分析：AI数据增长速度超越算力规划，存储正成为AI基础设施新瓶颈

火星财经消息，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的 GPU 算力竞争转向数据存储能力竞争，存储规划已成为 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。AI 系统产生的数据并不会随着计算任务结束而消失，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。 西部数据表示，当前许多 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。训练和推理过程产生的数据将成为模型迭代、质量评估和合规审计的重要资产，存储成本将直接影响 AI 系统长期运营效率。 随着数据规模进入 PB 甚至 EB 级别，单一存储架构难以满足需求。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，将高容量 HDD 和对象存储用于长期数据保存、历史记录及低频访问场景。 分析认为，未来 AI 基础设施竞争的关键指标将不只是 GPU 数量，而是每 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。若企业仍将存储视为计算后的附属环节，可能面临数据成本失控、模型迭代效率下降等问题。