AI算力之外：为何存储正成为制约智能体落地的关键瓶颈？
在人工智能发展的浪潮中，市场聚光灯长期笼罩在GPU算力、HBM内存以及高速网络带宽之上。这种对“计算速度”的极致追求，构建了AI快速迭代的技术基座。然而，随着AI从模型训练走向真实的业务场景，从单纯的生成式对话转向具备自主决策能力的智能体（Agent），一种被长期低估的基础设施问题逐渐浮出水面：数据存储与流动。
当智能体开始介入复杂的企业级应用，数据不再仅仅是静态的记录，而是需要被持续记忆、跨端流动并反复调用的动态资产。据希捷科技预测，到2031年，智能体相关应用的存储数据总量将达到惊人的10 ZB。这一数据规模的指数级增长，迫使行业重新审视存储在AI生态系统中的定位。存储早已不再是被动配合算力扩容的附属品，而是决定AI能否实现规模化、可持续落地的核心瓶颈。
算力叙事下的数据孤岛困境
过去两年，AI基础设施的讨论几乎被“唯算力论”所主导。企业竞相追逐更快的训练速度和更低的推理延迟，却往往忽视了数据本身的生命周期管理。俞康在近期与钛媒体的对话中指出，AI规模化落地的最大挑战，并非算力的匮乏，而是数据在云、边、端之间的流动、闭环与复用能力。
这一观点直指当前产业界的一个盲区：数据孤岛。在缺乏统一数据基础设施和全生命周期管理能力的情况下，云与边之间、不同业务系统之间形成了难以打通的壁垒。云边协同的本质，不应仅仅是计算资源的协同，更是数据的协同。如果数据无法被有效保存、调度并反哺模型，再强大的算法模型也无法实现持续的进化。
智能体的引入加剧了这一复杂性。与传统AI应用不同，智能体在运行过程中会产生海量的新数据，包括视频、图像、文本以及推理过程中产生的KV Cache（键值缓存）。KV Cache用于保留对话上下文，是智能体记忆能力的体现，但其存储需求极大。若无法高效管理这些历史数据和交互记录，系统就无法精准理解用户需求，智能体的价值也将大打折扣。因此，数据必须流动起来，跨越云端、边缘和终端，形成持续的价值创造闭环。
分层存储：并非非此即彼的零和博弈
面对如此庞大的数据体量，业界曾出现过一种激进的观点：是否应该将所有数据都迁移至昂贵的SSD（固态硬盘）？答案是否定的。从成本、能耗以及技术可行性来看，全球数据全部转向SSD是不现实的。
当前的共识是走向分层存储架构。在这种架构中，靠近GPU的高频内存负责极速访问，SSD承载相对活跃的热数据，而访问频率较低、需要长期留存的大规模冷数据则交由HDD（机械硬盘）处理。这种多层介质共存、各司其职的模式，已成为成熟数据中心的标配。数据显示，在整体数据中心存储中，SSD占比约为20%，其余80%依然由机械硬盘承担。
这种架构的优势在于灵活性。企业可以根据数据访问频率、性能需求和成本预算，动态调整各层级数据的比例。对于超大规模云厂商而言，虽然他们拥有强大的软件优化能力，可以通过分布式架构分摊I/O压力，但底层介质的物理特性决定了存储成本的底线。机械硬盘凭借其在单位容量成本上的绝对优势，依然是海量数据存储的主力军。
TCO视角：从单盘容量到总体拥有成本
在评估存储方案时，客户关注的焦点正从单纯的“每TB价格”转向“总体拥有成本”（TCO）。俞康强调，衡量存储价值的核心指标不再是单块硬盘的价格，而是包括建设成本、能源消耗、运维复杂度在内的综合成本。
随着数据中心建设成本的飙升，特别是在土地审批、能源配额日益紧张的背景下，提高存储密度成为降低TCO的最有效途径。希捷推出的基于HAMR（热辅助磁记录）技术的Mozaic+平台，正是为此而生。该技术突破了传统磁记录技术的物理限制，实现了单盘面超过4TB的存储密度，并支撑起44TB级别的企业级硬盘产品。
