文章核心观点 - AI从实验走向规模化部署，基础设施的关注点正从“算力”扩展到“数据”，AI不仅是一个算力系统，更是一个数据系统[4] - AI工作负载产生并依赖海量数据，高效存储、管理、保留与复用这些数据是支撑模型迭代和业务优化的关键[4] - 持续增长的数据、分层演进的存储架构，以及兼顾容量、性能、可靠性与总体拥有成本（TCO）的基础设施能力，是驱动AI规模化发展的关键因素[4] - 在规模化发展中，经济性决定架构，通过智能数据分层和均衡的存储架构，能够从容应对持续增长的数据规模，并使AI基础设施变得务实且经济可行[10] AI数据基础设施的演进与挑战 - AI基础设施的一个关键差异点在于：计算周期可以重复利用，而数据会持续累积[10] - AI不仅是计算系统，更是数据系统，训练和推理往复循环，每次交互产生的新数据可被存储并重新纳入训练以改进模型，导致存储需求具有持续性和累积性[10] - AI工作负载正推动云存储架构从传统的2层向专业的4层演进，新层级包括：模型权重/GPU显存溢出、KV Cache、向量与检索增强生成（RAG）、HDD大容量存储[3][10] - 以一次生成式视频请求为例，生成一个3.97MB的视频需要在存储栈中完成46.5GB的读写，并在后端留下506MB数据[10] - 推理输出被存储、重新纳入系统并用作合成训练数据后，会形成“模型改进—更多推理—更多输出被留存”的自我强化循环，持续扩大持久存储层[10] 西部数据的技术与产品展示 - 公司展示了最新的机械硬盘（HDD）创新技术，包括HAMR（热辅助磁记录）、ePMR（能量辅助垂直磁记录）、UltraSMR™、高带宽硬盘技术（High Bandwidth Drive Technology）与双枢轴技术（Dual Pivot Technology）[6] - 这些技术旨在推动容量、性能、可靠性与总体拥有成本（TCO）的优化，巩固公司作为战略性AI基础设施合作伙伴的地位[6] - 公司展出了精选的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[6] - 这些平台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[6] 高容量存储的战略价值与发展路线 - 随着AI数据规模持续扩大，高容量存储在AI基础设施中的战略价值凸显，企业不仅需要高性能存储支撑活跃数据访问，也需要具备容量优势、长期可靠性和TCO效率的存储基础来承载海量数据资产[11] - HDD在大规模数据留存、长期保留、成本优化和数据生命周期管理中发挥关键作用[11] - 面向AI规模化发展，存储架构不应是单一介质的选择题，而需要根据不同工作负载和数据生命周期进行分层设计[11] - 公司持续推进高容量企业级HDD技术创新，采取ePMR与HAMR双路径技术演进，以帮助客户在AI规模化应用中更好地平衡容量、性能、可靠性与总体拥有成本[11] - 公司分享了未来五年的发展路线图，将采取ePMR与HAMR并行发展，帮助客户更平稳地迈向2029年单盘100TB以上的容量[12] - 对于需要高性能的工作负载，将通过高带宽硬盘技术与双枢轴技术提供带宽与IO性能增益[12] - 针对AI交互生成并需要持久留存的数据，可通过功耗优化型HDD提供经济可持续的解决方案[12] - 公司还将利用其智能平台，将HDD的经济性和优势延伸至更广泛的客户群体[12]