AI存储架构重构：西部数据HAMR/ePMR双轨制如何破解百TB瓶颈？

在2026世界人工智能大会（WAIC）的聚光灯下，存储技术的演进不再仅仅是容量的线性增长，而是与AI工作负载的深度耦合。西部数据开发工程高级副总裁Tim Rausch在演讲中揭示了一条清晰且极具野心的技术路线图：通过HAMR（热辅助磁记录）与ePMR（能量辅助垂直磁记录）两条技术路径的双线并进，公司计划在2028年使单盘容量均达到60TB，并最终在2029年通过HAMR技术冲击100TB的单盘容量大关。这一战略不仅展示了机械硬盘在闪存主导时代的韧性，更折射出AI时代存储架构正在经历的深刻重构。

当前，AI内容存储呈现出一种看似矛盾却符合经济理性的分布格局：约80%的AI内容存储在HDD上，仅有20%位于SSD。这一数据背后，是AI工作负载对存储层级提出的全新要求。传统的“闪存+HDD”两层架构正在向四层结构演进。第一层是紧贴GPU的HBM/DRAM，用于处理即时计算；第二层是KV缓存层，以DRAM和SSD为主，服务于快速检索；第三层是向量数据库和RAG（检索增强生成）数据，运行在SSD上以平衡速度与容量；而第四层，即HDD，则承载着训练数据的持久存储和推理输出的长期归档。

这种分层架构的复杂性在AI生成视频的场景中体现得淋漓尽致。以处理一个仅3.97MB的720p短视频为例，系统实际流经GPU处理的数据量高达44GB。最终留存给用户的506MB数据，仅仅是原始处理数据的极小部分。这130倍的数据膨胀率，涵盖了编码输出、推理日志、合规记录以及元数据等关键信息。每一次请求，实际上都在调用三类不同的存储层级，这对存储系统的吞吐量、延迟和成本效率提出了极高的挑战。

从宏观数据来看，这种存储需求的爆炸式增长已不可逆转。IDC预测，2026年全球数据产生量将达到274 ZB，到2030年将激增至718 ZB。面对如此庞大的数据洪流，TCO（总体拥有成本）成为企业客户决策的核心指标。西部数据提供的一组数据极具说服力：对于管理100EB数据的超大规模运营商而言，每GB存储成本相差1美分，就意味着约10亿美元的总成本变动。与此同时，SSD成本在2026年第一季度已上涨约80%，Gartner预测DRAM和SSD成本年底可能进一步上涨130%。相比之下，HDD的成本优势愈发凸显。

在具体的TCO测算中，西部数据展示了一个典型的机架级案例。以五年为周期，一个40PB的机架总成本约为100万美元，每TB成本为25美元。若切换至SMR（叠瓦式磁记录）技术，容量可增加20%至48PB，虽然总成本升至110万美元，但每TB成本降至22.9美元，降幅约8.4%。这一细微的成本优化，在EB级规模下将被放大为巨大的经济效益。

除了技术路线的推进，西部数据还推出了“可变容量交付模式”，这一创新举措旨在打破传统固定容量档位的限制。在该模式下，每块硬盘按实测可用容量交付，而非传统的标准化规格。在一个由15块硬盘组成的JBOD（Just a Bunch of Disks）系统中，这种模式可带来约3%的容量提升，对应约1.5%的TCO下降。尽管这一收益基于特定系统模型，但其揭示的趋势是明确的：随着制造工艺的成熟，这种精细化交付模式将带来更长期的价值释放。

从市场区域来看，中国AI数据中心市场展现出强劲的增长动力。据Grand View Research数据，该市场预计到2033年将超过660亿美元，2026至2033年的复合年增长率高达26.2%。西部数据对中国区核心客户和分销商的抽样调查进一步印证了HDD在AI时代的不可替代性：81.8%的受访者将AI训练推理与TCO优化列为优先事项，90.9%认为TCO是HDD的主要优势。目前，HDD已占据多数中国客户存储基础设施的50%至超过75%的份额。

目前，40TB的HAMR和ePMR样品已向部分客户交付，44TB HAMR样品计划于年内提供。这一进度表明，西部数据的技术路线图并非空中楼阁，而是正在逐步落地。在AI大模型训练数据规模指数级增长的背景下，HDD凭借其高容量、低成本的特性，依然是大规模数据存储的基石。HAMR与ePMR的双线并进，不仅是为了追求单盘容量的极限，更是为了在AI存储的四层架构中，稳固并强化HDD在底层持久存储中的核心地位。

未来，随着HAMR技术在100TB节点上的突破，存储行业将迎来新的竞争格局。SSD将更多地聚焦于高性能、低延迟的缓存与热数据层，而HDD则通过技术迭代，继续承担冷数据与温数据的规模化存储任务。这种分工协作的存储生态，将是应对2030年718 ZB数据洪流的唯一可行方案。对于企业而言，理解并优化这一多层级存储架构，将是降低AI运营成本、提升数据价值的关键所在。