告别单一算力比拼，AI下半场开卷存储

在WAIC 2026，西部数据开发工程高级副总裁Tim Rausch抛出了一个被行业长期忽视的核心命题：AI不仅是计算系统，更是数据系统，数据持续流经计算系统，在被不断丰富的同时，又产生更多数据。这一论点指出了当前AI基础设施建设的认知盲区，当业界将绝大部分注意力聚焦于GPU算力竞赛时，支撑AI运转的数据洪流正以前所未有的规模累积，而存储架构的革新，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变量。

从两层到四层，AI存储架构的范式重构

传统云应用的存储架构通常仅依赖闪存与HDD两个层级——闪存承载热数据以保证响应速度，HDD存放温冷数据以控制成本。但AI工作负载的复杂性彻底打破了这一简单分层。西部数据提出的AI存储栈包含四个层级：最上层是紧邻GPU的高性能内存（HBM/DRAM），用于持续向计算单元供给数据；第二层是KV缓存，即AI系统的“短期记忆”，依赖DRAM与SSD协同承载；第三层是语义数据库，存储向量、嵌入及检索增强生成（RAG）数据，运行在SSD上的高性能数据层；最底层则是HDD大容量存储，用来保存日志、用户生成内容的副本以及训练数据。

这一架构演进并非简单的层级叠加，而是对AI数据流动规律的深刻回应。Tim Rausch在演讲中用一个案例揭示了数据放大效应的惊人程度：当他向AI工具请求生成一段8秒、720p的电影质感短片时，GPU实际处理了约44GB数据，其中约 40 GB 是模型权重、4 GB 是潜在张量，另有 253 MB 的解码后原始帧，最终输出仅3.97MB。然而，AI系统在请求完成后留存的数据量高达约509MB，包括编码输出、推理追踪日志、合规记录、会话与API日志、遥测数据、元数据和水印记录。也就是说，AI留存的数据量约为最终交付内容大小的130倍。

AI不仅是是一个关于计算的故事，更是一个关于数据的故事。当一段4MB视频被发送至家人、上传至社交媒体平台、被其他用户下载转发时，每一次传播都会触发新的AI处理循环，在云端账户、社交平台及转发节点形成多个数据副本。

下面我们来算笔经济账，假设某一种存储介质每GB只贵1美分，对于一部拥有1TB存储空间的手机，差价大约是10美元；如果购买的是一部1,000美元的手机，可能不会太在意多出的10美元。但亚马逊、谷歌或微软这样的企业，管理的数据规模可能达到100EB左右。在这一规模下，每GB多1美分就意味着约10亿美元。

IDC预测2026年全球数据总量达274ZB，到2030年将增至718ZB。在AI驱动的数据爆炸面前，存储架构的经济性已成为比单纯性能更为关键的决策变量。

HAMR与高带宽技术，HDD的性能跃迁路径

面对AI时代的数据洪流，西部数据选择了一条“容量与性能并行突破”的技术路线。

在容量维度，西部数据采取HAMR（热辅助磁记录）与ePMR（能量辅助垂直磁记录）双轨并行策略，两者基于通用平台开发，使客户能够根据自身节奏平稳过渡。目前，西部数据已向部分客户提供40TB HAMR和40TB ePMR硬盘样品，并计划年内推出44TB HAMR样品；到2028年，两条路径均将达到60TB；长期目标是在2029年实现100TB HAMR硬盘。

如何实现100TB容量呢？一是提升盘片面密度，将单盘片容量从目前的4TB提升至约7TB（未来可达10TB）。二是在单块硬盘中容纳更多盘片。HAMR通过激光加热介质实现更高面密度，其激光组件已缩小至盐粒尺寸级别，为更多磁头和盘片腾出物理空间。未来14张7TB盘片即可组成约100TB硬盘，14张10TB盘片则可达到140TB。

在性能维度，西部数据推出了两项业界首创的创新技术。首先是高带宽硬盘技术，通过三级执行器系统（主执行器、微型执行器与毫米级执行器）实现极高的磁头定位精度，允许同时读写多条成对磁道，将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，并规划扩展至8条并发磁道。该技术已向三家客户交付样品，并得到了客户的积极反馈“希望立即采用这项技术，而非继续等待”。

第二是双枢轴技术，将磁头分布在安装于2个独立枢轴上的2个独立执行器上，缩小盘片之间所需的间距，并容纳更多盘片，并将硬盘的顺序I/O性能提升至2倍，在保持TCO的前提下实现更高容量。西部数据计划在2027年或2028年初开始提供双枢轴硬盘样品，随后量产。

此外，西部数据还开发了功耗优化型HDD，通过降低盘片转速实现约20%的功耗削减，同时借助高带宽技术补偿性能损失，使性能仅下降约5%至10%，并可能带来约10%的容量提升，为规模化AI数据存储提供了经济可持续的解决方案。

SMR与可变容量，两条策略撬动存储性价比

正如前文所述，在超大规模数据中心运营中，存储决策的经济敏感性远超消费级场景。对此，西部数据提出了两项立即可用的容量优化策略。

第一项是叠瓦式磁记录（SMR）。通过将传统CMR硬盘在工厂层面重新配置为SMR架构，可在相同物理空间内实现约20%的容量提升。SMR的磁道如同屋顶瓦片相互重叠，读取性能与CMR无异，但写入需按分区顺序进行，并引入由主机控制的垃圾回收机制。Tim Rausch又算了一笔经济账，假设一个机架总TCO为100万美元、容量40PB，每TB成本约25美元；改用SMR后，总TCO增至110万美元，容量提升至48PB，每TB成本降至约22.9美元，相当于每TB TCO节省约8.4%。SMR同时实现两件事：让每块硬盘提供更多可用字节，并降低单位容量的总体拥有成本。

第二项是可变容量交付。传统硬盘以固定容量档位交付，但实际制造中不同硬盘的可用容量存在差异，超过门槛的额外容量在传统模式下被浪费。可变容量模式允许每块硬盘按照经测试确认的实际可用容量交付——假设一批硬盘平均容量为30.9TB，采用可变容量后，15块硬盘的总容量可从固定模式的450TB提升至约463.5TB，容量提升约3%，带来约1.5%的TCO降低。

可变容量更深层的意义在于这个收益不是一次性的。随着制造工艺成熟，同一款硬盘设计的实际可用容量可能持续提升，西部数据曾在某些型号上观察到一年内平均可用容量提升高达10%，这意味着客户无需改变基础硬件架构即可持续获得工艺改进带来的额外容量价值，进一步带来约4.5%的TCO节约。

简言之，SMR通过提高单盘容量，帮助降低每TB的TCO；可变容量则进一步释放制造过程中已经形成的实际可用容量，并让客户有机会随着工艺改进持续获得更高容量。可变容量既可应用于CMR，也可应用于SMR产品，并且相关能力已经可以面向具备条件的客户提供。

结语

从四层存储架构对AI数据流动规律的精准映射，到HAMR、高带宽硬盘与双枢轴技术对容量与性能的同步突破，再到SMR与可变容量对规模化TCO的精细化优化，西部数据正在构建一条从当前40TB级到2029年100TB级的清晰演进路径。在AI持续创造海量数据的未来，存储技术的分层协同与成本优化能力，将成为衡量AI基础设施成熟度的核心标尺。