AI真正燒錢的地方，可能不在算力

當AI成為基礎設施，企業真正該重構的不是算力，而是存儲。

過去一年，中國AI行業最密集討論的三件事：大模型、算力、國產替代，當這些看得到的變量背后，如何長期走向的問題正在浮出水面：

數據存在哪里，以及能存多久？

近期，一篇西部數據中國、日本及亞太地區銷售與市場營銷副總裁Stefan Mandl署名的文章中，提到存儲被重新拉回到AI基礎設施的中心位置，當然作為頭部HDD企業西部數據自然希望自己的產品和解決方案能和AI沾點邊，而文章給出的判斷也非常直接：真正“面向未來”的AI存儲，始于規模、成本與能耗的平衡。

存儲問題，正成為AI基礎設施的核心決策層

在過往的傳統IT時代，存儲一直扮演著“被規劃好的變量”的角色。

業務模型相對穩定，數據增長也可預測，冷熱數據邊界也非常清晰。

但AI改變了這一切

大模型的訓練、調整與再訓練，使得數據不再是一次性的消耗品，而成為反復需要被調用的長期資產。視頻、圖片、多模態內容成為主流的數據形態，非結構化數據占比迅速攀升。

IDC的預測顯示，到2025年，企業生成的數據資產中將有86%以上是非結構化數據，而且將保持20%以上的年復合增長率，這一趨勢在中國尤為的明顯，特別是安防、工業視覺、自動駕駛、短視頻、電商、幾乎所有AI場景都在持續的“制造海量數據”。

很多企業在規劃AI架構時都會進入一個誤區，既然AI要算的快那索性底層就部署全閃存架構就好了。

先不管老板同意不同意，從過往的現實和AI架構角度來看，全閃存將造成企業無法承受的成本和能耗。

從AI架構角度來看，AI工作負載本身就高度分化：

訓練數據池要求規模極大，訪問頻繁但不要求極低的時延；

推理與元數據則要求高并發、低時延、對性能要求極其敏感；

歸檔與合規數據則要求長期保存、偶發訪問，但是不能刪除；

理想狀態下全部使用高性能全閃存，總體擁有成本一定會迅速失控，能耗壓力也會成倍放大。

正因如此，西部數據在署名文章中反復強調一個被低估的現實：

即使在AI時代，HDD仍然是數據規模擴展的底座。

IDC的預測也支持這一判斷，到2029年，云端近80%的存儲容量仍將駐留在HDD上，這不是技術保守，而是基于理性的經濟考量。

AI正在激活”冷數據“

值得注意的變化是，AI并沒有讓”冷數據“真正變冷。

在大模型時代、歷史數據、歸檔數據、低頻數據始終被不斷重新調取，用于模型再訓練、回溯分析、合規審計。

簡單來說，冷數據的訪問頻率可能低，但其價值周期被無限大的拉長了。

分層存儲再次被提及，高性能介質負責”即時決策“；大容量介質負責”長期留存“，在分層存儲結構中，HDD并非被邊緣化，而是承擔起數據池與訓練數據底座的角色，閃存則更多服務于推理和熱點數據，這種組合正在成為AI基礎設施的主流形態。

全世界都認為未來算力都將集中在中國，然而能耗也是整個中國AI產業的”系統性變量“。

算力中心、智算中心的密集建設，電力、PUE、碳排放都已經成為政策層面的核心考量。

特別是中國在”十五五“規劃中明確提出構建新型能源體系，并已正式實施《綠色數據中心評價》國家標準。

在這些利好下，存儲的能效將成為硬性的”準入條件”。

高容量HDD的價值，正從“便宜”轉向“高密度、低能耗”特性“，以更高單盤容量實現服務器數據的減少，意味著運維于空間成本的下降，也直接降低了每TB的能耗水平。

真正”面向未來“的存儲，并不激進

從西部數據這篇署名文章可以看出，西部數據并未試圖描繪出一個激進、顛覆式的未來存儲，而是給出了一個相對克制的判斷：

面向未來的存儲，不是押注單一技術路線，而是構建一個能長期跑下去的體系。

這個判斷依據的確符合現實情況，特別是中國AI產業進入”算力理性期“的當下，用分層存儲架構應對不確定的AI工作負載；用規?；橘|承載無法阻擋的數據增長；用能效和總擁有成本來換取長期可持續性。這種思路比單純追求性能峰值，更接近現實的答案。

AI的競爭就像過往任何一次變革一樣，終究會從”誰算的更快“轉向”誰能撐的更久“。當數據規模、成本和能耗成為AI競爭的決定性變量時，存儲將是AI能否持續演進的關鍵底座。

從這個意義上看，西部數據這篇署名文章在我看來真正的價值，不在于他推薦了哪種介質和解決方案，而在于它提醒了一件常被我們忽略的事情：在AI時代，基礎設施的未來感，往往來自克制，而非激進。