，大規模運算能直接轉化為實際的推論效益。DGX Cloud 是專為 Azure 共同設計打造，結合加速運算與高效能儲存 Azure Managed Lustre（AMLFS），支援大型語言模型研究、汽車與機器人應用。AMLFS 以最佳的價格效能比，確保 GPU 叢集能持續獲得充足資料供應。
微軟近期也推出 25 PiB 命名空間與最高 512 GBps 吞吐量的預覽支援，使 AMLFS 成為雲端環境中 同級最佳（best-in-class）的受管 Lustre 部署方案。
展望未來，微軟正持續深化與主流第一方與第三方 AI 框架的整合，包括 Microsoft Foundry、Ray、Anyscale 與LangChain，讓它們能夠開箱即用地無縫連接 Azure Storage。在 Foundry 中提供的 原生 Azure Blob Storage 整合，可協助企業將資料集中至 Foundry IQ，使 Blob Storage 成為企業知識建構、模型微調，以及為推論提供低延遲情境資料的基礎層，同時全程納入租戶既有的安全性與治理控管。
從訓練到全面的大規模推論，Azure Storage 支援完整的代理（agent）生命週期：涵蓋高效率分發大型模型檔案、儲存與擷取長期存在的情境內容，以及從 RAG 向量資料庫 提供資料服務。透過對每一種使用模式進行端到端的最佳化，Azure Storage 在 AI 推論的每一個階段 都能提供高效能的解決方案。
演進雲端原生應用，以支援 agentic 規模
隨著推論逐漸成為 AI 的主要工作負載，自主代理（autonomous agents） 正重新塑造雲端原生應用與資料互動的方式。與查詢模式可預期、由人類驅動的系統不同，代理會持續運作，其發出的查詢量往往是傳統使用者的數量級成長。這種並行度的激增，對資料庫與儲存層帶來巨大壓力，也迫使企業重新思考新一代雲端原生應用的架構設計。
Azure Storage 正與 ServiceNow、Databricks、Elastic 等 SaaS 領導業者攜手合作，運用我們的區塊儲存產品組合，共同為 agentic 規模 進行最佳化。展望未來，Elastic SAN 將成為這類雲端原生工作負載的核心基石，並從改造 Microsoft 自身的資料庫解決方案開始。Elastic SAN 提供全受管的區塊儲存資源池，讓不同工作負載能在具備防護機制（guardrails）的前提下，共享已配置的資源，以支援多租戶資料託管。微軟持續突破最大擴展單元的界限，以實現更高密度的資源配置，並賦能 SaaS 供應商有效管理 agentic 流量模式。
隨著雲端原生工作負載採用 Kubernetes 以實現快速擴展，透過 Kubernetes 原生的儲存協調器 Azure Container Storage（ACStor），並搭配 CSI drivers，持續簡化有狀態應用的開發流程。近期發布的 ACStor 版本，揭示了兩項將引導後續投資方向的重要轉變：一是採用 Kubernetes Operator 模型，以支援更複雜的協調與管理；二是將程式碼開放原始碼，與更廣泛的 Kubernetes 社群共同合作與創新。
這些投資共同奠定了下一代雲端原生應用的堅實基礎，在這樣的環境中，儲存必須能夠無縫擴展並提供高效率，才能成為支撐 agentic 規模系統 的核心資料平臺。
為關鍵任務工作負載突破價格效能的極限
除了持續演進的 AI 工作負載之外，企業也不斷在 Azure 上擴展其關鍵任務（mission-critical）工作負載。
SAP 與 Microsoft 正攜手合作，在提升 SAP 核心效能的同時，導入如 Joule 這類 AI 驅動的代理，為 Microsoft 365 Copilot 注入企業情境與脈絡。Azure 最新的 M 系列 技術進展，為 SAP HANA 帶來大幅提升的垂直擴充空間，將磁碟儲存效能推升至約 78 萬 IOPS 與 16 GB/s 的吞吐量。在共享儲存方面，Azure NetApp Files（ANF）與 Azure Premium Files 提供 SAP 環境所仰賴的高吞吐 NFS/SMB 基礎，同時透過 ANF Flexible Service Level 與 Azure Files Provisioned v2 來最佳化 總體擁有成本（TCO）。
