独家对话希捷科技Jason Feist：AI时代企业正在“删除删除键”｜甲子光年

现代AI基础设施不仅依赖GPU提供的强大算力，还需要大容量硬盘来承载海量数据——存储系统正成为决定AI效能的关键环节。本文将探讨AI对存储的需求变化以及硬盘在其中扮演的角色。

在最近两年里，关于AI基础设施的讨论几乎完全被GPU、HBM、高速网络以及电力需求所主导。

这种聚焦很容易理解：大模型公司需要更多GPU进行训练和推理，也需要HBM为芯片提供足够带宽；高速网络决定大规模集群能否协同工作，数据中心则必须解决供电、散热和互联问题。围绕算力展开的每一个环节，都已变成AI竞赛中最显眼的入场条件。

针对上述瓶颈，行业常提到“内存墙（memory wall）”概念。该概念指计算芯片速度持续提升，但数据从DRAM、HBM等高速内存传送到芯片的速度跟不上，导致算力无法充分释放。它反映了计算过程中数据供给的效率问题。

然而，随着越来越多GPU被部署到数据中心，另一个问题浮出水面：这些算力究竟要分析什么？模型训练、推理、Agent、自动驾驶、机器人以及生命科学应用产生的数据，应该存放在哪里？保存多长时间？未来又如何被重新调用？

倘若海量数据不能以足够低的成本、足够高的密度以及足够可靠的方式被长期保存、分层管理，并在需要时重新调用，是否就会产生“存储墙（storage wall）”呢？

在日常讨论中，“内存”和“存储”常被混用，但在AI基础设施中两者属于不同层级：前者偏向计算过程中的高速数据供给，后者则指数据中心里承载海量数据长期保存、分层管理和反复调用的基础设施，包括对象存储、高容量机械硬盘（HDD）以及企业级固态硬盘（SSD）等。

那么，AI究竟如何改变存储系统？硬盘在AI数据中心是否变得更为重要？“存储墙”会带来什么影响？存储行业最大的共识又是什么？

带着这些疑问，近期我们与一位存储领域的资深专家进行了深入对话。

该专家负责全球云存储业务，在云基础设施、AI工作负载和数据中心存储系统方面积累了丰富经验。他曾在相关企业从事硬件工程、产品开发和运营等多个岗位，拥有电气工程背景和多项专利。相比单纯从市场角度解释存储需求，他更熟悉一块硬盘如何被设计、制造、部署，并最终进入超大规模云厂商和AI数据中心的系统架构。

此次来华期间，他一方面与本地团队沟通，另一方面也会从北京一路到深圳，拜访云服务商、OEM厂商和系统集成商等关键客户。

在交流过程中，他给出了一个清晰判断：AI基础设施总是围绕一系列约束条件展开——“首先是计算，然后是内存，现在是存储”。

然而，他并不认为这意味着行业已撞上一道无法突破的“存储墙”。

随着算力不断扩张，数据正成为新的核心变量。AI模型需要更多数据训练和重训，Agent和物理AI会自主生成更多交互、副本和实例，企业也越来越倾向于长期保存数据，期待未来从中挖掘新价值。

他使用了一个形象的说法：“delete the delete key（删除删除键）”。

综上，尽管固态硬盘（SSD）日益普及，高容量机械硬盘（HDD）并未从数据中心消失，反而因AI数据存储需求的急剧增长而重要性愈发显现。这一现象深刻揭示了存储系统在AI基础设施中的关键支撑作用，也说明了存储行业的最新共识。