AI时代，存储基础设施的可靠性如何影响数据中心经济效益
作者：Stefan Mandl，西部数据全球销售与市场营销副总裁
在2026年管理EB级基础设施的数据中心运营商，其关注的核心问题已从“是否拥有备份”转变为“存储基础设施是否具备符合业务实际需求的数据韧性”。这包括在线业务所需的高可用性、跨故障域的数据持久性，以及面对网络攻击时的不可变归档能力。
设施规划中的乘数效应
云服务提供商通常采用纠删码、异地冗余和自动分层等技术，承诺提供高达11个9（99.999999999%）的数据持久性。然而，从经济角度来看，当数据在三个可用区域之间进行地理冗余存储时，备份与副本的总量可能达到原始数据存储的2到3倍。
这种“乘数效应”不仅体现在存储容量上，还会放大其他多个成本维度，例如机架空间、电力消耗、散热需求以及持续的运营成本。
组件故障的隐藏成本
传统数据中心财务模型往往将数据持久性基础设施视为一个线性乘数，但这一方法忽略了运营成本在总体拥有成本（TCO）中所占的主导地位。举例而言，在部署了一百万个存储组件且年故障率为1%的场景中，运维人员每天平均需处理约27次组件故障，并执行重建操作。
每次重建操作都会带来连锁反应：相邻设备的持续读取压力导致功耗上升、散热需求增加、网络带宽占用加剧，从而引发级联故障的风险。
组件的可靠性直接决定了重建的频率。如果年故障率分别为0.5%和1.5%，则每日的重建次数将出现三倍的差距。这不仅造成能耗和散热负荷的波动，也会导致网络拥塞，增加技术人员对故障部件进行替换的负担。
勒索软件推动“不可变归档”成为刚需
如今，勒索软件攻击目标已经延伸至生产存储系统，甚至包括那些用于保障可用性的冗余机制。这种安全形势的演变，促使数据韧性策略——特别是与在线系统隔离或物理隔离的不可变归档——从合规性要求转变为必要的运营刚需。
在线存储聚焦于业务负载的可用性与持久性，而不可变归档则提供额外的安全层级，以应对恶意攻击。
与此同时，这也带来了新的基础设施挑战：某些归档存储可能长期处于闲置状态，但在生产系统遭遇破坏后，必须立即支持高强度的读取操作。管理人员需为归档系统配置足够的电力、散热和网络资源，以应对可能持续数周、涉及多PB级数据恢复操作的极限吞吐压力。
在数据恢复阶段，单一存储组件的故障可能对相邻设备产生级联影响，形成局部热点，不仅增加散热负担，还可能提高邻近机架发生热致故障的风险。
AI工作负载加剧规划复杂性
AI训练负载带来了具有独特基础设施需求的关键归档数据资产。与传统归档中的冷数据不同，AI训练数据集需要定期进行验证读取和周期性重训练，形成了持续性的工作负载模式。这种模式对多个方面产生了影响：
- 电力规划：归档系统在从闲置切换到极限读取状态时可能引发功耗波动，影响电源容量规划与UPS（不间断电源）选型。
- 散热需求：带有版本控制的AI存储库因高频访问而持续产生热负荷。
- 网络架构：PB级AI模型检查点的迁移将产生大量东西向流量，与传统的南北向流量模式存在显著差异。
预计到2027年，全球将新增130–140个超大规模数据中心，AI基础设施支出也将达到数千亿美元。因此，在设计备份基础设施时，必须充分考虑在极端条件下实现快速恢复所需的电力、散热和网络能力。
数据中心运营者应关注的关键问题
为确保基础设施与运维实际相匹配，数据中心运营者应重点审查以下方面：
- 电力与热量的可预测性：存储组件在其生命周期内能否保持稳定的功耗表现？
- 持续性能：归档系统在闲置数月后，是否能在无散热问题的情况下提供额定吞吐能力？
- 故障模式的可预测性：组件是否会以可控的方式退化并提供明确的故障信号，还是增加故障排查的复杂性？
- 密度优化：电力和散热系统是否具备足够的容量，以支持所有存储层在极端情况下的同时高利用率？
组件级别的可靠性将直接影响设施的整体经济效益，包括降低现场维修和运维成本、简化基于可预测功耗的容量规划、延长设备寿命以减少更换频率，以及在部署新一代技术时加快验证流程。
核心要旨
对数据中心运营商而言，关键问题并非是否拥有备份，而是存储基础设施是否能够支撑其所承诺的SLA（服务等级协议）中关于数据韧性方面的要求。在保持在线工作负载正常运行的同时，确保不可变归档能力以抵御攻击。
电力与散热系统是否能够在数据恢复场景下，支持存储基础设施以极限利用率持续运行数周？在当前AI开发与客户留存高度依赖跨层存储性能的背景下，组件级的可靠性已成为影响数据中心经济效益的核心规划变量，从电力合同到散热系统设计，再到人工成本，无一不受其影响。