当AI成为基础设施，企业真正该重构的不是算力，而是存储。

过去一年，中国AI行业最密集讨论的三件事：大模型、算力、国产替代，当这些看得到的变量背后，如何长期走向的问题正在浮出水面：

数据存在哪里，以及能存多久？

近期，一篇西部数据中国、日本及亚太地区销售与市场营销副总裁Stefan Mandl署名的文章中，提到存储被重新拉回到AI基础设施的中心位置，当然作为头部HDD企业西部数据自然希望自己的产品和解决方案能和AI沾点边，而文章给出的判断也非常直接：真正“面向未来”的AI存储，始于规模、成本与能耗的平衡。

存储问题，正成为AI基础设施的核心决策层

在过往的传统IT时代，存储一直扮演者“被规划好的变量”的角色。

业务模型相对稳定，数据增长也可预测，冷热数据边界也非常清晰。

但AI改变了这一切

大模型的训练、调整与在训练，使得数据不再是一次性的消耗品，而成为反复需要被调用的长期资产。视频、图片、多模态内容成为主流的数据形态，非结构化数据占比迅速攀升。

IDC的预测显示，到2025年，企业生成的数据资产中将有86%以上是非结构化数据，而且将保持20%以上的年复合增长率，这一趋势在中国尤为的明显，特别是安防、工业视觉、自动驾驶、短视频、电商、几乎所有AI场景都在持续的“制造海量数据”。

很多企业在规划AI架构时都会进入一个误区，既然AI要算的快那索性底层就部署全闪存架构就好了。

先不管老板同意不同意，从过往的现实和AI架构角度来看，全闪存将造成企业无法承受的成本和能耗。

从AI架构角度来看，AI工作负载本身就高度分化：

训练数据池要求规模极大，访问频繁但不要求极低的时延；

推理与元数据则要求高并发、低时延、对性能要求极其敏感；

归档与合规数据则要求长期保存、偶发访问，但是不能删除；

理想状态下全部使用高性能全闪存，总体拥有成本一定会迅速失控，能耗压力也会成倍放大。

正因如此，西部数据在署名文章中反复强调一个被低估的现实：

即使在AI时代，HDD仍然时数据规模扩展的底座。

IDC的预测也支持这一判断，到2029年，云端近80%的存储容量仍将驻留在HDD上，这不是技术保守，而是基于理性的经济考量。

AI正在激活”冷数据“

值得注意的变化是，AI并没有让”冷数据“真正变冷。

在大模型时代、历史数据、归档数据、低频数据始终被不断重新调取，用于模型再训练、回溯分析、合规审计。

简单来说，冷数据的访问频率可能低，但其价值周期被无限大的拉长了。

分层存储再次被提及，高性能介质负责”即时决策“；大容量介质负责”长期留存“，在分层存储结构中，HDD并非被边缘化，而是承担起数据池与训练数据底座的角色，闪存则更多服务于推理和热点数据，这种组合正在成为AI基础设施的主流形态。

全世界都认为未来算力都将集中在中国，然而能耗也是整个中国AI产业的”系统性变量“。

算力中心、智算中心的密集建设，电力、PUE、碳排放都已经成为政策层面的核心考量。

特别是中国在”十五五“规划中明确提出构建新型能源体系，并已正式实施《绿色数据中心评价》国家标准。

在这些利好下，存储的能效将成为硬性的”准入条件”。

高容量HDD的价值，正从“便宜”转向“高密度、低能耗”特性“，以更高单盘容量实现服务器数据的减少，意味着运维于空间成本的下降，也直接降低了每TB的能耗水平。

真正”面向未来“的存储，并不激进

从西部数据这篇署名文章可以看出，西部数据并未试图描绘出一个激进、颠覆式的未来存储，而是给出了一个相对克制的判断：

面向未来的存储，不是押注单一技术路线，而是构建一个能长期跑下去的体系。

这个判断依据的确符合现实情况，特别是中国AI产业进入”算力理性期“的当下，用分层存储架构应对不确定的AI工作负载；用规模化介质承载无法阻挡的数据增长；用能效和总拥有成本来换取长期可持续性。这种思路比单纯追求性能峰值，更接近现实的答案。

AI的竞争就像过往任何一次变革一样，终究会从”谁算的更快“转向”谁能撑的更久“。当数据规模、成本和能耗成为AI竞争的决定性变量时，存储将是AI能否持续演进的关键底座。

从这个意义上看，西部数据这篇署名文章在我看来真正的价值，不在于他推荐了哪种介质和解决方案，而在于它提醒了一件常被我们忽略的事情：在AI时代，基础设施的未来感，往往来自克制，而非激进。