从TCO角度分析，一块44TB硬盘相比两块20TB硬盘的组合，虽然总容量相近，但前者只需要一套磁头、一套控制组件，大幅减少了硬件部件和接口数量。这不仅降低了硬盘本身的制造成本，更在系统层面减少了功耗和故障点。以1EB部署规模为例，相比传统的30TB硬盘方案，采用高密度硬盘可使硬盘数量减少约32%，数据中心占地减少约32%，基础设施效率提升约47%，每年节省近0.8GWh的能源消耗。
这种规模效应对于超大规模数据中心至关重要。客户在新增存储需求时，往往不会替换原有硬盘，而是将高密度硬盘作为增量部署，从而在不增加机房面积和电力负荷的前提下，实现容量的指数级增长。
技术突破：HAMR与材料科学的胜利
HAMR技术的成熟并非一蹴而就，而是希捷二十余年技术积累的爆发。该技术通过激光加热磁性介质，使得在极高密度下仍能稳定写入数据。其核心难点在于材料科学与精密工程的结合：如何在极小的磁晶颗粒上保持稳定性，同时保证读取信号的精度。
希捷的Mozaic平台融合了磁记录、磁头设计、材料学和电子设计等多项关键技术。目前，新一代44TB硬盘已获得两家全球领先的超大规模云厂商的测试验证并开始批量发货。未来两三年内，希捷计划向50TB乃至更高容量演进，内部Demo已具备相应能力。
这种技术迭代节奏远超传统硬盘行业每代增加2TB左右的惯例。技术突破带来的不仅是容量的提升，更是行业标准的重构。随着产品大规模量产，成本将进一步稀释，使得高密度存储成为更多企业可负担的基础设施选项。
中国市场的独特机遇与未来场景
相较于全球市场，中国AI应用呈现出更强的场景驱动特征。中国企业对技术落地的速度要求极高，尤其是在产生大量非结构化数据的领域。视频数据已占全球网络流量的80%，其中一半以上为生成和存储数据。这使得中国企业对边缘存储、本地数据治理以及长期数据留存有着更迫切的需求。
俞康看好未来几年在制造业数字孪生、智能交通、自动驾驶、AI视频生产以及智能机器人等领域的规模化应用。这些行业共同的特点是高度依赖持续增长的数据资产，且数据具有明显的时空关联性。例如，自动驾驶车辆产生的数据需要在地端进行初步处理，随后上传云端进行模型训练，最终再将优化后的模型下发至车辆。这一过程中，存储系统必须具备极高的可靠性和灵活性，以支持数据的高效流转。
生态合作与长期主义
面对日益复杂的AI存储产业链，希捷选择保持专注。在云厂商、模型厂商纷纷跨界探索的背景下，希捷坚守硬盘制造的核心领域，通过提升容量、性能和可靠性来支撑数据规模的持续增长。同时，希捷积极与云厂商、模型厂商开展合作，联合发布白皮书，分享最佳实践。
存储架构的设计没有统一标准，有的客户偏好高SSD占比以追求极致性能，有的客户则倾向于利用软件优化来降低对硬件中间层的依赖。希捷的价值在于提供灵活、可扩展的硬件基础，并帮助客户优化整体成本结构。
在AI规模化落地的下半场，数据成为新的石油，而存储则是提炼石油的炼油厂。谁能更高效地管理数据资产，实现数据的闭环流动与复用，谁就能构建更可持续的AI竞争优势。从44TB硬盘到Mozaic平台，从分层架构到TCO优化，存储技术的每一次微小进步，都在为AI的宏大叙事提供坚实的底层支撑。未来，随着数据规模迈向数百ZB时代，成本、能耗与可扩展性将成为企业长期面临的核心课题，而存储，将在这场变革中扮演愈发关键的角色。