AI存儲進入PB/EB時代，HDD為何成為數(shù)據(jù)底座？

“西部數(shù)據(jù)的策略：從11碟HDD出發(fā)，重塑AI存儲底座。

讓我們來試想這樣一個場景：凌晨3點，某大模型云服務平臺的日志系統(tǒng)依然在高速寫入。

用戶剛剛在一個智能體平臺上發(fā)起了一次多輪對話請求——表面上只是一個簡單的金融問詢，但背后，調度了3個子模型、20多次跨服務交互、超2萬token的上下文流轉。模型的響應不過幾百毫秒，但系統(tǒng)中每一輪交互、每一次召回、每一段中間推理路徑，都被如實記錄下來，寫入歸檔。

問題是，每天都有TB級的推理日志、對話記錄、embedding緩存、agent調用歷史等“溫冷數(shù)據(jù)”生成，怎么存？存在哪兒？存多久？成本能不能承受？

西部數(shù)據(jù)在2024年10月推出的UltrastarTM DC HC690數(shù)據(jù)中心硬盤是一項適合的選擇。這是全球首款商用11碟UltraSMR HDD，在標準3.5英寸結構下，實現(xiàn)了32TB超高容量，融合了經(jīng)市場驗證的成熟設計與前沿創(chuàng)新技術，助力數(shù)據(jù)中心在現(xiàn)有基礎設施內實現(xiàn)更高存儲密度。

那么，在AI時代，HDD將扮演什么樣的角色，西部數(shù)據(jù)的技術產(chǎn)品又有什么不一樣？為了回答這些問題，數(shù)據(jù)猿采訪了西部數(shù)據(jù)的高級銷售總監(jiān)文芳。

AI時代的數(shù)據(jù)存儲

面臨三大結構性需求

如果說算力決定了AI跑多快，數(shù)據(jù)就決定了它跑多遠。

但這個“跑遠”的代價，正在變得越來越沉重。

2025年，大模型和智能體進入商用部署的新階段，“一企一模型”“一行一垂類”的趨勢拉開，隨之而來的，是以PB乃至EB為單位的數(shù)據(jù)暴漲。從訓練數(shù)據(jù)、微調數(shù)據(jù)，到推理日志、模型版本、Agent調用記錄，數(shù)據(jù)不只是多了，還存在結構性特征。

1.數(shù)據(jù)爆炸，熱溫冷分層成為常態(tài)

根據(jù)國家數(shù)據(jù)局數(shù)據(jù)，2024年中國AI企業(yè)數(shù)量同比增長36%，高質量數(shù)據(jù)集增長27.4%，數(shù)據(jù)中心對更高強度AI應用的支持需求正在迅速攀升。

這背后，是企業(yè)在構建自己專屬知識庫、Agent能力池、領域微調集時，對數(shù)據(jù)的深度依賴——而且，這些數(shù)據(jù)的生命周期越來越復雜。

“熱溫冷”三層數(shù)據(jù)結構，已經(jīng)成為AI業(yè)務系統(tǒng)的事實標準。這些數(shù)據(jù)分別都是什么呢？

·熱數(shù)據(jù)：實時調用、頻繁讀寫，典型如token緩存、任務隊列、模型權重更新；

·溫數(shù)據(jù)：中頻訪問、周期性分析，如推理中間結果、Embedding向量庫、用戶行為日志；

·冷數(shù)據(jù)：歸檔、合規(guī)、歷史記錄，如原始訓練集、版本歷史、監(jiān)管審計記錄。

在AI工作負載中，“溫冷數(shù)據(jù)”的占比越來越高，它們既不夠熱，也不能徹底冰封；既要求長周期保存，又不能犧牲訪問可用性。

這使得數(shù)據(jù)分層策略不再只是“性能-價格”之間的折中權衡，而是事關業(yè)務架構穩(wěn)定性與成本可控性的“戰(zhàn)略設計”。

2.TCO（總體擁有成本），成為重要的決策標準

與以往“按性能買硬件”的時代不同，AI時代的數(shù)據(jù)中心在做存儲決策時，關注的問題變了。

除了追求“速度有多快”，還要考慮“容量單價是多少？”“擴展之后會不會不兼容？”“這筆錢值不值得花在這批溫數(shù)據(jù)上？”

