.
推动 AI 发展的动力
当数据规模快速增长时，薄弱的架构会更快失效。
AI 不只是算力问题。它更是一个数据系统。
AI 经常被描述为一个算力问题。实际上，AI 是一个数据系统，数据会随着时间不断生成、存储并重复利用。
真正推动 AI 业务价值的因素
了解为何存储、管理并从数据中学习的能力才是决定 AI 系统性能的关键。
云仍然依赖旋转磁盘运行
硬盘驱动器仍然是云和 AI 存储的基石，这绝非偶然。
闪存满足当下需求，HDD 支撑长期存储
硬盘驱动器仍然是云和 AI 存储的基石，这绝非偶然。
图书馆：原始数据中心
AI 基础设施的运行方式与传统图书馆十分相似。访问最频繁的信息位于前端的高性能层中，该层专为实时 AI 推理而构建；而大部分数据则存储在更深层的大容量层中，这些容量层经过成本优化，旨在满足大规模扩展和长期保存需求。从历史背景信息到训练数据和输出结果，大多数 AI 数据在生成后并不会消失，而是会随着时间推移不断累积。现代云基础设施已经采用这种架构，大约 80% 的云数据存储在硬盘驱动器上，因为规模、效率和成本效益至关重要。AI 并没有简化基础设施架构，反而进一步凸显了在超大规模场景下实现智能数据分层的必要性。
AI 面临的真正限制是大规模数据管理
生成智能受到更多关注，但 AI 面临的更大挑战，是存储、管理和扩展支撑智能实现的数据。
为什么 AI 中的存储需求有所不同
随着 AI 从实验阶段迈向生产应用，其生成的数据不会消失，而是会持续累积。着眼长期发展的组织正在选择能够提供经过验证的可靠性，具备高性价比扩展能力，以及能够随数据增长而扩展的基础设施。数据清晰地说明了这一趋势。
为 AI 的每一层打造
AI 基础设施并非由单一存储技术驱动，而是建立在分层架构之上，旨在 AI 生命周期的每个阶段平衡速度、规模和成本。从数据摄取和准备，到模型训练、推理和长期保存，不同工作负载需要不同的性能特性。高速 DRAM 和 SSD 可加速活跃计算和实时推理，而 HDD 则提供大规模、高性价比的存储容量，用于存储不断增长的训练数据、日志、元数据和 AI 生成内容。随着 AI 规模不断扩大，智能数据分层对于保持基础设施的高性能、经济高效性和可持续性至关重要。
我们的专家解读 AI 基础设施
探索更多创新生态系统
加速 AI 时代的创新
推动 HDD 技术发展，释放数据潜能。
数据中心存储平台
适用于各种工作负载的可扩展开放基础设施。
通过存储分层优化数据中心
参考资料
- IDC 来源：全球 IDC StorageSphere 预测，2024-2028
- https://investor.wdc.com/news-releases/news-release-details/wd-customer-survey-highlights-growing-focus-scale-economics-and
- https://www.blocksandfiles.com/flash/2026/04/08/vdura-says-30-tb-qlc-ssd-capacity-now-costs-226x-more-than-hdd/5214761