西部数据2026年展望：AI时代构建面向未来的存储

2025 年半导体市场在AI需求爆发与全产业链复苏的双重推动下，呈现出强劲的增长态势。以EDA/IP先进方法学、先进工艺、算力芯片、端侧AI、精准控制、高端模拟、高速互联、新型存储、先进封装等为代表的技术创新，和以AI数据中心、具身智能、新能源汽车、工业智能、卫星通信、AI眼镜等为代表的新兴应用，开启新一轮的技术和应用革命。过去的一年，半导体助力夯实数字经济高质量发展的全新底座，新的一年，半导体行业又将如何推动端云协同、普惠智能的普及之路呢。

最近，由电子发烧友网策划的“2026半导体产业展望”专题正式发布。电子发烧友网已经连续数年策划并推出“半导体产业展望”系列专题，每次一经上线都反响热烈、好评如潮。这里汇聚了半导体高管们对往年发展的回顾与总结，以及对新年市场机会和形势的前瞻预测。他们的睿智和洞察给了产业界莫大的参考和启发。今年来自国内外的半导体创新领袖企业高管们又带来哪些前瞻观点？此次，电子发烧友网特别采访了西部数据中国、日本及亚太地区销售与市场营销副总裁Stefan Mandl，以下是他对2026年存储行业的分析与展望。

图：西部数据中国、日本及亚太地区销售与市场营销副总裁Stefan Mandl

AI重塑企业数据存储基础设施需求

传统的存储架构多为可预测、静态的工作负载而设计。如今，随着 AI 应用持续学习、再训练和扩展，存储必须在海量规模下兼具成本效益、适应性和可靠性。构建面向未来的存储，意味着要构建能够随数据需求增长、应对不可预测的工作负载，并长期保持性能和耐用性的基础设施，同时兼顾成本与能耗。

AI 的兴起从根本上改变了格局，工作负载已趋向动态化，数据量正以前所未有的速度激增，这要求基础设施能够轻松扩展，为持续创新提供支持。Market Data Forecast 数据显示，亚太地区 AI 市场预计将以近 40% 的复合年增长率 (CAGR) 增长，到 2033 年，其市场规模将达到 1.365 万亿美元。而中国互联网络信息中心（CNNIC）在第 56 次《中国互联网络发展状况统计报告》中指出，2024 年中国 AI 产业规模就已经突破 7000 亿元。2025 年 1 月，中国还进一步设立 600 亿元规模的国家投资基金，围绕 AI 全产业链开展投资布局。为了跟上这一步伐，企业必须重新设计其存储基础设施以适应未来的需求。

存储在大规模AI中的角色

一个真正面向未来的存储战略建立在三大支柱之上：可扩展的经济性、动态的适应性以及可持续的运营体系。第一是可扩展的经济性，HDD 是基础。AI 对数据的需求极为庞大，且仍在迅速上升。非结构化的数据正呈爆炸式增长，其规模达到 PB 级别，管理这些数据已成为当今企业面临的最大挑战之一。根据 IDC 的数据，到 2025 年，企业所生成的数据中将有超过 86% 是非结构化的，并且在未来五年内，这类数据的复合年增长率 (CAGR) 将达到 26.4%。倘若缺乏适当的存储策略，成本便可能迅速攀升，乃至失控。

为应对这一挑战，企业正转向战略性和自动化的分层存储，而 HDD 在此充当着“经济性支柱”的角色。对于超大规模和云数据中心而言，HDD 依然是不可或缺的。根据 IDC 的数据，到 2029 年，云端近 80% 的数据仍将驻留在 HDD 上。其规模化的经济效益、可靠性和性能，使 HDD 成为数据可持续增长的基础。HDD 提供了可预测的总体拥有成本（TCO），使企业能够高效地存储和分析海量数据集，而无需承受不可持续的资本或运营支出。