這正是TCO（Total Cost of Ownership）概念成為核心指標的原因。

從存儲容量單價、能源效率、空間密度，到可預測的擴展性與維護成本，AI系統(tǒng)的底層架構越來越傾向于做“長期賬”，而非只做“性能賬”。

比如，同樣是部署一個2PB的數(shù)據(jù)系統(tǒng)，如果能夠降低20%的能耗、減少25%的服務器數(shù)量，那么哪怕讀寫速度略有差距，這筆投資依然是值得的。

這就是“總體擁有成本”導向下的存儲觀——“能長期用、用得起、未來還能升級”。

文芳提及，這正是大容量機械硬盤（HDD）發(fā)揮戰(zhàn)略作用的關鍵所在——它們能提供具有規(guī)模化成本效益的存儲容量，為PB/EB級AI存儲環(huán)境帶來卓越的總體擁有成本（TCO）優(yōu)勢。

既然HDD這么重要，那么，下一個問題就變成——誰能把HDD這張牌打好，誰能把它做得更大、更強、更節(jié)能？

西部數(shù)據(jù)的策略：

從11碟HDD出發(fā)，重塑AI存儲底座

編者認為，AI時代對HDD提出了兩個新要求：更大的容量，更長的周期。這不僅僅是一次性的性能突破，更是一次關于“長期信賴”關系的重構。

在這個背景下，西部數(shù)據(jù)以UltrastarTM DC HC690數(shù)據(jù)中心硬盤為代表的新一代大容量HDD的重要性愈發(fā)凸顯。

1.數(shù)據(jù)底座：更優(yōu)TCO+長期信賴

在AI驅動的數(shù)據(jù)中心架構中，HDD是不可替代的底座。因為它能帶來規(guī)模化成本效益。尤其是在溫、冷數(shù)據(jù)歸檔這類場景中，HDD的高存儲密度和具有優(yōu)勢的每TB成本，構成了AI規(guī)模化部署的現(xiàn)實基礎。

在今天的超大規(guī)模云平臺中，HDD承擔著絕大多數(shù)溫冷數(shù)據(jù)的存儲任務，占據(jù)了整個數(shù)據(jù)中心大部分的物理存儲空間和主要數(shù)據(jù)留存容量。而隨著AI的深入落地，這一比例還在持續(xù)提升。

可以說，HDD已經(jīng)成為AI時代的數(shù)據(jù)基礎設施支柱。西部數(shù)據(jù)在保證可靠性的基礎上，讓客戶能夠“預測成本、信任擴展、安心使用”。

2.產(chǎn)品亮點：UltrastarTM DC HC690

據(jù)文芳介紹，UltrastarTM DC HC690這款產(chǎn)品上采用了多項關鍵技術，具備以下優(yōu)勢：

·32TB容量，全球首款商用11碟UltraSMR HDD，封裝于標準3.5英寸結構中；

·協(xié)同技術加持：包括ePMR（能量輔助垂直磁記錄）、UltraSMR、HelioSealTM、OptiNANDTM；

·功耗表現(xiàn)優(yōu)秀：即使磁碟數(shù)量增加，單位容量能效依舊維持在與10碟產(chǎn)品幾乎相當水平。

每一項技術是為了實現(xiàn)一件事，在不增加占用空間的前提下，提升容量密度，同時保持穩(wěn)定與節(jié)能。

如何在3.5英寸的空間內放下11碟磁盤，而不犧牲穩(wěn)定性和散熱？這并不是簡單的堆疊問題，而是一次結構性的優(yōu)化。

在UltrastarTM DC HC690的設計中，工程團隊圍繞以下關鍵點進行多項創(chuàng)新：

·縮小磁碟間距：在保持碟片厚度以保障制造效率的同時，提升單位硬盤容量；

·微調磁頭懸掛裝置構：確保磁頭在高密度條件下依然精準定位；

·PCB板避讓設計：通過重新布局電路板走線，為碟片結構讓出空間；

這些細節(jié)的集合，構成了“不升尺寸而升容量”的技術解法——讓HDD真正成為數(shù)據(jù)中心架構中可持續(xù)演進的一部分，而不是“一次性采購品”。

