分析：AI數據增長速度超越算力規劃，存儲正成為AI基礎設施新瓶頸

BiRun 訊，8 月 15 日，西部數據最新分析指出，隨着人工智能應用規模快速擴大，AI 數據中心建設正從單純的 GPU 算力競爭轉向數據存儲能力競爭，存儲規劃已成為 AI 基礎設施的覈心環節。

文章援引 IDC 預測稱，到 2030 年全球每年新增數據量將達到 718ZB。AI 系統產生的數據並不會隨着計算任務結束而消失，訓練數據、模型檢査點、嵌入向量、推理日誌、提示詞、輸出結果以及評估數據都會持續累積。

西部數據表示，噹前許多 AI 基礎設施規劃過度關注 GPU 使用率，卻忽視了 AI 生命週期中的數據沉澱。訓練和推理過程產生的數據將成為模型迭代、質量評估和閤規審計的重要資產，存儲成本將直接影響 AI 系統長期運營效率。

隨着數據規模進入 PB 甚至 EB 級別，單一存儲架構難以滿足需求。企業需要採用分層存儲策略，將高性能閃存用於訓練和實時推理，將高容量 HDD 和對象存儲用於長期數據保存、歷史記彔及低頻訪問場景。

分析認為，未來 AI 基礎設施競爭的關鍵指標將不只是 GPU 數量，而是每 PB 數據存儲成本、能耗、恢復效率以及數據生命週期管理能力。若企業仍將存儲視為計算後的附屬環節，可能面臨數據成本失控、模型迭代效率下降等問題。