一句话看懂：希捷调研显示，99% 的企业预计未来三年 AI 会让存储需求继续膨胀，但 43% 的企业承认存储基础设施已成为 AI 落地的拦路虎。AI 越赚钱，数据越值钱，存储却越不够用。
事件核心：发生了什么
希捷（Seagate）对超过 2700 名技术决策者进行了调研，核心结论有几组数字值得注意。99% 的受访者预计 AI 工作负载会在未来三年推高存储需求，近七成企业预计存储容量至少增长 26%，其中 32% 预计增幅超过 50%。与此同时，只有 38% 的组织认为自己对未来需求“完全准备好”。
部署障碍的排序也很说明问题：43% 的受访者把存储基础设施列为扩大 AI 部署的主要障碍，比例高于算力可用性（27%）和能源约束（24%）。此外，53% 的受访者把数据质量与就绪度视为另一大难题。在收益端，86% 的企业从 AI 投资中获得了中等或显著回报，33% 已经看到可量化的财务或运营收益。
为什么重要
这组数据揭示了一个容易被忽略的错位：行业讨论 AI 时习惯盯着 GPU 和算力，但真正卡住企业落地的，往往是数据存不下、管不好、调不动。训练素材、活跃数据集、模型检查点、推理输出，每个阶段的存储需求都不一样，容量规划的复杂度远高于单纯加卡。
存储被 98% 的受访者视为战略基础设施，而不是后勤行政职能，这意味着采购决策正在从 IT 部门上升到业务层面。对希捷、西部数据这类存储厂商，以及云厂商的对象存储、向量数据库产品线来说，这是一个明确的增量信号。另一个变量是可持续性：77% 的企业因可持续性考量推迟或调整了基础设施扩张计划，62% 把功耗列为存储硬件的首要环境因素。存储扩容不再只是预算问题，还要过能耗这一关。
对用户/开发者/创作者的影响
对开发者和 AI 应用团队来说，最直接的提醒是：如果你的 RAG 系统、微调流程或推理日志在不断堆积，存储成本会从“忽略不计”变成“需要单独做架构决策”的项目。数据保留策略、冷热分层、检查点清理机制，都值得提前设计，而不是等到账单出来再补。
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。
对企业采购方而言，选型逻辑正在变化，设备寿命和功耗会和数据中心可持续性指标绑在一起考核。对内容创作者和中小团队，如果依赖云端 AI 工具或 API，存储成本上涨大概率会以订阅价格或用量计费的形式间接传导过来。目前公开信息显示，调研没有给出具体的成本涨幅预测，所以不必过度解读单一数字。
值得关注的后续
一是希捷等厂商是否会针对 AI 生命周期各阶段推出更细分的存储产品或定价方案；二是云厂商的存储与向量数据库价格是否随需求上升而调整；三是可持续性预算差距（预算超 1 亿美元的企业有 70% 预期五年内实现高度可持续存储，预算低于 100 万美元的只有 48%）会不会进一步拉大企业间的 AI 落地差距。
来源：TechRadar