需要指出的是，西部數(shù)據(jù)的目標不僅是32TB，而是一個更長周期的路線圖——同步推進ePMR/UltraSMR的商業(yè)化與HAMR的工程驗證。預計2027年，西部數(shù)據(jù)將實現(xiàn)HAMR產(chǎn)品的量產(chǎn)，同時保持與現(xiàn)有產(chǎn)品的兼容演進。2030年后，西部數(shù)據(jù)計劃按路線圖發(fā)展50TB+級別的HDD（說明：關于未來產(chǎn)品規(guī)劃和技術路線的表述均為前瞻性陳述，可能因技術、市場或供應鏈等因素發(fā)生調整）。

而且，西部數(shù)據(jù)旨在構建一條“可預測、可平滑遷移、可長期信賴”的技術路徑，致力于降低系統(tǒng)演進過程中的架構調整與風險評估復雜度。這是對客戶的長期關系戰(zhàn)略——構建“存儲信賴路徑”，幫助客戶把其數(shù)據(jù)底座變成護城河。

構建“可持續(xù)AI存儲架構”的核心支柱

做大規(guī)模AI應用的“護城河”

真正的技術護城河，從來不是某個指標的領先，而是能不能在長期系統(tǒng)里反復證明自己：穩(wěn)定、可擴展、可信賴。

對企業(yè)而言，這種價值是寫在每一張電費賬單、每一臺服務器、每一次擴容的采購周期中。

以西部數(shù)據(jù)的HC690為例，在部署同樣2PB容量的場景下，相比傳統(tǒng)24TB HDD，客戶可以減少約25%的服務器數(shù)量，節(jié)省機架空間；降低約20%的整體能耗，同時降低基礎設施與維護成本。

從資源利用角度看，這是一種“結構性節(jié)省”。大規(guī)模部署下單位TB的成本更低，幫助客戶更快達成可持續(xù)目標。系統(tǒng)擴容路徑更可預測，無須大幅調整部署架構。對于AI推理數(shù)據(jù)、歸檔數(shù)據(jù)、訓練歷史數(shù)據(jù)等體量巨大的“冷/溫數(shù)據(jù)”，這類大容量HDD，正是當前可規(guī)模化落地的經(jīng)濟可行方案。

此外，在落地路徑上，西部數(shù)據(jù)顯然也不是“只賣設備”這么簡單。他們在本地化方面，也進行了諸多努力。比如，其在亞太設有SIT實驗室（Storage Integration Test），為本地客戶提供產(chǎn)品開發(fā)規(guī)劃與部署、新產(chǎn)品測試驗證、產(chǎn)品認證與導入等服務。他們還與超大規(guī)模客戶進行聯(lián)合開發(fā)，在早期就參與戰(zhàn)略協(xié)同，降低部署風險，并提供貫穿產(chǎn)品全生命周期的持續(xù)工程支持。對于中國本地客戶，這意味著更快的支持響應、更穩(wěn)的產(chǎn)品迭代、更長的生命周期保障。

展望未來，數(shù)據(jù)的爆炸性增長，正重塑“存儲”的產(chǎn)業(yè)角色。

根據(jù)中國信通院數(shù)據(jù)顯示，2024年中國云計算市場已達8288億元，同比增長34.4%。預計到2030年，該市場將突破3萬億，成為AI、工業(yè)互聯(lián)網(wǎng)、視頻流平臺等數(shù)據(jù)密集型行業(yè)的底層依托。

這不是一個線性增長市場，而是一個“被AI放大的廣闊空間”。每一個多模態(tài)模型的推理調用、每一個Agent系統(tǒng)的上下文記錄，每一次大語言模型的“記憶保存”，都是對存儲底座的“微小索取”。

而當這些“微小索取”累計到PB/EB級規(guī)模時，編者認為，誰能成為高規(guī)模化經(jīng)濟效益、低功耗、高可擴展的數(shù)據(jù)承載方，誰就將在未來云基礎設施中具備更強的話語權。

這正是HDD發(fā)揮重要作用的底層邏輯——AI不僅改變了數(shù)據(jù)量，更改變了對“存儲”的定義。