Storage is the Real Bottleneck for AI Scaling

•AI工作流程的每個階段（從資料擷取到模型推論及日誌記錄）都會持續產生大量資料，導致儲存需求呈指數級增長，這對儲存容量擴展和總擁有成本（TCO）構成重大挑戰。
•AI基礎架構的未來將依賴於分層式儲存架構，結合HDD、SSD和磁帶等不同技術，以滿足AI工作負載對效能、容量和成本的多樣化需求，其中HDD將繼續扮演大規模冷資料儲存的關鍵角色。
•Western Digital預計其2026年底前的HDD產能已全部售罄，並已與主要客戶簽訂至2027-2028年的長期供應合約，這表明AI對大容量HDD的需求遠超預期，並導致市場價格急劇上漲。
•AI數據管理不僅限於儲存，更涵蓋利用AI算法進行數據清理、降噪、處理缺失數據（包括合成數據生成）、趨勢檢測及自動化管理，以確保數據品質、安全性和可訪問性，進而提升AI模型效能。
•AI基礎設施的瓶頸正在從GPU和HBM等計算元件，逐步轉移至儲存、光互連、電力和液冷等更廣泛的基礎設施層面，且這些瓶頸會隨著時間推移而變化。

分層儲存架構： 針對AI工作負載，儲存系統採用多層次設計，包括使用NVMe/SSD處理熱資料（AI訓練與推論），混合快閃與高效能磁碟作為中間層，以及大容量HDD承載冷資料（長期資料湖、模型備份、監控影像等）和深度封存層（磁帶）。
HDD技術創新： Western Digital透過HelioSeal氦氣密封技術、OptiNAND、UltraSMR等技術提升硬碟容量與可靠性，並持續發展熱輔助磁記錄（HAMR）技術以增加儲存密度。
NVMe儲存： NVMe (Non-Volatile Memory Express) 是一種基於PCIe的高速傳輸協定，提供高吞吐量和低延遲，直接訪問PCIe總線，減少CPU指令，並支持多達64K個命令佇列，對於AI、資料庫和HPC應用至關重要。
AI數據管理技術： 應用AI算法進行數據清理、降噪、處理缺失數據（例如透過合成數據生成器）、自動化數據集成、元數據管理、查詢優化及數據安全（如數據丟失防護DLP、用戶和實體行為分析UEBA、欺詐檢測）。
邏輯資料管理與資料虛擬化： 這些技術旨在建立統一的資料環境，打破資料孤島，並將原始資料轉換為AI模型可用的特徵，以支援持續學習和動態資料管道。

大容量HDD的需求將持續增長，並在AI分層儲存架構中扮演關鍵角色。

AI數據的累積性導致冷資料和備份資料基數持續放大，而HDD在單位容量成本上具有顯著優勢，使其成為大規模長期儲存的經濟選擇。

AI數據管理將從被動儲存轉變為主動智慧型基礎架構的核心。

隨著AI工作負載的複雜性增加，企業需要能夠自動判斷資料「溫度」、進行分層、清洗、向量化和安全管理的智慧型儲存解決方案，以優化效率和成本。

AI基礎設施的瓶頸將持續從計算轉向電力和電網基礎設施。

超大型資料中心對電力的需求呈倍數暴增，導致變壓器等關鍵設備短缺和電網併網延遲，使得電力成為AI擴張的終極限制。

1970-04

General Digital Corporation成立，後更名為Western Digital

1975-00

成為世界上最大的獨立計算機晶片製造商

2011-03

與日立環球儲存科技（HGST）合併

2013-00

推出HelioSeal氦氣密封硬碟技術

2017-10

發表MAMR (微波輔助磁記錄) 技術，大幅提升硬碟密度

2025-02

完成SanDisk閃存業務分拆，專注於企業級與雲端用高容量硬碟與儲存系統

2026-02

CEO表示2026年底前HDD產能已售罄，並簽訂長期供應合約

儲存才是 AI 規模化的真正門檻