病理的数据量通常只有医学影像的几分之一，但将影像存储的配置直接用于病理，医生仍会感到卡顿。原因不在容量与带宽，而在读取方式：一张 GB 级的切片，被当作上万个几十 KB 的数据块反复读取。以下从八个问题展开，并补充三个常见误区与容量测算方法。

病理能否沿用 PACS 的存储配置

不少医院的做法是“影像存储尚有余量，病理先放上去”。这一做法在容量层面可行，在性能层面存在偏差。PACS 的主流读法是单次调阅数百至上千张 KB 级小文件，考验元数据并发；病理的主流读法是在一个大文件内按坐标随机读取数据块，同时 AI 需要整图读取，考验性能层介质与大文件内的小 IO 处理能力。

两者可以共用底座，但病理必须具备 NVMe 性能层，且性能层容量应按近一个月的切片量规划。同一套统一存储上，两类业务的指标关注点不同：影像关注 2000 张 CT 的并发加载，千兆约 5 秒、万兆约 3 秒；病理关注拖动放大时的数据块时延，为数十毫秒级，以及切片上传吞吐，为数 GB/s。

接口层面也存在差异。影像侧常见 DICOM 网关与 FTP 上传，病理侧更多通过病理平台的文件接口写入切片，再由平台生成缩略图与金字塔。存储需要适配平台现有的文件接口，且不能要求平台为存储改造应用。统一存储提供 NFSv3、NFSv4、CIFS/SMB 与 FTP，平台按现有方式对接即可。

共用底座可以节省投资，共用配置则会牺牲体验。判断标准很简单：病理平台打开一张切片、拖动一次画面，是否需要等待；若需要，说明性能层或元数据路径没有为病理单独规划。

科室自建 NAS 为何难以支撑

病理科早期多采用扫描设备加一台 NAS 的方式，容量几十 TB，可满足一至两年的需求。随着切片累积，三类瓶颈会依次出现：容量按年增长，扩容需要停机或换机；切片并发调阅时，单台 NAS 的元数据与网络成为瓶颈；缺少分层机制，冷切片占用高性能介质，热切片反而难以进入。

停机成本常被低估。科室 NAS 扩容往往需要停机数小时，而病理科白天要出报告、要会诊，停机只能安排在夜间或周末；一次扩容排队、一次换机迁移，都会影响报告时效。院级底座支持在线扩容，60 秒完成、业务不中断，解决的正是这个问题。

统一存储以混闪起步（每台 2—4 块 NVMe 构建性能层），容量按 3—5 年规划，在线扩容不停机；病理平台的挂载路径保持不变。纠删码可从 4+2 在线扩列到 20+2，得盘率由 67% 提升到 91%；文件量从 1 亿增长到 100 亿，访问性能不下降。

科室 NAS 解决的是“有没有”，院级底座解决的是“能否长期支撑”。对正在建设区域病理中心的医院，这一步尤其不能省：区域中心的数据来源更多、保存周期更长，科室级设备无法承担。

AI 加入后存储需要重算什么

病理 AI 从科研验证走向辅助筛查后，训练需要整图读取、推理需要数据块读取，两类请求同时打在同一批近期切片上。AI 带来的变化不是“多一个用户”，而是“多一种读法”：大吞吐顺序读会挤占人工阅片的低时延窗口，训练集还会被复制多份，容量随之翻倍。

训练与推理的存储需求也不同。训练阶段强调吞吐与容量，数据集往往需要反复迭代，存储要能承受长时间的顺序读；推理阶段强调时延，单张切片的局部读取要在数十毫秒内返回，且与人工阅片共享同一批数据。把两类负载放在同一套存储上，需要性能层与容量层配合，而不是各建一套。

统一存储的应对方式有三点：以全闪资源池承接 AI 供数，人工阅片在同一性能层走低时延路径；训练集按项目建立独立目录与配额，项目结束按策略回落；一份数据按需加载、用完释放，减少重复副本。相关能力可由数据支撑：混闪三台配置可提供数 GB/s 吞吐，支撑数十台扫描设备并发上传；聚合块分层使 1000 万文件加载时间由 4 小时缩短至 2 分钟。

