科研存储案例的价值不在容量大小，而在数据如何接入、如何计算、如何留存。以下项目分享覆盖中科院体系、独立科研机构、重点高校与本科院校，均基于深信服aStor统一存储建设。业务场景横跨脑科学研究、AI训练、基因测序、蛋白质科学、基因组共享等前沿科研领域，完整展现了不同科研主体在数据接入、计算、留存全流程中的存储实践。

一、中国科学院脑科学与智能技术卓越创新中心：1.5PB 支撑 54 个课题组

该中心是国内脑科学与类脑智能研究的核心机构之一，拥有 54 个研究组与 100 余台国际领先科研设备，包括 9.4T 磁共振成像系统、功能超声成像系统等。神经成像与显微观测设备每天产生数百 GB 至数 TB 数据，单张显微镜图像为数百 MB 至数 GB。

改造前，跨课题组协作既要按组划分空间，又要支持共享；进口设备的数据直存需求较强，人工转存耗时且容易出错。方案配置 1.5PB 统一存储，采用多租户模式按课题组划分独立空间，基于目录与角色进行权限控制；以 NFS 与 SMB 双协议对接 Windows 与 Linux；图形化界面支持一键上传下载与共享链接。

交付后，TB 级全脑成像数据加载时间减少 80%，管理成本降低 40%；54 个课题组在同一套底座上隔离运行；进口设备数据可直接写入，不再经人工转存。

该项目的难点不在容量，而在多租户与设备兼容。54 个课题组意味着 54 套权限、配额与备份策略；100 余台设备意味着接口形态各异，有的走 NFS，有的走 SMB，有的只能通过工作站中转。统一存储以多协议接入与目录级配额，把这些问题收敛到一套管理面。

二、清华大学智能产业研究院：480TB 支撑十余个课题组的 AI 训练

该院为清华大学下设的人工智能研究机构，十余个课题组并行开展 AI 训练，数据集规模从 TB 到百 TB。改造前，训练数据分散在课题组各自环境中，GPU 等待数据；容量使用率上升后性能下降。

方案以 480TB 统一存储作为高性能文件底座，承载十余个课题组的训练数据与模型文件，并按需扩容。交付后，容量使用率超过 90% 时性能不衰减；多课题组共享同一套高性能底座，避免各自重复建设。

对高校科研平台而言，这一案例说明了一件事：AI 训练场景的选型标准不是空盘跑分，而是高使用率下的性能曲线。课题组的真实环境很难保持低水位，按 90% 使用率设计更贴近实际。

另一个细节是扩容方式。AI 课题组的规模增长往往突发，一个项目拿到经费就可能在几个月内增加数十张卡；存储若不能在线扩容，平台只能让课题组排队等设备。按需扩容、扩容不停机，是高校平台能否承接突发需求的关键。

三、山西医科大学：3 台混闪、1.05PB，基因测序由一周以上缩短至 3 天以内

该校消化系统肿瘤防治中心承担基因测序生产与长期归档任务。改造前，测序分析周期在一周以上，算力等待数据；年新增约 200TB，容量规划压力较大。

方案配置 3 台统一存储混闪、1.05PB，以 12 块 NVMe SSD 与 108 块 16TB 硬盘进行分层，热数据位于 SSD，原始数据与结果下沉至容量层。交付后，分析周期由一周以上缩短至 3 天以内，分析时间缩短约 60%，成本降低约 30%；年增 200TB 可在同一底座上扩容。

生信场景的性价比藏在分层配比里：热层不必大，但要够用；容量层要能线性扩，但不追求高性能。把这两点算清楚，3 台设备也能承载 PB 级业务。

该项目的另一个启示是：生信流水线的瓶颈会随阶段变化。比对阶段吃 CPU 与内存，变异检测阶段吃随机读，归档阶段吃容量；存储要能按阶段调整数据位置，而不是一条路径跑到底。分层与预取配合，才能让每个阶段都跑在合适的介质上。

四、厦门大学：1PB 统一资源池，网盘数据由公有云迁回校内

厦门大学校级数据分散在多个业务系统与公有云网盘。改造前，数据孤岛明显，网盘数据在公有云，科研与教学数据在校内，跨系统共享依赖下载与上传。

方案建设 1PB 统一资源池，一套平台提供文件与对象两类服务，网盘数据迁回校内，科研、教学与办公共用一套底座。交付后，校级数据由多处存放收敛为一个资源池；网盘数据回迁后，访问路径与权限体系统一。

