WAIC 2026释放强烈信号，HDD迎来“第二春”

在世界人工智能大会（WAIC）上，西部数据指出，AI不只是计算系统，更是数据系统。计算周期可以重复利用，而数据会持续累积。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。

被忽视的“AI数据放大效应”

西部数据开发工程高级副总裁 Tim Rausch指出，大众对生成式AI的直观印象往往停留在输入提示词、即时获得结果。但在数据中心后端，每一次交互都在引爆数据循环，生成的内容会沿存储层级向下迁移，最终保存在机械硬盘（HDD）中。

图 | 西部数据开发工程高级副总裁 Tim Rausch；来源：西部数据

Tim Rausch分享了一个使用常用AI工具的真实测试案例：一个用户输入提示词生成了一段8秒、大小仅为3.97MB的短片。但在后端，有高达44GB的数据流经GPU处理；更重要的是，系统为了后续的模型优化、合规审查与审计，最终在存储层还留存了编码输出、推理追踪日志、合规记录及遥测元数据等，总计509 MB的数据。

AI实际留存的数据量，高达最终交付内容的130倍。同时，当这段视频被发布、分享，进而被其他AI系统再次识别和分析时，新的副本和衍生数据将无休止地循环累积。

因此，行业分析机构预测，全球数据量将在未来几年面临指数级增长。这种数据流经计算系统被不断丰富、进而产生更多数据的自强化循环，让原本的温冷数据存储层面临前所未有的膨胀压力。

经济性决定云存储架构的分层

Tim Rausch指出，为了应对这场数据海啸，云端存储架构正被迫从传统的2层（闪存 + 传统HDD）向专业的“AI 4层存储架构”演进。

图 | 云端存储架构正被迫从传统的2层向4层存储架构演进；来源：与非网摄制

目前，头部AI基础设施正在围绕GPU重构精密的数据分层系统。最顶层由紧邻GPU的HBM与DRAM组成，负责向GPU快速供给数据；紧接着是负责对话上下文短期记忆的KV缓存（KV Cache）；再下一层则是运行在高性能SSD上的语义数据库，用以处理向量（Vector）、嵌入（Embeddings）与RAG数据。而承载这一切、最底层的基础设施，则是负责保存日志、原始训练数据与推理副本的HDD大容量存储层。

这种智能分层源于极致的成本考量。随着近年闪存与内存成本的大幅攀升，超大规模云服务商在管理EB级别数据时，假设每GB存储介质存在即使仅1美分的微小差价，放大到100EB数据体量后就意味着高达10亿美元的硬性成本波动。据Tim在现场引用的数据，目前约80%的AI内容存储在HDD上，约20%存储在SSD上，反映了两类介质在容量、性能与成本方面的分层协同关系。因此，将对性能不敏感的温冷数据迁移至成本更低的HDD大容量存储层，是维持基础设施经济可行性的必然选择。

微观晶粒与硬件重构

与此同时，为了在有限的机房空间内塞进更多数据，底层硬件厂商正在并行推进ePMR（能量辅助垂直磁记录）与HAMR（热辅助磁记录）两种磁记录技术，试图在未来几年内将单盘容量推向100TB以上。

图 | ePMR（能量辅助垂直磁记录）技术；来源：西部数据

图 | HAMR（热辅助磁记录）技术

实现百TB容量的关键在于面密度与内部结构的双重突破。HAMR 目前每张盘片可实现4TB 容量，11张盘片即可组成44TB硬盘。在微观层面上，通过将记录介质的磁性晶粒直径缩小（突破现有的8nm），同一张盘片上能容纳更多数据。

Tim Rausch认为，通过该技术迭代，单盘片容量可以从目前的4TB提升到约7TB，未来甚至达到10TB。

此外，在HAMR技术中，为了加热介质以配合高密度写入，极微小的微型激光组件将被整合进磁头中，从而为硬盘内部腾出空间。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。

与此同时，结构的重构也可增强硬盘的吞吐性能。根据Tim Rausch的介绍，高带宽硬盘技术采用三级执行器，允许同时读写多条成对磁道，将顺序吞吐量直接翻倍。

图 | 高带宽硬盘技术（HBDT）；来源：西部数据

双枢轴技术则将磁头分布在两个独立枢轴的执行器上，使顺序I/O性能提升2倍，并通过缩小盘片间距，为容纳更多盘片创造条件。

图 | 双枢轴技术（DPT）；来源：西部数据

当这两项技术结合时，硬盘的顺序IO性能将整体提升至原来的4倍，在实现100TB HDD的同時，仍能保持客户当前的每TB相对IO速率。

Tim Rausch透露，当前高带宽硬盘样品已经进入客户验证阶段，并将在未来几年逐步走向量产。西部数据计划在2027年或2028年初开始提供双枢轴硬盘样品，随后推进量产。

另外，Tim Rausch还提到了功耗优化型HDD，它的原理是通过降低盘片转速（功耗降低约20%，性能仅下降5%-10%），为冷数据存储提供经济可持续的解决方案。

如何深挖现有硬件潜能？

百TB的远景固然美好，但面对眼前的数据重压，数据中心更急需当下就能部署的降本方案。叠瓦式磁记录（SMR）与可变容量（Variable Capacity）技术的商业化，正是这种背景下的产物。

图 | 超高密度叠瓦式磁记录（SMR）技术；来源：西部数据

SMR叠瓦式技术打破了传统CMR磁道彼此独立的限制，让磁道像屋顶瓦片一样相互重叠，从而提升20%的可用容量。虽然重叠磁道在改写数据时需要进行垃圾回收，但在演讲所示的SMR架构中，控制权完全交给主机端，企业可依据AI工作负载的波峰波谷期灵活调度。

Tim Rausch透露，在演讲展示的简化五年TCO示例中，这项技术折算下来能让每TB的总体拥有成本（TCO）降低约8.4%。

可变容量技术则打破了传统固定档位的交付限制。传统制造中超出标准但未达到下一档位的可用容量通常会被屏蔽浪费，而可变容量允许硬盘依据实际物理测试的最高稳定容量交付。

这项技术不仅能立刻带来约3%的初始容量提升，更具弹性的是，随着产线工艺成熟，同一款硬盘设计在一年内平均可用容量最高可提升10%。企业只需通过一次软件架构认证，未来就能直接获取工艺改进带来的TCO节省。

写在最后

根据Grand View Research数据，中国AI数据中心市场预计到2033年将超过660亿美元，2026至2033年的复合年增长率为26.2%。西部数据针对中国区核心客户的抽样调查显示，81.8%的受访者将满足 AI 训练和推理工作负载与 TCO 优化列为优先事项，且 HDD 占据多数中国客户数据储存基础设施的50%至超过75%。

Tim Rausch强调，在规模化AI的战役中，算力与存储不可割裂，HDD与SSD也并非零和博弈，在专业的4层存储栈中各司其职、智能分层，才是支撑AI规模化可持续发展的务实解法。