AI 需要的不是再建一套存储，而是同一套存储能够同时服务人工与模型。对病理科而言，这意味着 AI 项目上线不必再申请一套独立存储，也避免了训练集与生产数据两套副本长期并存。

推理侧的要求更容易被忽略。辅助诊断一旦进入日常流程，推理请求会分散在全天，与人工阅片交替发生；此时存储的时延稳定性比峰值吞吐更重要。性能层如果被训练任务长期占满，推理时延就会波动，医生感受到的是“有时快、有时慢”。按项目划分配额、限制训练任务的最大占用，是避免这一问题的常用做法。

多协议接入：病理平台如何对接存储

病理平台的接口形态因厂商而异：多数通过 NFS 或 CIFS 挂载共享目录写入切片，部分平台支持 FTP 上传，少数平台提供对象接口。医院在选型时，首先要确认平台厂商支持的接口类型，再确认存储能否按该方式对接；接口不匹配，再高的性能也无法落地。

统一存储提供 NFSv3、NFSv4、CIFS/SMB 与 FTP，覆盖病理平台常见的接入方式。平台按现有接口对接即可，不需要为存储改造应用；对同时运行影像与病理的医院，两类业务可以使用同一种文件接口，运维只需维护一套挂载规范。

需要提醒的是，接口选择应以平台厂商的支持范围为准，不建议为了“统一”而要求平台改造。存储侧提供多种文件接口的目的，是适配平台现状，而不是让平台适配存储；把这一点想清楚，项目上线会顺利很多。

压缩应如何评估

厂商普遍宣称具备压缩能力，医院更关注压缩后能否正常读取、是否影响性能。统一存储对未压缩的影像数据提供压缩能力，压缩在写入路径完成、对上层透明，病理平台读取的仍是标准文件；实际收益需按客户数据抽样评估后再承诺。

WSI 文件内部可能已含压缩倍率与金字塔结构，能否再压缩取决于扫描设备与平台厂商的写入格式，已压缩数据的收益有限。压缩应当作为延后扩容时点的手段，而不是容量规划的替代方案。先抽样、再报数，是更稳妥的评估方式；对已压缩数据，宁可不算这笔收益，也不要在验收时扯皮。

从归档角度看，压缩与分层可以叠加使用：热切片在性能层保持原格式，保证阅片体验；冷切片在容量层按策略压缩，降低长期保存成本；需要回温时再解压回缓存。是否值得这样做，取决于切片的热度分布与调阅频率。

病理是否应与 PACS 共用底座

医院普遍希望减少存储套数与运维面，但病理科与影像科往往分属不同系统、不同厂商，担心共用后互相影响。实际运行中，病理与影像的峰值时段并不完全重合，且可以通过目录、配额与服务质量策略实现隔离。

隔离手段有三层：空间隔离，按科室或项目划分目录与配额，互不越权；性能隔离，通过性能层容量规划与限速策略，保证关键业务优先级；权限隔离，沿用各科室原有账号体系，病理平台与 PACS 各自管理自己的用户与角色。三层做到位，共用底座不会变成“互相拖累”。

统一存储支持一套底座、多个独立空间：按科室或项目划分目录与配额，各自挂载、互不越权；性能上通过性能层规划与限速策略保障关键业务优先级；扩容时一次扩展、两边受益。上海市肺科医院在 500TB 影像底座上纳入数字病理，实现单盘符管理；襄阳市第一人民医院以 21 台规模的集群同时承载影像与数字病理，数字化病理每日处理 2000 张 WSI。两个项目说明共用底座的前提是隔离机制有效，而非简单混合。

区域病理中心如何汇聚多院数据

区域病理中心需要面对十几家甚至几十家医院的历史切片，格式、目录与权限各不相同。若先搬迁再上线，项目周期会被数据搬迁拖长；若只汇聚不治理，几年后仍会形成新的数据孤岛。

