希捷高管：AI最大瓶颈不是算力，到2031年智能体数据将激增至10 ZB

“存储正变得不可或缺。”在2026世界人工智能大会（WAIC 2026）期间，希捷科技中国区市场与业务战略负责人俞康用这句话概括了当前AI产业一个被长期忽视的变化。

过去两年，行业对AI基础设施的讨论几乎全部集中在GPU、HBM和网络带宽上，核心目标是让模型训练得更快。然而当AI Agent开始进入真实业务场景，模型上下文窗口不断拉长，一个更根本的挑战浮出水面：数据能不能存下来、管得好、随时被调度？

俞康对钛媒体表示，今年WAIC上Token相关话题的热度明显提升，很多企业围绕Agent、推理成本以及商业化路径展开探索。标志性变化是，一些和AI原本关联不大的企业也开始出现在展会上，比如化妆品、乳制品公司。“说明AI已经不仅仅用于模型训练，而是在融入企业自身的发展和业务应用，开始进入真正的落地阶段。”

这意味着数据规模正在迎来新一轮膨胀。俞康援引希捷与SK Hynix联合发布的白皮书指出，Agent本身会生成大量新数据，无论是视频、图像、文本，还是推理过程中产生的KV Cache，都会推动存储需求持续走高。KV Cache需要被保存下来，用于保留和记忆对话上下文，这会带来相当大的存储开销。希捷科技预测，到2031年，智能体（Agentic AI）相关应用的存储数据总量将达到10 ZB。

“只要开始用Agent，存储方面的储备一定是非常巨大的。”在俞康看来，AI规模化落地的最大挑战，不是算力不够，而是数据本身的流动、闭环与复用能力。具体体现在三个层面：数据如何在云、边、端之间高效流动，如何形成持续的数据反馈闭环，如何让历史数据被反复调用、持续产生价值。如果数据无法被有效保存和调度，模型就谈不上持续进化。云边协同的本质是数据的协同，缺乏统一的数据基础设施和全生命周期管理能力，云和边之间就会形成难以打通的数据孤岛。

面对数据持续膨胀的困境，业界长期存在一种争论：是否应该把所有数据都放在SSD里？俞康的回答很直接——“这种方式并不可能。”目前更普遍的做法是分层存储架构：靠近GPU的内存速度极快，SSD存放相对活跃的数据，访问频率较低的数据则落到HDD上。各种介质各司其职，没有非此即彼的选择。全球的数据也不可能全部转到SSD上。整体来看，当前数据中心里SSD占比大约在20%左右，其余80%仍然是机械硬盘。

机械硬盘能在今天依然占据八成份额，背后是一场长达二十多年的技术押注——HAMR（热辅助磁记录）。俞康告诉钛媒体，数据中心要求的不仅是容量大，还要求高密度。盘多了，硬件设施、占地空间和耗电量都会随之增加。“以前两块盘才能实现的容量，现在放到一块盘里就能实现，能耗就会降下来。”HAMR最大的价值在于能够继续突破传统磁记录技术的物理限制，实现更高的单盘面存储密度。

希捷基于HAMR的Mozaic+平台目前已经实现超过4TB单盘面密度，并支撑44TB级硬盘产品。两年前发布的第一代HAMR产品很快实现规模化量产，最新44TB产品今年年初发布后，已有两家全球领先的超大规模云厂商完成测试并开始批量发货。接下来两三年内，公司还会继续向50TB及更高容量演进，内部已经具备相应的技术和demo。

当被问及44TB产品推向市场后客户最看重什么，俞康给出的答案是TCO（总体拥有成本）。“衡量价格不是按一块盘多少钱算，而是按TB算。”他举例，一块44TB硬盘如果拆成一块20TB、一块24TB，总容量一样，但需要两套磁头、两套控制组件，总成本就比一块44TB的盘更高。过去硬盘行业每一代增加2TB左右的发展节奏，在HAMR技术出现后明显加快。他同时透露，对于新一代魔彩盒平台产品，客户测试过程“出乎意料地顺利”，因为这是一次较大技术变化，公司初期也比较谨慎，但客户反馈非常积极。目前产品发布只有两个季度左右，客户仍处于装机和上线阶段，运行数据还需要时间积累。

关于当前AI存储产业链日益复杂的生态格局——云厂商、模型厂商、存储厂商都在突破原有边界，俞康的态度相当务实。“这要具体情况具体分析。有些公司比较专注，会做好自己擅长的事情；有些公司有能力，也会向更多方向扩展，完全取决于企业自身能力以及市场对它的期待和需求。”他认为AI基础设施已经进入系统工程阶段，未来更重要的是数据如何产生、流动、存储和持续创造价值。

希捷的策略是继续专注于硬盘本身，把容量做得更高，同时保证性能持续提升，从而支撑未来数据规模的持续增长。面对大规模数据存储场景，对象存储已经成为主流架构之一，很多企业会在架构中增加中间层，但如果软件优化足够好，中间层可以尽量减少，进一步改善成本结构。对于数据中心运营者而言，核心矛盾不是“数据不够”，而是数据越来越多，空间、能源和预算却并未同步增长。因此客户希望同时获得更高容量、更低能耗和更优的单位TB成本，这正是HAMR技术路线试图解决的核心命题。

“未来，谁能更高效地管理和利用数据资产，谁就能构建更可持续的AI优势。”当数据规模迈向数百ZB时代，成本、能耗与可扩展性，将成为企业长期必须面对的三重课题。