AI时代数据存储架构如何创新？西部数据在WAIC公布路线图

两融利息怎么算

智东西

作者 | ZeR0

编辑 | 漠影

智东西7月21日报道，世界人工智能大会WAIC 2026期间，西部数据通过参展与举行专题分论坛，全面呈现存储基础设施如何支撑AI的规模化发展。

数据如何被存储、管理与长期保留，已成为决定AI能否实现可持续、经济高效规模化发展的关键因素。

在展台上，西部数据展示了两项业界首创的先进HDD创新技术：高带宽硬盘技术和双枢轴硬盘技术，以及HAMR（热辅助磁记录）、ePMR（能量辅助垂直磁记录）和UltraSMR技术，并展现了这些技术如何与其平台产品组合相辅相成，专为满足规模化AI基础设施的需求而打造。

其中，高带宽硬盘技术通过多磁头在多个磁道同时进行读写，可在不增加功耗的前提下提供高达传统HDD 2倍的带宽。该技术具备清晰的拓展路径，未来可实现高达8倍的带宽增益，目前已交付客户进行验证。

双枢轴技术在独立枢轴上增加了第二组独立运行的执行器，可在3.5英寸硬盘内提供高达2倍的顺序IO性能增益。这与以往牺牲容量且需要客户大幅度修改软件的双执行器设计不同，双枢轴技术通过缩小磁碟间距，在单个硬盘中搭载更多磁碟，从而提升整体容量。

通过这些技术的结合，西部数据将使硬盘顺序IO性能整体提升至4倍，在实现100TB HDD的同时，仍能保持客户当前享有的每TB相对IO速率。这有效减少了客户在容量扩展过程中增加SSD部署或重构服务架构的需求。

西部数据还展出了面向大规模数据存储环境的多款Ultrastar企业级HDD解决方案，包括40TB和34TB Ultrastar DC HC6100数据中心UltraSMR硬盘、30TB和28TB Ultrastar DC HC5090数据中心CMR硬盘、采用HAMR技术的40TB Ultrastar DC HCS100数据中心UltraSMR硬盘，以及采用高带宽硬盘和双枢轴技术的性能优化型硬盘。

值得注意的是，采用UltraSMR ePMR技术的40TB HDD现已进入客户认证阶段，并计划于2026年下半年实现量产。

西部数据展出的精选先进存储平台解决方案，包括全新Ultrastar Data60 3000混合存储平台、OpenFlex Data24 4200存储平台以及RapidFlex C2000网络交换桥接适配器，旨在支持可扩展部署、灵活的资源利用以及满足现代数据基础设施的要求。

7月19日下午，西部数据举办以“面向AI时代的数据存储架构创新”为主题的分论坛。西部数据开发工程高级副总裁Tim Rausch发表主题演讲。

西部数据从一个关键差异点重新审视了AI基础设施：即计算周期可以重复利用，而数据会持续累积。

Tim强调，AI不仅是计算系统，更是数据系统，在其中训练和推理往复循环。每一次交互都会产生新的数据，这些数据可被存储、重新纳入训练并用于改进后续模型，使存储需求呈现持续性和累积性。如何高效管理这些海量数据，已成为行业面临的核心挑战。

他着重分享了三类工作负载：

第一类是训练数据，通常一次写入、存放在HDD上，并被周期性读取，因为模型并非始终处于训练状态。随着用户生成的内容回流到AI数据循环中，训练数据量会持续增长。这一层最看重的是能够扩展到EB级、且具有成本效益的存储，而这正是HDD的用处。

第二类是推理，例如我与AI交互，请它提供晚餐食谱或生成一张图片，同时还有数百万用户在以类似的方式使用AI，这会产生大量随机小数据读取，还需要内存来保留对话上下文。因此，这一层既需要高带宽和高IOPS，也需要持久化存储，这正是SSD发挥作用的场景。

第三类是推理输出，也就是AI为我生成的食谱、图片或其他内容。此外两融利息怎么算，AI还会保留日志、追踪记录、合规记录和元数据。很多数据最初位于HBM或DRAM中，但很快会向下迁移到HDD，进行持久化存储。

AI存储栈与传统云应用使用的存储栈有所不同。传统应用可能主要依赖两个存储层级：闪存和HDD。假设一个应用中有数千张图片，用户打开应用时最先看到的10到20张图片可能来自NAND闪存，以便快速呈现；继续向下浏览时，后续图片则从HDD加载，因为HDD更具成本效益。开发者会根据性能与成本的平衡，将内容放到合适的存储层。

AI构建者采用同一套原则，但涉及到更多层级：

上层是模型权重/GPU显存溢出，即HBM或DRAM紧邻成本高昂的GPU，以便持续向其供给数据。

下一层是KV缓存，也就是AI系统的短期记忆，主要使用DRAM和SSD。

再下一层是语义数据库，其中包含向量、嵌入和检索增强生成（RAG）数据，通常运行在SSD上的高性能数据层。