网络与安全是区域中心的另一道门槛。各院切片通过专线或卫生专网汇入，带宽有限，迁移与日常调阅会互相挤占；患者信息需要去标识化或分级授权，跨院调阅要留下审计记录。统一存储支持按院区划分空间与配额、按目录设置权限，并可通过异步复制把数据同步到中心，避免一次性搬迁。

统一存储采用先纳管、后迁移的方式：将各院现有 NAS 或存储纳入统一视图，业务先行上线，数据按需迁移；按医院或项目建立空间与配额，权限沿用原有账号体系，支持 AD/LDAP、UID/GID 与 POSIX ACL。相关能力有明确指标：统一命名空间支持百亿级文件与大规模客户端并发接入；聚合块分层使 1000 万文件加载时间由 4 小时缩短至 2 分钟；3000 万文件规模下跨存储查找由 32 分钟缩短至 5 秒。

区域病理中心的竞争力，取决于能否让数据可见、可查、可调，而非单纯比较容量。先上线、再迁移，也让中心可以在建设期内就开始接收各院切片，而不是等存储全部就绪。

三个常见误区

误区一：病理数据量小，不需要独立性能层。切片量确实小于影像，但读取方式更随机，单张 GB 级文件被反复读取小块数据；没有 NVMe 性能层，切片打开与拖动会明显变慢。性能层不必很大，但必须有。

误区二：AI 训练集应该单独建一套存储。单独建一套看似省事，实际会带来数据复制、版本不一致与运维分散三个问题。更合理的做法是在同一套存储上按项目划分空间与配额，训练结束按策略回落，既保证训练吞吐，也避免长期占用高性能容量。

误区三：共用底座就是把病理目录放到影像存储上。共用底座的前提是隔离：目录、配额、权限与性能策略要分别规划，否则病理与影像会互相挤占。共用是架构层面的共用，不是目录层面的混放。

病理存储的容量与性能如何测算

容量测算按切片量展开：日均新增切片数乘以单张平均容量（0.5—1GB），再乘以年工作日与保存年限，得到原始容量；结合压缩收益与纠删码配比折算可用容量。区域病理中心还要加上汇交数据，按各院年切片量汇总后再留 20%—30% 的余量。

性能测算按并发展开：同时在线阅片终端数、AI 任务数、扫描设备数分别统计，阅片侧按每台终端 1—2 路、每路数十毫秒级时延估算；上传侧按扫描设备数量乘以单台写入速率估算；AI 侧按训练集大小与每轮读取次数估算吞吐。三类负载叠加后，再决定性能层容量与是否需要全闪。

测算结果不必追求精确，但要能回答三个问题：未来三年容量够不够、高峰期时延会不会超标、扩容时业务要不要停。三个问题都能回答，方案就具备了可执行性。

总结：先判断读取方式，再决定存储配置

病理存储的选型顺序应当是：确认是否具备 NVMe 性能层，确认并发上升后是否有并行访问路径，最后再比较容量单价。顺序颠倒，节省的投入会转化为医生的等待时间。落地时可选择一个病理科最繁忙的上午，统计同时在线阅片终端数、AI 任务数与切片打开耗时的 P95，再对照上述问题进行核对。

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。

面向病理场景，该产品提供文件存储服务，以 NVMe 性能层承载近期切片与 AI 数据、以容量层承载历史切片。在医疗行业，其已进入 2000 家以上医院，其中三甲医院 500 家以上，医学影像存储累计交付 1000 家以上、300PB 以上。

深信服aStor统一存储针对病理场景在切片随机读、并发调阅、AI 供数与多院区纳管方面完成了适配与优化，为病理科医生带来的是切片快速打开、拖动流畅，为信息科带来的是病理与影像共用一套底座、科室 NAS 可分步纳入统一管理、扩容不停机。同类病理中心的需求可以沿用这一路径。