上海
在今年世界人工智能大会展馆里，几乎所有人都在讨论算力的狂飙与大模型的迭代。但如果你稍作停留，就会发现一个被算力焦虑掩盖的物理现实：GPU算完一次任务可以立刻释放，进入下一个循环，但每一次 AI 交互产生的数据，却像雪球一样被永久地留存了下来。
“AI 不仅仅是计算系统，更是一个庞大的数据系统。”西部数据开发工程高级副总裁 Tim Rausch在演讲时表示。在他看来，当AI应用真正迈向规模化，如何给这些永远在膨胀的海量数据安一个“高性价比的家”，成了决定AI企业能否可持续发展的关键因素。
Tim在分享中举了一个案例，向现场观众直观展示了 AI 究竟有多“吃”存储。
大屏幕上演示了一次生成式视频的请求过程：仅仅为了生成一个最终大小为3.97MB的视频，系统需要在整个存储栈中完成高达46.5GB 的读写操作，并在后端留下506 MB的数据。
“在 AI 中，训练和推理是一个往复的循环。”Tim Rausch说到，每一次交互都会产生新的数据，这些数据随后会被存储下来，重新纳入训练并用于改进后续模型，这就形成了一个“模型改进—更多推理—更多输出被留存”的自我强化循环。
随着数据像雪球一样越滚越大，传统的二层云存储架构已经捉襟见肘，并向更专业的四层演进。而面对这种转变，Tim认为，要通过闪存（SSD）来处理性能敏感型的小数据读取，由大容量机械硬盘（HDD）来承载不断累积的海量写入流。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，更能让AI 基础设施变得务实、优雅且有性价比。
理论需要硬件来落地。为了让底层的数据存储更具性价比，西部数据在展台上展示了涵盖 HAMR（热辅助磁记录）、ePMR（能量辅助垂直磁记录）以及UltraSMR 等前沿技术，这些技术的核心目的只有一个：在不大幅增加成本的前提下，不断突破硬盘的容量天花板。
与此同时，针对AI时代对数据传输速度的苛刻要求，西部数据还展示了业界首创的“高带宽硬盘技术”与“双枢轴技术”。简而言之，这两项技术让机械硬盘在保持大容量和低成本优势的同时，获得了成倍的性能和带宽提升。这意味着，企业在面对海量AI工作负载时，不需要盲目采购昂贵的纯闪存设备，结合智能的分层架构，用新一代的 HDD 就能又好又省地解决问题。
如果说算力决定了AI能跑多快，而存储决定了AI能走多远。或许底层存储架构不如前端算力那样引人注目，但它却是支撑AI运行不被数据压垮的坚实底座。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
