这类存储，唯一没有国产化，AI数据中心不可或缺

电子发烧友网报道（文/黄晶晶）近日，华为高级副总裁、云CEO、数据存储产品线总裁周跃峰直言，中国今天已经解决CPU、内存、固态硬盘等器件的国产化，唯一没有解决国产化的存储器件就是机械硬盘HDD。然而，中国已是数据大国，仅中国市场的机械硬盘（HDD）年消耗量就接近600亿元。这一核心技术的缺失，使中国产业在全球供应链中处于被动地位。

不过，数据存储正在加速创新进化，即便HDD也不例外，以应对AI浪潮带来的数据爆炸需求。

市场格局

目前，全球HDD市场主要由西部数据、希捷和东芝三家厂商掌控。其中，西部数据和希捷占据了绝大部分市场份额，两者的合计份额超过85%。

《2025中国机械硬盘行业白皮书》分析指出，虽然PC、移动设备和部分游戏主机的存储需求正在转向SSD，但近线企业级硬盘目前已占据HDD行业总存储容量和收入的80%以上。在超大规模数据中心的备份、归档以及视频监控存储需求等方面仍然大有可为。

AI数据中心对HDD的技术需求

AI数据中心架构的计算集群包括高性能处理器、高带宽内存HBM、动态随机存取内存DRAM 和高性能本地固态硬盘SSD，它们形成强大的AI训练引擎。

设备内置内存具备高性能，通常由连接到处理器（图形处理单元GPU和中央处理单元CPU或数据处理单元DPU）的HBM 或DRAM 组成。DPU是卸载功能引擎，连接到 CPU，有助于处理特定任务。一些架构会使用DPU，而有些则不会使用。内存的高吞吐量可实现 AI 的高效数据提取和模型训练。

希捷分析AI数据中心对HDD的需求指出，SSD 的低延迟和充足容量可实现快速推理和对存储内容的频繁访问。在AI数据中心架构中，高性能本地SSD包含在计算集群中，靠近处理器和内存的位置。本地SSD通常运行三级单元内存，也具有高耐用性，但通常比网络SSD更昂贵，而容量却没有网络SSD高。

网络SSD具有比本地SSD更高的数据存储容量，用在存储集群中，并在整个 AI 应用工作流程中承担其他特定职责。它们的性能速度与本地 SSD的速度不一致。相对来说，网络SSD在每天硬盘写入次数方面不太耐用，但它们的容量较大，弥补了这一不足。

网络硬盘也是AI数据中心架构存储集群的一部分，是 AI 工作流中最具扩展性、最高效的 IT 设备。这些设备的访问速度相对适中，但是容量很高，非常适合不需要快速频繁访问的实例。

AI 工作流在使用和创建的无限循环中运行，不仅需要支持计算的处理器和内存，还需要存储组件。AI 工作流的相互关联的步骤包括搜寻数据、训练模型、创建内容、存储内容、保留数据和重用数据。

具体来说，在开始的数据搜寻阶段，网络SSD和网络硬盘用于存储创建新内容所需的大量数据。网络 SSD 充当可立即访问的数据层，提供更快的性能。网络硬盘提供充足、密集、可扩展的容量并通过长期保留和数据保护来提供原始数据。

在模型训练中，HBM和DRAM 对于快速数据访问至关重要，并将活动数据集保存在处理器附近。本地SSD用作此阶段中所用数据集的快速访问存储。它们存储中间训练结果并允许快速检索大型数据集。它们对于需要快速访问大量数据的训练模型特别有用，例如涉及数百万张图像的图像识别模型。机械硬盘以经济实惠的方式存储训练AI模型所需的大量数据。除了提供所需的可扩展容量，机械硬盘还可以帮助保持数据的完整性，存储和保护已创建内容的复制版本。机械硬盘与其他存储选项相比更经济高效，可提供可靠的长期存储以及高效保存和管理大型数据集。

