AI时代，存储变了，HDD仍大有可为

在人工智能浪潮的推动下，过去两年，存储无疑成为半导体产业中最炙手可热的领域之一。从头部存储厂商不断创新高的业绩，到资本市场的积极反馈，这一轮存储周期的热度都得到了充分体现。但和过去存储只是充当存储数据的角色不一样，AI时代的存储变了。
 
西部数据开发工程高级副总裁 Tim Rausch日前于WAIC同期举办的“西部数据2026 WAIC 分论坛”分享中也直言，在AI基础设施需求的驱动下，存储架构也在重塑。


 
AI浪潮下，存储角色变了
 
在具体谈AI是如何变革存储之前，Tim Rausch首先指出，AI的发展本质上是一场围绕数据流动展开的存储革命，存储并非AI基础设施中的辅助环节，而是贯穿AI模型生命周期的核心组成部分。
 
一方面，AI模型的构建始于数据，而数据的积累离不开大容量存储。 从数据采集、归档到训练前的数据准备阶段，大量非结构化数据（如文本、图片、视频等）需要长期保存，此时数据通常处于低频访问状态，机械硬盘（HDD）凭借大容量和低成本优势承担了主要存储任务。
 
另一方面，随着数据进入训练和推理阶段，数据热度不断提升，并在不同存储层级之间流动。 在模型训练过程中，数据会从HDD、SSD等存储介质迁移至计算系统，而在推理阶段，HBM、DRAM、SSD以及HDD共同协作，支撑AI应用的实时运行。不同存储技术并非相互替代，而是在AI数据流转过程中承担不同角色。
 
“更重要的是，AI正在形成“数据产生—存储—训练—生成新数据—再次存储”的闭环。自动驾驶、智能应用、生成式AI等场景每天都会产生海量新数据，这些数据又会成为下一代AI模型训练的重要资源，推动数据规模持续增长。”Tim Rausch说。
 
因此，Tim Rausch认为，AI竞争的核心不仅是算力竞争，更是数据基础设施竞争。随着AI模型不断演进，数据量将持续膨胀，而存储系统将成为支撑AI长期发展的关键底座。AI时代不仅需要更强大的计算能力，也需要能够承载、管理和流转海量数据的存储体系。
 
不同负载，对存储有不同需求
 
如上所述，AI时代对存储提出不同的需求已成定局。但其实针对不同类型的数据和工作负载，也需要由不同存储层级协同支撑。只有了解了这一点，才能有的放矢地为AI基础设施提供更好的解决方案。
 
“传统云应用通常主要依赖闪存和HDD两个层级，根据性能和成本需求分配数据。而AI系统进一步扩展了存储层级，包括靠近GPU的HBM和DRAM、用于短期记忆的KV缓存、运行在SSD上的语义数据库，以及用于保存训练数据、日志和用户生成内容的HDD。”Tim Rausch举例说。在演讲中，Tim Rausch也以训练、推理和推理输出三类核心工作负载为例，详细阐述了AI不同环节对存储的不同需求。
 
在模型训练阶段，训练数据通常一次写入，并长期存放在HDD中，之后根据需要周期性读取。随着用户生成内容不断回流到AI数据循环中，训练数据规模会持续增加，因此这一阶段更关注能够扩展到EB级、同时具备成本优势的大容量存储，而HDD承担了这一角色。
 
在推理阶段，AI需要同时服务大量用户请求，会产生大量随机小数据读取，并需要保存对话上下文。因此，这一阶段需要更高带宽、更高IOPS以及持久化能力，SSD成为主要支撑。
 
而在推理输出阶段，AI生成的内容、日志、追踪记录、合规记录以及元数据等数据，也需要被长期保存，其中大量数据最终会迁移到HDD进行持久化存储。
 
基于上述观察，Tim Rausch总结道，在AI基础设施中，不同存储介质承担不同职责：HBM和DRAM负责高性能数据供给，SSD负责高性能数据处理，HDD负责大规模数据保存。
 
“随着AI产生和处理的数据持续增长，HDD、SSD、DRAM、HBM等不同存储层级将共同构成支撑AI发展的存储体系，而如何以更低成本管理海量数据，将成为AI基础设施建设的重要课题。”Tim Rausch表示。
 
“AI时代存储竞争的关键不是不同存储介质之间的替代，而是构建合理的分层存储体系，让数据根据性能需求和成本效率在不同层级之间流动。随着AI数据规模持续增长，HDD、SSD、DRAM和HBM将形成互补关系，共同支撑AI基础设施发展。”Tim Rausch接着说。
 
西部数据的HDD出击
 
作为存储行业的资深玩家，面对AI时代不断增长的数据存储需求，西部数据正在通过提升HDD容量、增强性能以及优化总体拥有成本（TCO）三个方向推进硬盘技术演进，以满足AI数据基础设施对大规模低成本存储的需求。
 
