在2025年7月17日至20日于上海举行的世界人工智能大会（WAIC）上，西部数据携最新存储技术与平台解决方案亮相，围绕“驱动AI发展的核心动力”这一主题，全面阐释了存储基础设施如何支撑AI实现规模化扩展。其核心理念在于：AI不仅是计算系统，更是数据系统——计算周期可以重复利用，而数据会持续累积。因此，数据如何被存储、管理与长期保留，已成为决定AI能否实现可持续、经济高效规模化发展的关键因素。

展会概述：聚焦存储在AI中的核心角色

西部数据通过展台展示与专题论坛，向业界呈现了其机械硬盘（HDD）创新技术如何满足AI基础设施的规模化扩展需求。从容量、性能、可靠性到总体拥有成本（TCO），西部数据展示了多项前沿技术，并强调其作为战略性AI基础设施合作伙伴的定位，全面赋能客户高效存储、管理和传输AI工作负载下呈指数级增长的海量数据。

核心技术展示：HDD创新的四大支柱

在展台上，西部数据重点展示了其最新的机械硬盘创新技术，这些技术专为满足规模化AI基础设施的需求而打造。具体包括：

• HAMR（热辅助磁记录）：通过激光局部加热介质，实现更高密度的数据写入，显著提升存储容量。
• ePMR（能量辅助垂直磁记录）：利用能量辅助提升磁记录稳定性，兼顾容量与可靠性。
• 高带宽硬盘技术：提升数据传输速率，适应AI训练与推理中频繁的读写操作。
• 双枢轴技术：优化机械结构，提高IO性能与响应速度。

这些技术与其平台产品组合相辅相成，共同推动容量、性能、可靠性与TCO的持续优化，帮助客户 经济高效地应对AI工作负载下的海量数据存储挑战。

分论坛核心观点：AI数据存储架构的演进

7月19日下午，西部数据举办了以“面向AI时代的数据存储架构创新”为主题的分论坛。西部数据开发工程高级副总裁Tim Rausch发表了题为“面向规模化AI的存储革新”的主题演讲。随后，来自计算、数据安全、数据管理及行业应用领域的企业代表，共同探讨了AI基础设施的未来演进路径。

重新定义AI基础设施：数据系统而非仅计算系统

Tim Rausch在演讲中强调，AI不仅是计算系统，更是数据系统。训练和推理往复循环，每一次交互都会产生新数据，这些数据可被存储、重新纳入训练并用于改进后续模型，使存储需求呈现 持续性和累积性。如何高效管理这些海量数据，已成为行业面临的核心挑战。

云存储架构从2层向4层演进

Tim剖析了AI工作负载如何推动云存储架构从传统的2层向专业的4层演进。具体层级包括：

• 模型权重/GPU显存溢出
• KV缓存
• 向量、嵌入与检索增强生成（RAG）
• HDD大容量存储

他提出：“在规模化发展中，经济性决定架构。通过闪存处理性能敏感型小数据读取，由HDD承载不断累积的写入流，这种智能数据分层和均衡的存储架构不仅能够从容应对持续增长的数据规模，更让AI基础设施变得务实且经济可行。”

未来五年技术路线图：ePMR与HAMR并行，迈向100TB+

为应对持续累积的数据需求，西部数据分享了未来五年的发展路线图。该公司将采取 ePMR与HAMR并行发展 的路径，帮助客户更平稳地迈向2029年单盘100TB以上的容量。具体规划如下：

• 高性能场景：通过高带宽硬盘技术与双枢轴技术提供带宽与IO性能增益。
• 持久留存数据场景：针对AI交互生成并需要长期保留的数据，采用功耗优化型HDD提供经济可持续的解决方案。
• 平台化扩展：利用西部数据智能平台，将HDD的经济性和优势延伸至更广泛的客户群体。

展台亮点：两项首创HDD创新技术

值得一提的是，西部数据在其展台展示了两项首创的先进HDD创新技术：高带宽硬盘技术和双枢轴硬盘技术，以及HAMR、ePMR和UltraSMR技术。这些技术彰显了西部数据在容量、性能、可靠性及总体拥有成本（TCO）等方面的持续创新。

小提示：如何理解AI对存储的需求？

随着AI模型规模不断扩大，训练数据量呈指数级增长。建议企业在规划AI基础设施时，提前考虑数据分层策略，将高频访问的性能敏感数据部署在闪存上，而将长期累积、低频访问的数据交由高容量HDD承载，从而在保证性能的同时控制总体拥有成本。

常见问题：AI工作负载是否只需要闪存？

答：并非如此。虽然闪存（SSD）在处理小数据、随机读写方面性能卓越，但对于AI训练过程中产生的海量连续写入流（如日志、检查点、数据集副本），HDD凭借其大容量和低成本优势，是更经济的选择。西部数据提出的智能数据分层架构正是基于这一原则，将闪存用于性能敏感场景，HDD用于容量敏感场景，从而达到最佳性价比。

总体而言，西部数据在2025年WAIC上的展示，为业界描绘了一条从技术到架构、从短期到长期的AI存储演进路径，其核心在于通过持续创新，让数据存储成为AI规模化发展的坚实后盾。（青云）