GPU抢了风头，西部数据说存储才是AI规模化的真正门槛

AI基础设施的投资重心，正在发生一个不太起眼但影响深远的变化。

过去两年，市场几乎把所有注意力都押在算力上——GPU供不应求，智算中心遍地开花，大模型的参数规模一轮又一轮地刷新记录。但当AI真正跑进生产环境，一个此前被严重低估的问题开始浮出水面：数据存储的供需，已经悄然失衡。

来自IDC的预测显示，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%；中国市场的增速则更高，达到32.5%。但更值得关注的另一个判断是：到2029年，将近80%的云端数据仍然会存储在HDD上。这背后的逻辑值得我们仔细琢磨。

西部数据首席产品官Ahmed Shihab一语道破：“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。”训练一个模型就要消耗数个EB的数据，模型上线后每一次推理还在持续生成新数据，而这些数据又会流回训练环节。GPU可以反复使用，但每跑一次AI，数据的累积就是一次叠加。

这种结构性变化，在企业侧的体感已经非常具体。

阿里云对象存储高级总监罗庆超坦言：“存储已经从幕后走向前台，不再是配角，而是AI系统运行的关键环节。”GPU集群规模越来越大，数据吞吐需求飙升，存储系统一旦跟不上，整个万卡集群就只能闲置——那种空转造成的成本开销，想想就肉疼。

比亚迪电子产品总经理崔勇同样提到，智能驾驶领域每天新产生的数据接近PB级，甚至若干个PB级，增长曲线是指数级的。但比数据量更棘手的问题，其实是数据的流转效率：从车端采集、清洗、训练，到模型下放、车端推理，每个环节的存储都是割裂的，全靠人工衔接。全生命周期数据流转效率低，直接拖累AI闭环迭代的速度。

冷热数据分层则是另一个普遍存在的痛点。热数据对IO性能的要求极高，但大量实际上并不需要高性能的数据仍然堆在昂贵的闪存上，成本居高不下。用崔勇的话来说：“最大的挑战就是做到又快又便宜，这确实是最难的。”

这些痛点如此集中地爆发，也就不难理解为什么西部数据在对全球200家头部客户的调研中发现，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%的受访者明确表示，这是他们将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进化。

西部数据公开了一份节奏相当密集的产品路线图：2026年实现40TB单盘，2029年达到100TB以上。这个数字放在一年前，很多人会觉得不现实，但这次西部数据给出了明确的技术路径——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。

容量之外，还有两项专门面向AI工作负载的技术。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，从而解决容量增加后每TB带宽被稀释的问题——用户可以不用随着硬盘升级而修改软件。另一项是双枢轴技术，在硬盘内置双磁臂，顺序IO性能翻倍。这两项技术可以叠加，而且均已进入客户验证阶段。

能耗方向也有动作。功耗优化型HDD可将功耗降低20%，性能代偿控制在5%至10%，还能附带约10%的额外容量提升，计划2027年进入客户认证阶段。对于动辄部署数千块硬盘的超大规模数据中心来说，这种乘数效应相当可观。

西部数据援引自身产品数据：旧款4TB传统硬盘功耗约为2.85W/TB，而现代32TB氦气硬盘已降至约0.3W/TB，降幅超过9倍。这个进化幅度，放在任何一个技术领域都算得上显著。

AI产业的上半场，所有人都在抢算力；下半场，数据基础设施的长期补课，才刚刚开始。