西部数据：AI 数据增速快于算力规划，存储成基础设施瓶颈

BlockBeats 消息，8 月 15 日，西部数据最新分析指出，随着人工智能应用规模快速扩大，AI 数据中心建设正从单纯比拼 GPU 算力，转向比拼数据存储能力，存储规划已经成为 AI 基础设施的核心环节。

文章援引 IDC 预测称，到 2030 年，全球每年新增数据量将达到 718ZB。西部数据提到，AI 系统产生的数据不会在计算任务结束后消失，训练数据、模型检查点、嵌入向量、推理日志、提示词、输出结果以及评估数据都会持续累积。

存储不再是算力建设后的附属环节

西部数据表示，当前不少 AI 基础设施规划过度关注 GPU 使用率，却忽视了 AI 生命周期中的数据沉淀。训练和推理阶段生成的数据，后续会成为模型迭代、质量评估和合规审计的重要资产，存储成本也会直接影响 AI 系统的长期运营效率。

在数据规模进入 PB 乃至 EB 级别后，单一存储架构已难以满足需求。分析称，企业需要采用分层存储策略：将高性能闪存用于训练和实时推理，把高容量 HDD 和对象存储用于长期数据保存、历史记录以及低频访问场景。

未来竞争指标转向成本、能耗与恢复效率

这份分析认为，未来 AI 基础设施竞争的关键指标，不会只剩 GPU 数量，还包括每 PB 数据存储成本、能耗、恢复效率，以及数据生命周期管理能力。

如果企业仍将存储视为计算完成后的附属环节，可能会面临数据成本失控、模型迭代效率下降等问题。