AI 正在使"冷"数据重获价值，将归档数据转化为可执行的洞察。基于 HDD 的存储通过以经济高效的规模保持海量数据集的可访问性，支持 AI 工作流，用于训练和重新训练模型，而更高性能的闪存则留给推理和元数据操作。HDD 仍将是 AI 的支柱，为现代工作负载提供了所需的规模、可靠性和效率。

第二是动态适应性，随数据演进而扩展的存储分层。在AI时代，数据不断流动，根据其使用方式和时间在热、温、冷层级之间切换。企业需要能够跟上这种流动性的基础设施。面向未来的存储必须支持自动分层、横向扩展架构以及智能的软件定义管理。这些能力可实现数据在存储层之间的无缝流动，无需人工干预，从而优化成本和性能。

在这一环节，HDD 继续发挥核心作用。它们是数据湖的基础，支撑着海量结构化与非结构化数据的集中存储与处理。通过开放式 API、灵活的访问协议以及跨存储介质的互操作性，HDD 可以与AI流水线无缝集成。

适应性也意味着韧性。基于 HDD 的现代基础设施能够纵向扩展或横向扩展，以满足激增的数据需求，而无需进行昂贵的迁移或造成停机。能量辅助磁记录（EAMR）和双执行器设计等创新进一步提升性能，带来更快的重建能力、更高的吞吐量和更优的能效，以满足AI工作负载的实时需求。

简而言之，HDD 为数据在整个 AI 生命周期中发挥作用奠定了基础 ——从数据采集到训练、再训练和合规性——确保企业在快速变化的数据环境中保持敏捷与灵活。

第三是可持续运营，为长期可行性而构建。AI 有望带来变革，但也带来了显著的能源成本。训练一个大型 AI 模型所消耗的电力可高达数百个家庭一年的用电量。 根据普华永道（PwC）的数据，亚太地区的电力需求预计将从 2024 年的约 320 太瓦时（TWh）上升到 2030 年的 780 太瓦时，但其中仅有约 32% 将由可再生能源满足。

可持续性不再是一个企业流行语——它已成为一项商业要务。在亚太地区，各国政府和企业正在认识到这一现实。

中国在最新的“十五五规划”中提出，要加快建设新型能源体系，积极稳妥推进和实现碳达峰；同时在 2025 年正式实施了其《绿色数据中心评价》国家标准，为数据中心的绿色低碳建设提供了明确指引。

高能效存储正在成为采购重点。尤其是高容量 HDD，它允许企业整合工作负载，在保持性能和可靠性的同时，降低每 TB 的总体功耗。例如，以 32TB HDD 替换 24TB HDD 来部署 2PB 存储，可将服务器数量减少 25%，每 TB 能耗降低 20%，并降低基础设施和维护成本。

利用 HDD 经济性的战略性存储架构，结合数据去重和压缩等策略性存储架构，使企业能够在负责任地扩展 AI的同时提高运营效率，并支持其可持续发展承诺。由此形成的存储生态，在成本、性能与可持续性之间取得平衡——这正是面向未来增长的最佳定义。

构建面向未来的存储

构建面向未来的存储不仅仅需要速度。它需要一种整合了可扩展的经济性、动态的适应性和可持续的运营的整体方法。这三大支柱相互支撑：可持续的经济性确保数据能够在规模扩张的同时保持经济可行；动态的适应性使存储能够智能应对不断变化的 AI 工作负载；可持续的运营使这种增长在环境层面和成本层面都具备长期可行性。

这一种方法论的核心，是HDD——它们提供大规模 AI 所需的可靠性、成本效率与性能。 通过整合这些要素，企业可以构建一套具有韧性、响应能力强且着眼于长远发展的存储架构，从而为支持当今的 AI 应用和未来的创新奠定基础。将存储视为一种战略性的赋能工具 ，有助于企业释放 AI 的全部潜力，同时不为其运营需求所累。构建这一“面向未来”的基石，正当其时。