AI时代下，企业如何识别并构建面向未来的存储
Stefan Mandl，西部数据中国、日本及亚太地区销售与市场营销副总裁
当前，每一家企业都在寻求面向未来的能力，即在快速变化的商业环境中持续保持韧性与增长。在AI技术重塑行业格局、数据洪流不断加剧的背景下，企业需要重新审视“面向未来”的存储意味着什么。
面对AI模型的持续训练与扩展，存储系统必须在大规模数据处理中兼顾成本、性能与可靠性。构建面向未来的存储，要求企业建立一个能随着数据需求增长、应对不确定工作负载并保持长期高效运行的基础设施，同时控制能耗与投入。
AI的兴起正在深刻改变数据处理的动态。如今，数据负载更加灵活，数据量以惊人的速度增长，这对基础设施提出了更高的扩展性与灵活性要求。根据Market Data Forecast预测，亚太地区的AI市场将以接近40%的复合年增长率增长，预计到2033年市场规模将达1.365万亿美元。在中国，2024年AI产业规模已突破7000亿元，并在2025年初设立了600亿元的国家投资基金，推动AI全产业链发展。
为了匹配这一趋势，企业需要重新设计其存储架构，以满足未来业务发展。一个真正面向未来的存储战略应围绕三个核心要素：可扩展的经济性、动态适应性以及可持续的运营体系。
可扩展的经济性：HDD作为基础支撑
AI对数据的依赖日益加深，非结构化数据的激增更是对存储能力提出了更高要求。IDC数据显示，到2025年，企业所生成的数据中将有超过86%为非结构化数据，其复合年增长率预计达26.4%。若缺乏合理的存储策略，企业将面临成本失控的风险。
为应对这一挑战，企业正转向分层存储架构，而硬盘驱动器（HDD）在其中扮演着关键角色。HDD凭借其成本效益、可预测的总拥有成本（TCO）及大规模数据存储能力，仍然是数据中心存储的首选。根据IDC预测，到2029年，云端近80%的存储仍依赖HDD。其规模化优势与可靠性，使其成为支撑数据持续增长的坚实基础。
同时，AI正使“冷数据”重新焕发价值。通过HDD提供的经济高效存储方案，企业能够保留海量数据的可访问性，支持AI训练与再训练流程，而高带宽闪存则专注于推理与元数据处理，从而实现资源的高效配置。
动态适应性：支持数据演进的存储分层
在AI驱动的数据环境中，数据流动性增强，热、温、冷数据层之间的转换更为频繁。企业需要具备自动分层、横向扩展能力以及智能化管理的存储架构，以优化存储效率并降低操作复杂度。
HDD在这一方面继续发挥核心作用。作为数据湖的底层架构，HDD支持结构化与非结构化数据的集中处理，并通过开放API和跨介质互操作性，与AI流水线高效集成。
面向未来的存储系统还必须具备弹性扩展能力。现代HDD基础设施可以纵向或横向扩展，满足突发的数据增长需求，而不会导致系统停机或高昂的迁移成本。诸如能量辅助磁记录（EAMR）与双执行器设计等技术进步，也在提升HDD的重建速度、吞吐能力与能效，从而更好地支持AI的实时处理需求。
总体而言，HDD为AI数据生命周期中的采集、训练、再训练及合规性管理提供了坚实的支撑，使企业在复杂多变的数据环境中保持敏捷与灵活。
可持续运营：构建长期可行的存储基础
尽管AI带来了巨大的商业机遇，但其高能耗也成为不可忽视的问题。据PwC统计，亚太地区的电力需求将在2024年达到约320太瓦时，并于2030年增长至780太瓦时，其中仅有32%来自可再生能源。
随着全球对绿色发展的重视，可持续性已成为企业战略的核心部分。在中国，最新“十五五规划”强调了能源体系转型，并在2025年实施《绿色数据中心评价》国家标准，明确绿色数据中心的建设方向。
-
高能效存储方案正在成为企业采购的核心关注点。例如，采用更高容量的32TB HDD替代24TB HDD，可以在部署2PB存储时减少25%的服务器数量，每TB的能耗降低20%，并显著减少基础设施和维护成本。
结合HDD的经济性与数据去重、压缩等策略，企业可以在推动AI发展的同时，提升运营效率，并落实可持续发展的承诺。这种平衡成本、性能与环保的存储生态，正成为构建未来增长的关键。
面向未来的公式
构建面向未来的存储体系，不仅依赖于高性能，更需要一个系统化的策略，整合可扩展的经济性、动态适应性与可持续运营三大支柱。
其中，HDD作为核心组件，为大规模AI应用提供了必要的可靠性、成本效率和性能保障。通过整合这些要素，企业可以打造一个具备韧性、响应能力与远见的存储架构，为当前AI应用与未来创新提供坚实支撑。
将存储视为战略级赋能工具，有助于企业全面释放AI潜力，而不被运营成本拖累。构建这一“面向未来”的基石，已时不我待。