西部数据：存储而非GPU才是AI规模化的真正门槛
速览
随着AI进入生产环境，数据存储的供需失衡成为主要瓶颈，西部数据认为存储已从幕后走向前台。面对数据量指数级增长，HDD因总体拥有成本优势成为长期战略核心。为此，西部数据公布了2029年单盘容量超100TB的技术路径及多项针对AI负载的创新技术。
AI 深度解读
背景
AI基础设施的投资重心正在发生微妙但深刻的转移。过去两年，市场目光几乎全部聚焦于算力端，GPU供不应求、智算中心遍地开花、大模型参数量不断刷新纪录。然而，当AI应用真正进入生产环境，一个此前被忽视的关键问题——数据存储的供需失衡——开始浮出水面。
IDC预测显示，到2029年全球AI基础设施支出将突破1万亿美元，五年复合增长率约为31%；中国市场的这一数字为32.5%，略高于全球均值。更为关键的是，预测指出到2029年，近80%的云端数据仍将存储在HDD（机械硬盘）上。这一数据趋势揭示了在算力狂飙突进的同时，存储基础设施正成为制约AI规模化落地的真正瓶颈。
核心内容
西部数据首席产品官Ahmed Shihab指出，计算资源可以在训练和推理之间循环复用，但数据的规模却在无休止地膨胀。训练模型需要消耗海量数据，单个模型训练即可消耗数个EB的数据量；而模型运行后，每一次推理都会持续生成新数据，这些数据又会回流至训练环节。与GPU的可复用性不同，每运行一次AI，数据就会不断累积叠加，形成结构性的存储压力。
这种结构性变化在企业侧已产生具体体感。阿里云对象存储高级总监罗庆超表示，存储已从幕后走向前台，成为AI系统运行的关键环节。随着GPU集群规模扩大和数据吞吐需求飙升，一旦存储系统跟不上，整个万卡集群将面临闲置风险，产生巨大的成本开销。比亚迪电子产品总经理崔勇也提到，智能驾驶领域每天产生的新数据接近PB级甚至数个PB级，增长曲线呈指数级。
然而，比数据量更棘手的是数据的流转效率。从车端采集、清洗、训练，到模型下放、车端推理，各环节存储往往处于割裂状态，依赖人工衔接。全生命周期数据流转效率低下，直接影响了AI闭环迭代的效率。此外，冷热数据分层也是普遍痛点：热数据对IO性能要求极高，但大量无需高性能的数据仍堆放在昂贵的闪存上，导致成本居高不下。崔勇总结道：“最大的挑战是做到又快又便宜，这是最难的。”
这些痛点解释了为何在西部数据对全球200家头部客户的调研中，90%的中国受访者将TCO（总体拥有成本）列为HDD的首要优势，72.7%的人表示这是其将HDD纳入长期战略的核心原因。
需求侧的变化正在倒逼供给侧加速。西部数据公布了一份密集的产品路线图：2026年实现40TB单盘，2029年达到100TB以上。这一目标在一年前被认为不现实，但西部数据给出了明确的技术路径：通过HAMR（热辅助磁记录）技术将单张磁碟容量从约4TB提升至10TB，配合单盘封装14碟，最终实现100TB以上的容量。
除容量外，西部数据还推出了两项面向AI工作负载的针对性技术：
- 高带宽硬盘技术：通过让两个磁头同时读写，将单盘带宽翻倍，解决容量增加后每TB带宽被稀释的问题，且客户无需随硬盘升级修改软件。
- 双枢轴技术：在硬盘内置双磁臂，使顺序IO性能翻倍。 这两项技术可以叠加使用，且均已进入客户验证阶段。
在能耗方面，功耗优化型HDD可将功耗降低20%，性能代偿控制在5%至10%，并附带约10%的额外容量提升，计划于2027年进入客户认证阶段。对于部署数千块硬盘的超大规模数据中心，这一乘数效应相当可观。西部数据数据显示，旧款4TB传统硬盘功耗约为2.85W/TB，而现代32TB氦气硬盘降至约0.3W/TB，降幅超过9倍。
关键要点
- 存储成为AI规模化瓶颈：随着AI从训练走向推理并回流数据，数据规模无休止膨胀，存储系统若跟不上，将导致昂贵的GPU集群闲置。
- 数据流转与分层是核心痛点：全生命周期数据流转效率低影响AI迭代；冷热数据分层不当导致高性能存储资源浪费，TCO（总体拥有成本）成为HDD的核心竞争优势。
- HDD仍是云端存储主力：预测显示到2029年，近80%的云端数据仍将存储在HDD上，中国受访者尤其看重其低成本优势。
- 西部数据技术路线图激进：
- 容量：2026年40TB，2029年100TB+（基于HAMR技术+14碟封装）。
- 性能：高带宽技术（双磁头读写）和双枢轴技术（双磁臂）已获验证，旨在解决带宽稀释和IO性能问题。
- 能效：功耗优化型HDD计划2027年认证，旨在大幅降低数据中心能耗。
- 能效提升显著：从4TB到32TB硬盘，每TB功耗降幅超过9倍，对大规模数据中心具有显著的成本节约意义。
意义与影响
AI产业的上半场是算力的争夺战，而下半场则是数据基础设施的长期补课。随着大模型从实验室走向大规模生产环境，数据存储不再仅仅是后台支撑，而是直接决定AI系统运行效率和成本的关键环节。
对于行业而言，这一趋势意味着存储技术的重要性将被重新评估。HDD凭借其在容量、成本和能效方面的综合优势，将在AI数据湖和长期数据存储中占据主导地位。西部数据等厂商的技术突破，特别是HAMR和高带宽技术的落地，将为解决AI数据爆炸带来的存储压力提供切实可行的路径。
对企业而言，优化存储架构、实现冷热数据智能分层以及提升数据流转效率，将成为降低AI运营成本、加速模型迭代的关键策略。忽视存储基础设施的建设，可能导致算力投资回报率大幅降低。因此，构建高效、低成本、高能效的数据基础设施，已成为AI规模化落地的必答题。