北京
AI基礎設施的投資重心，正在悄悄移位。
過去兩年，市場的目光幾乎全部壓在算力上，GPU供不應求、智算中心遍地開花、大模型參數量一輪輪刷新。但當AI真正跑進生產環境，一個此前被忽視的問題開始浮出水面，數據存儲的供需失衡。
IDC預測，到2029年全球AI基礎設施支出將突破1萬億美元，五年復合增長率約31%；中國市場的這一數字是32.5%，略高于全球均值。更關鍵的一個預測是：到2029年，近80%的云端數據仍將存儲在HDD上。
西部數據首席產品官Ahmed Shihab表示，“計算資源可以在訓練和推理之間循環復用，但數據的規模卻在無休止地膨脹?！?/p>
訓練模型要消耗海量數據，單個模型訓練就能用掉數個EB；模型跑起來之后，每一次推理還在持續生成數據，這些數據又會流回訓練環節。GPU可以反復用，但每跑一次AI，數據就不斷累積疊加。
這種結構性變化，在企業側已經有了很具體的體感。
阿里云對象存儲高級總監羅慶超直言，“存儲已經從幕后走向前臺，已經不再是配角，它成為AI系統運行的關鍵環節?！癎PU集群規模越來越大，數據吞吐需求飆升，存儲系統一旦跟不上，整個萬卡集群就只能閑置，產生非常大的成本開銷。
比亞迪電子產品總經理崔勇也提到，智能駕駛領域每天產生的新數據接近PB級，甚至若干個PB級，增長曲線是指數級的。
但更棘手的問題不是數據量，而是數據的流轉效率，從車端采集、清洗、訓練，到模型下放、車端推理，每個環節的存儲是割裂的，全靠人工銜接，“全生命周期數據流轉效率低，會直接影響AI閉環迭代效率。
冷熱數據分層是另一個普遍痛點。熱數據對IO性能要求極高，但大量實際上并不需要高性能的數據仍然堆在昂貴的閃存上，成本居高不下。用崔勇的話說：“最大的挑戰是做到又快又便宜，這是最難的。”
這些痛點的集中出現，解釋了為什么在西部數據對全球200家頭部客戶的調研中，90%的中國受訪者將TCO（總體擁有成本）列為HDD的首要優勢，72.7%的人表示這是他們將HDD納入長期戰略的核心原因。
需求側的變化，正在倒逼供給側加速。
西部數據公開了一份節奏相當密集的產品路線圖：2026年實現40TB單盤，2029年達到100TB以上，這個數字在一年前被認為不現實，本次西部數據給出了明確的技術路徑，HAMR（熱輔助磁記錄）技術將單張磁碟容量從約4TB提升至10TB，配合單盤封裝14碟，最終實現100TB以上。
容量之外，還有兩項面向AI工作負載的針對性技術。一是高帶寬硬盤技術，通過讓兩個磁頭同時讀寫，將單盤帶寬翻倍，解決容量增加后每TB帶寬被稀釋的問題，讓客戶不需要隨硬盤升級而修改軟件；二是雙樞軸技術，在硬盤內置雙磁臂，順序IO性能翻倍。兩項技術可以疊加，且均已進入客戶驗證階段。
能耗方向也有動作，功耗優化型HDD可將功耗降低20%，性能代償控制在5%至10%，并附帶約10%的額外容量提升，計劃2027年進入客戶認證階段。對于動輒部署數千塊硬盤的超大規模數據中心，乘數效應相當可觀。
西部數據援引自身產品數據顯示，舊款4TB傳統硬盤功耗約為2.85W/TB，現代32TB氦氣硬盤降至約0.3W/TB，降幅超過9倍。
AI產業的上半場，大家在搶算力；下半場，數據基礎設施的長期補課，才剛剛開始。????????????????（本文作者 | 張帥 ，編輯 | 楊林）
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