校级平台的抓手往往是“先收网盘”，因为那是数据最散、用户感知最强的一块。网盘回迁完成后，再逐步接入科研与教学数据，阻力会小很多。

统一资源池还带来权限与审计的便利。过去网盘、科研系统、教务系统各有账号体系，数据共享靠临时授权；收敛到一套底座后，按角色与目录授权，访问留痕，审计时有据可查。对高校而言，这既是技术收敛，也是管理收敛。

厦门大学的项目还验证了“一套平台两类服务”的可行性：文件服务承接教学与科研共享，对象服务承接网盘与海量小文件，两者共用同一套底座，运维不需要分别维护两套系统。对希望减少系统数量的高校，这是一种可复制的做法。

五、某国家蛋白质科学中心：5PB 承载平台生产与备份

该中心承担 iProX、PDPM 等平台系统的数据存储与共享任务。改造前，平台生产数据与备份数据需要分开承载，国际合作用户对可用性要求较高。

方案配置 5PB 统一存储，一套承载平台生产数据，一套作为中心备份资源；配合超融合平台与远程复制构建数据中心级容灾。交付后，生产与备份均有独立存力；跨数据中心可通过异步复制切换；运维收敛至统一管理平台。

科研平台同样需要“生产/备份分离”，不能把备份放在同一套故障域里。这一原则与业务系统一致，只是科研项目往往缺少专职运维，容易被忽略。

国际合作的场景还要求数据可共享、可追溯。平台对外提供数据下载与检索服务，底层需要支持按项目授权、按文件审计；统一存储的文件审计与配额能力，正好覆盖这两项要求。

六、某国家级基因组研究所：50TB 全闪与 4PB 混闪，承载汇交与共享

该所承担生物信息大数据汇交、集中存储、安全管理与开放共享任务。改造前，需要在现有存储基础上新增高性能、大容量资源，支持在线扩容与长期备件；测序数据分析与大规模数据库检索对 IO 要求较高；系统需 7×24 小时运行。

方案采用 50TB 全闪与 4PB 混闪的分层架构，全闪承接高 IO 科研任务，混闪承接长期存储与汇交，支持在线扩容不停机。交付后，汇交、存储与计算三类任务在同一底座上分层承载，扩容与备件服务可持续。国家级平台选存储，第一看能不能在线扩，第二看分层配比对不对。

汇交业务的峰值特征明显：项目结题、数据发布前后，短期内有大量数据集中上传。存储需要在这段时间内保持写入稳定，且不影响在线检索；按峰值预留写入带宽、按均值规划容量，是这类平台的常见做法。

七、更多案例实践

某病毒学研究所：2.2PB，承载科研实时数据采集系统后端，通过目录空间划分支撑多品类数据治理。某天文台：1PB，承载天文观测数据，夜间观测洪峰写入稳定。某实验室冷冻电镜中心：2.6PB，承载预处理阶段大图与后处理过程文件、成果文件的长期归档。

某环境科学研究院：3.2PB，承载全国重型车排放远程监控平台，海量小文件持续写入。某计量科学研究院：39 台国产化存储，建设全栈国产化信息基础设施。某邮电大学未来学习中心：3.6PB，支撑大数据平台、模型平台、开发平台与实训平台。

某海洋大学三亚海洋研究院：5PB，承载海洋数据汇聚管理、处理分析与共享服务。某海事大学船舶导航国家工程中心：1PB，承载船舶导航工程应用与科研办公。某农业大学信息工程学院：2PB，支撑农业多模态数据融合与智能决策算力。

贵州医科大学：7PB，承载图书馆电子资源、智慧教室直播录播等非结构化数据。某城市学院：2.4PB，承载课程资源、论文资源、录课视频与 AI 训练数据。某传媒学院：2.1PB，以智慧教室录播为主，构建统一存储资源池。某电力职业技术学院：30TB 全闪，承载 AI 实训后端高性能存储。

