核心观点

8 月 6 日，西部数据首席产品官 Ahmed Shihab 发文表示，AI 存储竞争的关键并非追求最快介质，而是能否以可承受成本持续扩展容量。许多架构在早期运行正常，但数据规模从数 PB 增至数百 PB 甚至 EB 级时，成本可能失控。

介质分工

  • 闪存：适合模型权重、GPU 溢出、KV 缓存、会话上下文等高性能、低延迟场景

  • HDD：适合训练语料、日志、检查点、合规记录、合成数据及推理输出等大规模、长期保存且成本敏感的数据


他总结称：「闪存处理当下，HDD 处理整个生命周期。」

存储成本即架构问题

AI 规模下，长期将大批量数据存放于高性能介质，会挤占计算、网络、电力和人力预算。未来 AI 存储应由单一技术主导转向分层设计，按性能、成本、功耗、密度、可靠性匹配工作负载，而非闪存与 HDD 的简单竞争。