而朝着将HDD推向100TB级别这个目标，西部数据未来几年将同时推进热辅助磁记录（HAMR）和能量辅助垂直磁记录（ePMR）两种技术路线。由于两者采用相同的平台架构，客户可以根据自身需求和节奏逐步向HAMR迁移。
 
“目前，西部数据已经向部分客户提供40TB HAMR和40TB ePMR样品，并计划推出44TB HAMR产品。未来到2028年，两种技术路线都将达到60TB容量，而长期目标是通过HAMR技术实现100TB硬盘。”Tim Rausch重申。
 
在Tim Rausch看来，随着AI工作负载增加，传统HDD单一读写模式难以满足不断增长的数据吞吐需求，因此西部数据推出高带宽硬盘技术（High Bandwidth Drive Technology）和双枢轴技术（Dual Pivot Technology）。
 
其中，高带宽硬盘通过多级执行器技术，实现多条磁道并行读写，目前已经实现随机读写吞吐量提升至传统HDD的1.7倍、顺序读写吞吐量提升至2倍，并计划未来进一步扩展到8倍吞吐量；至于双枢轴技术则通过两个独立执行器设计，使硬盘能够同时处理更多数据访问任务，实现单盘IOPS提升，并与高带宽硬盘技术结合，使顺序IO性能进一步提升。
 
除了提升容量和性能，西部数据也推出面向大容量存储场景的功耗优化型HDD。
 
据介绍，这些方案通过降低硬盘转速减少功耗，预计可以降低约20%的运行功耗。同时，通过结合高带宽硬盘技术，弥补低转速带来的性能损失，使性能下降控制在5%-10%左右。对于更关注容量和总体拥有成本的数据中心客户而言，这类产品可以在降低运营成本的同时保持较好的性能表现。
 
“对于大规模数据中心而言，关键指标并不是单纯采购硬盘的价格，而是整体拥有成本（TCO），包括服务器、网络、电力、运维等长期成本。”Tim Rausch表示。基于这一逻辑，西部数据提出两种提升容量效率的方法：
 
一是叠瓦式磁记录（SMR）。通过磁道重叠设计，SMR可以在相同硬件基础上提升约20%的容量。虽然SMR需要主机进行分区管理和垃圾回收，但读取方式与CMR没有本质区别。通过提高单位硬盘容量，SMR能够降低每TB的整体存储成本。
 
二是可变容量技术。传统硬盘按照固定容量档位交付，而可变容量可以根据每块硬盘实际测试出的可用容量进行交付，从而释放制造过程中产生的额外容量。例如，通过提升平均容量，可以在不改变系统架构的情况下增加整体存储容量，并进一步降低TCO。
 
“这两者，可以帮助客户在不盲目增加硬件数量的情况下，获得更多储容量，并进一步优化总体拥有成本。”Tim Rausch说。
 
多款产品亮相WAIC
 
站在上述对AI时代的存储结构和公司于这个领域的积累之上，西部数据携带过款领先的存储产品亮相WAIC。
 
在HDD方面，西部数据展出了面向大规模数据存储环境的多款Ultrastar™企业级HDD解决方案。其中包括40TB和34TB Ultrastar DC HC6100数据中心UltraSMR硬盘，30TB和28TB Ultrastar DC HC5090数据中心CMR硬盘，采用HAMR技术的40TB Ultrastar DC HCS100数据中心UltraSMR硬盘，以及采用高带宽硬盘和双枢轴技术的性能优化型硬盘。值得注意的是，采用 UltraSMR ePMR 技术的40TB HDD 现已进入客户认证阶段，并计划于 2026 年下半年实现量产。
 
来到存储平台解决方案方面，西部数据也带来了全新 Ultrastar Data60 3000 混合存储平台、OpenFlex™ Data24 4200 存储平台以及 RapidFlex™ C2000 网络交换桥接适配器，旨在支持可扩展部署、灵活的资源利用以及满足现代数据基础设施的要求。
 
除此以外，西部数据在展台上还展示了公司与群联、大普微、深信服和同有等生态系统合作伙伴的共同成果：凭借存储基础设施与更广泛的AI技术层协同工作，有力支持真实世界的工作负载和部署需求。
 
总而言之，如相关分析人士所说，HDD 仍是AI数据中心长期战略的一部分，因为它解决了新兴技术在经济效益与规模方面仍无法超越的难题。简而言之：HDD是长期存储海量数据最经济、最可靠的方式。即便SSD主导了性能关键型工作负载，HDD 在大容量存储领域的地位依然难以替代。
 
拥有深厚积累的西部数据，仍然大有可为。