（本文作者为 TechPulse，钛媒体经授权发布）
AI基础设施的投资重心，正在悄悄移位。
过去两年，市场的目光几乎全部压在算力上，GPU供不应求、智算中心遍地开花、大模型参数量一轮轮刷新。但当AI真正跑进生产环境，一个此前被忽视的问题开始浮出水面，数据存储的供需失衡。
IDC预测，到2029年全球AI基础设施支出将突破1万亿美元，五年复合增长率约31%；中国市场的这一数字是32.5%，略高于全球均值。更关键的一个预测是：到2029年，近80%的云端数据仍将存储在HDD上。
西部数据 首席产品官Ahmed Shihab表示，“计算资源可以在训练和推理之间循环复用，但数据的规模却在无休止地膨胀。“
训练模型要消耗 海量数据 ，单个模型训练就能用掉数个EB；模型跑起来之后，每一次推理还在持续生成数据，这些数据又会流回训练环节。GPU可以反复用，但每跑一次AI，数据就不断累积叠加。
这种结构性变化，在企业侧已经有了很具体的体感。
阿里云对象存储高级总监罗庆超直言，“存储已经从幕后走向前台，已经不再是配角，它成为AI系统运行的关键环节。“GPU集群规模越来越大，数据吞吐需求飙升，存储系统一旦跟不上，整个万卡集群就只能闲置，产生非常大的成本开销。
比亚迪 电子产品总经理崔勇也提到，智能驾驶领域每天产生的新数据接近PB级，甚至若干个PB级，增长曲线是指数级的。
但更棘手的问题不是数据量，而是数据的流转效率，从车端采集、清洗、训练，到模型下放、车端推理，每个环节的存储是割裂的，全靠人工衔接，“全生命周期数据流转效率低，会直接影响AI闭环迭代效率。
冷热数据分层是另一个普遍痛点。热数据对IO性能要求极高，但大量实际上并不需要高性能的数据仍然堆在昂贵的闪存上，成本居高不下。用崔勇的话说：“最大的挑战是做到又快又便宜，这是最难的。”
这些痛点的集中出现，解释了为什么在西部数据对全球200家头部客户的调研中，90%的中国受访者将TCO（总体拥有成本）列为HDD的首要优势，72.7%的人表示这是他们将HDD纳入长期战略的核心原因。
需求侧的变化，正在倒逼供给侧加速。
西部数据公开了一份节奏相当密集的产品路线图：2026年实现40TB单盘，2029年达到100TB以上，这个数字在一年前被认为不现实，本次西部数据给出了明确的技术路径，HAMR（热辅助磁记录）技术将单张磁碟容量从约4TB提升至10TB，配合单盘封装14碟，最终实现100TB以上。
容量之外，还有两项面向AI工作负载的针对性技术。一是高带宽硬盘技术，通过让两个磁头同时读写，将单盘带宽翻倍，解决容量增加后每TB带宽被稀释的问题，让客户不需要随硬盘升级而修改软件；二是双枢轴技术，在硬盘内置双磁臂，顺序IO性能翻倍。两项技术可以叠加，且均已进入客户验证阶段。
能耗方向也有动作，功耗优化型HDD可将功耗降低20%，性能代偿控制在5%至10%，并附带约10%的额外容量提升，计划2027年进入客户认证阶段。对于动辄部署数千块硬盘的超大规模数据中心，乘数效应相当可观。
西部数据援引自身产品数据显示，旧款4TB传统硬盘功耗约为2.85W/TB，现代32TB氦气硬盘降至约0.3W/TB，降幅超过9倍。
AI产业的上半场，大家在抢算力；下半场，数据基础设施的长期补课，才刚刚开始。 （本文作者 | 张帅 ，编辑 | 杨林）
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App