AI基础设施的投资重点，正经历一场看似细微却意义深远的转变。

过去两年间，市场几乎将所有目光聚焦在算力层面——GPU供不应求，智能计算中心如雨后春笋般涌现，大模型的参数规模更是一轮接一轮刷新纪录。然而，当AI真正步入生产环境，一个此前被严重低估的挑战逐渐浮出水面：数据存储的供需关系，已然悄然失衡。

据IDC预测，到2029年，全球AI基础设施支出将突破1万亿美元，五年复合增长率约31%；中国市场增速更高，达到32.5%。但另一个更值得关注的结论是：到2029年，将近80%的云端数据仍将存储在HDD之上。这背后的深层逻辑，值得我们细细推敲。

西部数据首席产品官Ahmed Shihab一语点破关键：“计算资源可以在训练与推理之间循环复用，但数据规模却永无止境地膨胀。”训练一个模型就需要消耗数个EB的数据，模型上线后每一次推理仍在持续生成新数据，这些数据又会流回训练流程。GPU可以重复利用，但每一次AI运行，数据的累积都是一次叠加。

这种结构性的变化，在企业端的感知已经相当具体。

阿里云对象存储高级总监罗庆超坦言：“存储已从幕后走向前台，不再是配角，而是AI系统运行的关键枢纽。”GPU集群规模不断扩大，数据吞吐需求激增，一旦存储系统跟不上节奏，整个万卡集群只能被迫闲置——那种空转带来的成本损耗，想想就令人头疼。

比亚迪电子产品总经理崔勇同样提到，智能驾驶领域每天新产生的数据接近PB级，甚至多个PB级，增长曲线呈指数级。但比数据量更棘手的，其实是数据的流转效率：从车端采集、清洗、训练，到模型下放、车端推理，每个环节的存储都是孤立的，全靠人工衔接。全生命周期数据流转效率低下，直接拖慢了AI闭环迭代的速度。

冷热数据分层则是另一个普遍存在的痛点。热数据对IO性能要求极高，但大量并不需要高性能的数据仍然堆积在昂贵的闪存上，导致成本居高不下。用崔勇的话来说：“最大的挑战就是既要做到速度快，又要成本低，这确实是最难的。”

这些痛点集中爆发，也就不难理解为何西部数据在对全球200家头部客户的调研中发现，90%的中国受访者将TCO（总体拥有成本）列为HDD的首要优势，72.7%的受访者明确表示，这是他们将HDD纳入长期战略的核心原因。

需求侧的变化，正在倒逼供给侧加速进化。

西部数据公布了一份节奏相当密集的产品路线图：2026年实现40TB单盘容量，2029年达到100TB以上。这个数字放在一年前，很多人会觉得不切实际，但这次西部数据给出了明确的技术路径——HAMR（热辅助磁记录）技术将单张磁碟容量从约4TB提升至10TB，配合单盘封装14碟，最终实现100TB以上。

容量之外，还有两项专门面向AI工作负载的技术。高带宽硬盘技术通过让两个磁头同时读写，将单盘带宽翻倍，从而解决容量增加后每TB带宽被稀释的问题——用户无需随着硬盘升级而修改软件。另一项是双枢轴技术，在硬盘内置双磁臂，顺序IO性能翻倍。这两项技术可以叠加使用，且均已进入客户验证阶段。

能耗方向也有动作。功耗优化型HDD可将功耗降低20%，性能代偿控制在5%至10%，并附带约10%的额外容量提升，计划2027年进入客户认证阶段。对于动辄部署数千块硬盘的超大规模数据中心而言，这种乘数效应相当可观。

西部数据援引自身产品数据：旧款4TB传统硬盘功耗约为2.85W/TB，而现代32TB氦气硬盘已降至约0.3W/TB，降幅超过9倍。这个进化幅度，放在任何一个技术领域都算得上显著。

AI产业的上半场，所有人都在争抢算力；下半场，数据基础设施的长期补课，才刚刚拉开帷幕。