一句话看懂：Dropbox 披露了十年基础设施优化经验——通过需求预测、Deep Sleep 休眠、机群调优、存储加密等手段，在不新建数据中心的前提下为 AI 算力腾出余量，其存储能效自 2020 年以来提升超 50%。
事件核心：发生了什么
Dropbox 分享了它过去十年积累的基础设施优化方法，这些工作大多在当前 AI 热潮之前就已落地。公司自建 Magic Pocket 存储系统，并在托管数据中心管理自有服务器与网络设备，从而获得从软件负载到机架供电、制冷的全链路可视性。
具体手段包括：提前数月甚至数年做需求预测，为故障和维护预留余量；Deep Sleep 系统关闭空闲服务器或让闲置磁盘待机，几分钟内可恢复服务；在机群中迁移工作负载，避免局部热点导致额外采购；采用叠瓦式磁记录等技术提升存储密度。效果上，Dropbox 以“每 PB 瓦特数”为指标，称自 2020 年以来存储基础设施能效提升超过 50%。硬件寿命也不再按固定年限淘汰，而是依据实际可靠性和故障率决定。
为什么重要
国际能源署预测，到 2030 年全球数据中心电力消耗将大约翻一番；Gartner 则预计到 2027 年 AI 优化服务器的电力消耗将超过传统数据中心服务器。这意味着算力扩张的瓶颈正从芯片延伸到电力输送和冷却。Dropbox 的经验说明，应对 AI 需求未必只能靠新建数据中心——关停闲置硬件、迁移工作负载、提高单机架存储密度、延长硬件寿命、围绕高密度系统改造配电，同样是可观的容量来源。对行业而言，这是一条与“堆算力”并行的技术路线，也直接关系到 AI 训练和推理的边际成本。
对用户/开发者/创作者的影响
对开发者和企业采购方，这份经验提供了一个评估维度：能效指标（如每 PB 瓦特数）正在成为基础设施选型的一部分。对依赖云存储和 AI 应用的创作者与普通用户，底层能效提升如果传导到定价，可能意味着存储和推理成本压力被部分消化，但这需要时间。对自建机房或混合云团队，Dropbox 的机架级电力改造案例（第七代服务器电力需求超出原机架设计，工程师将每机架配电单元数量翻倍而保留母线槽）具有直接参考价值。
值得关注的后续
一是 Deep Sleep 这类休眠机制能否在更多 AI 推理场景落地，尤其是有状态服务的快速恢复；二是“每 PB 瓦特数”等能效指标是否会成为行业通行的采购参考；三是随着机架密度继续上升，配电和冷却改造会不会成为数据中心的新瓶颈，进而影响 AI 算力的实际交付速度。
来源：InfoQ CN