从项目类型看，18 个项目大致分为三类：科研计算型，以全闪加混闪支撑 HPC 与 AI；数据汇交型，以大容量混闪支撑长期保存与共享；教学资源型，以混闪支撑录播、课件与图书馆资源。三类项目的共性是数据持续增长、预算分批下达，因此在线扩容与分层配比是共同诉求。

从区域分布看，项目覆盖北京、上海、山东、四川、贵州、湖北、广东、海南等地，既有中科院体系的院所，也有地方高校与高职院校。这说明统一存储的适用面并不局限于头部机构，地市级院校同样可以用同一套架构解决数据分散与扩容问题。

从建设节奏看，多数项目采用“先建核心、再扩容量”的方式：首期按 3—5 年需求配置，后续按年增量扩容；也有项目先解决最痛的一类数据（如测序、录播或汇交），再逐步接入其他业务。分步建设的成本更低，也更容易在预算周期内落地。

这些项目的验收方式也趋于一致：不看单一跑分，而是看三类指标——业务上线时间是否缩短、数据搬迁是否减少、扩容是否停业务。三项都改善，项目才算达到目的；只改善一项，往往意味着方案只解决了局部问题。

从长期看，这些项目还有一个共同收益：数据资产的可见性。过去院所的存储容量、使用率与增长趋势分散在各套系统里，年度预算难以论证；收敛到统一视图后，容量与增长一目了然，扩容申请也更有依据。

八、横向归纳：18 个案例的四个共同点

第一，多来源数据汇于一处。仪器、课题组、平台与归档四类来源最终收敛到一个命名空间。第二，依靠分层而非全量全闪。1.05PB、2.6PB、3.2PB、5PB 等项目，性能层占比较低，投入集中在配比设计上。第三，要求在线扩容。科研数据没有到顶的一天，扩容不能停业务是硬性指标。第四，重视小文件能力。生物信息、影像、日志与遥测数据，真正拖慢分析的是海量小文件，而非大文件带宽。

这四点也解释了为什么统一存储适合科研：它不是为某一种负载定制的设备，而是把多种负载放进同一套架构，再用分层与命名空间把它们组织起来。对数据来源复杂的科研平台，这种组织能力比单点性能更重要。

如果把这些项目放在一张图上，会发现它们沿着同一条路径演进：先解决“存得下”，再解决“找得到”，最后解决“算得快”。统一存储在三个阶段都能承接，而不必在每个阶段更换一次平台。这也是院所愿意把不同业务逐步收敛到同一套底座的原因。

还有一个隐性共同点：这些项目在建设前都做过数据盘点。哪些数据在仪器上、哪些在课题组 NAS 上、哪些在归档库里，年增量多少、访问频率如何，梳理清楚之后，分层配比与迁移顺序才有依据。盘点本身不产生性能，但决定了方案是否可用。

总结：案例的共性是数据流转路径清晰

18 个项目的共同点，是把仪器、课题组、平台与归档四段路径连接为一条。容量大小是结果，接入方式是原因。落地时可先绘制本单位的数据来源清单，标出仪器、平台、课题组与外部汇交四类来源的年增量与访问频率，再对照案例中的分层配比估算自身的全闪比例。

关于深信服aStor统一存储

深信服aStor统一存储是深信服自主研发的企业级统一存储产品。深信服进入存储领域始于 2013 年，最初作为桌面云与超融合的底层底座交付；2017 年独立产品上市，2021 年设立四大研发中心并发布高性能生产存储版本，2025 年发布统一存储，2026 年升级为块、文件、对象、向量四协议并支持统一命名空间纳管。截至目前，深信服aStor统一存储累计参与交付超过 15064 个客户，累计交付容量约 2.45EB，PB 级项目超过 586 例，存储发明专利 400 余件；IDC 2026 年第二季度中国文件存储市场报告显示，其以 10.1% 的份额位居中国文件存储市场第三。

在科研行业，其已服务 PB 级项目单位 300 家以上，覆盖中科院体系、双一流高校、国家实验室与新型研发机构。

深信服aStor统一存储针对科研场景在并行访问、小文件处理、多租户隔离与存量纳管方面完成了适配与优化，为科研人员带来的是数据在原地即可计算、查找数据无需询问他人，为信息中心带来的是多套存储收敛为统一视图、扩容不停机、算力利用率可观测。同类科研平台的建设与改造可以沿用这些项目的路径。

表 1  典型案例客户：科研