在内容存储阶段，内容存储阶段依赖于网络SSD和网络硬盘来保存数据以用于持续优化、质量保证和合规性。网络SSD 提供速度匹配的数据层，并用于AI 生成内容的短期、高速存储。与机械硬盘相比，SSD 的容量较低，所以通常用于存储经常访问的内容或必须立即供编辑和提炼的内容。机械硬盘用于存储和保护所创建内容的复制版本，并提供关键容量，用于存储 AI 处理过程中生成的内容。机械硬盘特别适合这一用途，因为与其他存储选项（如 SSD）相比，它们以相对低的成本提供较大存储容量。

在数据保存阶段，复制的数据集将跨地区和环境保留。存储的数据是值得信赖的AI的支柱，这样数据科学家才能确保模型按预期运行。而网络SSD作为性能媒介，将这些机械硬盘连接到本地SSD层，促进数据在生态系统中移动。机械硬盘是实现长期数据存储和数据保护的主要工具。它们帮助维护 AI 内容创建的结果，安全地存储生成的内容，以便在需要时访问这些内容。它们还提供高效处理不断增长的数据量所需的可扩展性。

在数据重用环节，源数据、训练数据和推理数据将应用于工作流的下一次迭代。内容输出反馈到模型中，提高其准确性并推动新模型的生成。网络机械硬盘和SSD支持地理位置分散的 AI 数据创建。原始数据集和结果成为新工作流的来源。SSD 可以加速以前存储的数据的检索。低延迟访问促进了将这些数据快速重新集成到 AI 工作流中，从而减少了等待时间，并提高了整体系统效率。机械硬盘可满足 AI 数据重用阶段的大容量存储要求，从而以合理的成本实现该模型的后续迭代。

HDD存储厂商的技术创新

希捷表示，Seagate 硬盘采用 Mozaic 3+™（魔彩盒 3+）技术（特有的热辅助磁记录 (HAMR) 实施技术）。热辅助磁记录（HAMR）技术被认为是实现30TB以上超大容量HDD的关键技术。其磁密度、效率和空间优化优势使其成为 AI 应用的强大选择。这些硬盘提供前所未有的每盘片 3TB+ 的磁密度，目前可提供 30TB 起的容量并向超大规模客户批量出货。Seagate 已经在测试 Mozaic (魔彩盒) 平台实现每盘片 4TB+ 和 5TB+ 的容量。与当前这一代垂直磁记录 (PMR) 硬盘相比，Mozaic 3+ (魔彩盒 3+) 硬盘的运行功耗只有 PMR 的四分之一，每 TB 隐含碳排放为十分之一。

西部数据的ePMR（能量辅助垂直磁记录）和UltraSMR（超长磁记录）技术是其硬盘驱动器（HDD）产品线中的关键创新，旨在提升容量、性能和能效，以满足云存储、人工智能等数据密集型应用的需求。

ePMR技术通过在写入过程中施加能量（如热能或微波）辅助磁记录，突破传统垂直磁记录的超顺磁极限，从而提高磁记录密度。例如，西部数据的Ultrastar DC系列HDD基于ePMR技术实现了24TB至32TB的超大容量，适用于数据中心的近线存储和冷数据存储场景。

UltraSMR技术是SMR（叠瓦磁记录）的演进版本，通过优化磁道排列和引入大数据块编码、先进纠错算法，在ePMR基础上进一步提升容量。

相比传统CMR（连续磁记录），UltraSMR可实现超过20%的容量增益，同时保持较低的每TB功耗。‌西部数据的32TB Ultrastar DC HC690 UltraSMR HDD是该技术的代表产品，专为大规模数据湖和AI工作负载设计，支持高性价比的长期存储。

小结

可以看到，HDD机械硬盘在当前数据中心架构中依然具备不可替代的重要性，它与 SSD固态硬盘形成互补，共同支撑数据中心的存储需求，其在成本、容量、可靠性和应用适配性等方面具有优势。而对于国内存储的发展，在周跃峰看来，AI 时代，数据存储将不再是传统意义存储，应从极致性能、高可扩展、数据编织、数据韧性、新语义、可持续发展等六个方面，全产业应该加速创新进化。存储介质应该加快多元化、均衡发展，从材料、制造设备和工艺等方面进行突破。

这类存储，唯一没有国产化，AI数据中心不可或缺图5