一句话看懂：西部数据高级副总裁Tim Rausch在2026世界人工智能大会上指出，AI推理阶段产生的副产物数据量远超最终输出（如一个8秒视频生成过程产生约44GB数据，最终文件仅3.97MB），这些海量数据需要分层存储，而HDD与SSD正从替代关系转向并行增长，以降低整体TCO。
事件核心：发生了什么
2026世界人工智能大会期间，西部数据开发工程高级副总裁Tim Rausch发表演讲，强调AI系统的存储需求被严重低估。他展示了一个案例：生成一段8秒720p视频，用户仅下载3.97MB文件，但系统需处理约40GB模型权重、4GB中间张量及解码帧，请求完成后还需保存509MB的日志、合规记录、元数据等副产物，是最终文件的130倍。这些数据需要分层存储：HBM/DRAM用于GPU高速供给，KV缓存由DRAM和SSD承载，向量和RAG数据部署在SSD上，而训练数据、日志、归档则适合HDD。目前约80%的AI相关内容存储在HDD上，20%在SSD中，且两者同步增长。西部数据同时公布了技术路线：40TB级硬盘已送样，计划2029年实现100TB级，并搭配高带宽硬盘（提升随机读写1.7倍）和双枢轴技术（IOPS提升至传统4倍），预计2027-2028年送样。
为什么重要
这一观点打破了“AI只需GPU”的行业惯性。随着大模型从训练转向大规模推理，数据生成量指数级增长，存储成本成为AI经济性的关键瓶颈。Rausch指出，如果每GB存储贵1美分，管理100EB数据的企业将多花费近10亿美元。传统的“SSD+HDD”简单分层已无法满足需求，HBM、DRAM、SSD、HDD的边界正在重新划分。SMR技术（接替写入增加20%容量）和可变容量（按实际容量交付，可多3%空间）虽能降低每TB成本约8.4%，但需要存储软件改造（如分区管理、垃圾回收），这将推动超大规模数据中心重新设计软件架构。对于云计算厂商，存储不再只是计算后的配套，而是决定规模化AI能否维持经济性的核心约束。
对用户/开发者/创作者的影响
对于AI平台运营者和大模型开发者，需重新评估存储成本。推理场景下，日志、合规记录、中间结果的保存策略直接影响TCO，且这些数据的增长可能比模型参数增长更快。对于内容创作者，生成的图片、视频、文本会被多平台多次复制、处理（如AI审核、字幕生成、内容推荐），每次操作都会产生新副本和日志，云端存储流量可能超出预期。对于企业采购方，硬盘单价不再是唯一指标，容量密度（每盘TB数）、单位容量带宽、故障恢复时间（如100TB单盘的全盘扫描时间）更为关键。西部数据的HAMR技术（激光加热介质）虽然能提升单盘容量，但读写性能并未同步倍增，这要求企业在采购时权衡“大容量”与“恢复效率”。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
1. 西部数据40TB级ePMR/HAMR硬盘的客户送样反馈，以及首批量产时间能否在2026年内落地，这将直接影响大型云厂商的存储采购决策。2. 双枢轴技术（约2027-2028年送样）能否真正将顺序I/O提升至传统4倍，解决大容量硬盘的性能瓶颈。3. 行业对手（如希捷、东芝）是否会加速HAMR或SMR路线，以及超大规模云厂商（如AWS、Azure）是否公开其AI数据分层策略，以验证Rausch提出的“80% AI数据在HDD”的比例。
来源：InfoQ CN