未來不久，微軟也將在 ANF 中推出 Elastic ZRS 儲存服務層級，透過 Azure 的 ZRS 架構，在多個可用性區域之間進行同步複寫，提供區域備援的高可用性與一致效能，同時不增加額外的營運複雜度。
同樣地，Ultra Disks 也已成為 BlackRock 的 Aladdin 平臺 等關鍵系統的核心基礎，這類平臺必須即時回應市場變化，並在高負載下維持卓越效能。Ultra Disks 的平均延遲遠低於 500 微秒，並支援 40 萬 IOPS 與 10 GB/s 的吞吐量，使其能夠加速風險計算、提升投資組合管理的靈活性，並在 BlackRock 交易量最高的關鍵時刻，依然保持穩定且可靠的效能表現。
當 Ultra Disks 搭配 Ebsv6 虛擬機 使用時，效能可進一步提升至 80 萬 IOPS 與 14 GB/s 吞吐量，足以因應最嚴苛的關鍵任務工作負載。此外，透過彈性的資源配置機制，客戶可依實際需求精準調校效能，同時兼顧 TCO 的最佳化。
這些整體投資為企業最關鍵的工作負載，打造出一個更具韌性、更可擴展、且更具成本效益的平臺。
因應電力與供應新現實的設計思維
全球 AI 浪潮正對電力系統與硬體供應鏈造成前所未有的壓力。能源成本上升、資料中心預算吃緊，以及產業普遍面臨 HDD／SSD 短缺，都意味著企業已無法僅靠「增加更多硬體」來擴充基礎架構。儲存必須在設計上就更高效率、更具智慧。
微軟正全面精簡整個技術堆疊，以在最小額外負擔下發揮硬體的最大效能。結合智慧型負載平衡與具成本效益的分層機制，即使在電力與硬體供應逐漸成為策略性限制的情況下，我們仍能協助客戶以永續方式擴展儲存規模。隨著 Azure Boost Data Processing Units（DPU） 持續創新，預期將在更低單位能耗下，實現儲存速度與資料供給能力的躍進式提升。
AI 管線可能橫跨地端環境、新型雲端 GPU 叢集（neo cloud），以及公有雲，但這些環境往往受限於電力容量或儲存供應。當這些限制成為瓶頸時，微軟能輕鬆協助將工作負載轉移至 Azure。同時，也持續投資於各項整合，讓外部資料集成為 Azure 中的一等公民，無論資料存放於何處，都能順暢用於訓練、微調與推論。隨著雲端儲存演進為 AI 就緒的資料集，Azure Storage 也正推出經過策劃、並針對管線最佳化的體驗，以簡化客戶將資料餵送至下游 AI 服務的流程。
透過儲存合作夥伴生態系統加速創新
Azure Storage 與策略合作夥伴緊密合作，將推理效能提升到新的層次。除了 Azure Marketplace 提供的自助發佈功能外，更進一步，投入專業資源與合作夥伴共同開發解決方案，打造高度優化且深度整合的服務。
在 2026 年，你將看到更多共同行工程的解決方案，例如 Commvault Cloud for Azure、Dell PowerScale、Azure 原生 Qumulo、Pure Storage Cloud、Rubrik Cloud Vault 以及 Veeam Data Cloud。我們將與 VAST Data、Komprise 等合作夥伴專注於混合解決方案，實現資料流動，釋放 Azure AI 服務與基礎架構的強大功能——助力具影響力的客戶 AI 代理與應用計畫。
迎向充滿希望的新一年，與 Azure Storage 一同前行
邁入 2026 年，微軟的願景依舊簡單明確：幫助每位客戶從資料中釋放更多價值，提供更快速、更智慧、並為未來打造的儲存解決方案。無論是支援 AI、擴展雲原生應用，或是維護關鍵任務工作負載，Azure Storage 都將陪伴你，以信心與創新迎接新的一年。
Comments are closed, but trackbacks and pingbacks are open.