AI 摘要
- AI正推動企業數據量持續增加。
- 企業正延長數據留存時間並重新使用冷數據。
- 儲存成本成為AI基礎設施的重要考量。
AI與生成式AI的普及，正推動企業數據量持續增加，並延長數據留存時間。由WD贊助、IDC發布的白皮書《為規模化而設：HDD在AI時代的持久價值》指出，AI正在受訪機構中帶來數據儲存需求的結構性增長，並重新提高歷史數據的使用價值。
AI推動數據量持續增加
白皮書顯示，94.7%的受訪機構表示，過去12個月因AI及生成式AI的普及應用，所儲存的數據量持續增加。其中，61.0%的機構在過去一年錄得25%或以上的AI驅動數據增長，74%的機構預期未來3年數據量將增加25%或以上。
數據湖容量同樣呈現擴張趨勢。85.4%的受訪機構表示，數據湖容量在過去12個月持續增加；59.4%的機構則指出，AI生成數據是推動數據湖增長的首要因素，相關數據包括合成數據、推理輸出及模型日誌。
^ WD 創新技術 2029 年推 100TB 硬碟機 ^
數據留存時間延長，冷數據重新上線
AI不只產生更多數據，也令企業重新評估既有數據的價值。近95%的受訪機構表示，採用AI及生成式AI後，組織數據的價值有所提升。74.3%的機構表示，AI令其延長數據留存時間，75.9%則表示正將愈來愈多已封存的冷數據重新上線，以支援AI工作負載。
此外，96%的受訪機構預計需要更快擷取封存數據，以支援AI推理及檢索增強生成（RAG）應用。這反映部分過往屬於低頻使用或封存狀態的資料，正因應新的AI工作負載而需要重新具備可存取性。
儲存架構需要涵蓋完整數據生命周期
白皮書指出，受訪機構的企業數據中，74.6%位於溫儲存層、低頻存取儲存層與冷儲存層，逾60%的數據湖容量由冷數據或低頻存取數據構成。這表示AI基礎設施的設計不能只聚焦於高效能及即時存取，也需要處理大量長期保存及間歇性使用的數據。
在儲存決策方面，98.2%的受訪機構認為，每TB的整體擁有成本是重要或非常重要的考量。隨着數據量增加、留存時間延長，以及歷史數據重新投入AI工作負載，儲存位置、存取速度和長期管理成本，均成為架構規劃的一部分。
AI數據循環推高儲存需求
AI工作負載在整個生命周期中會產生多種數據，包括訓練數據集、模型檢查點、推理輸出、日誌及合成數據。當相關工作負載完成後，大部分數據仍會持續留存，並可能成為未來AI應用的輸入資料。
因此，數據量增加、數據價值提升、留存時間延長，以及歷史數據重新上線，正形成持續循環。AI不僅需要數據，也可能提高既有數據的潛在用途，進一步增加對大規模儲存及管理能力的需求。
WD：大規模儲存將成為AI基礎
WD行政總裁Irving Tan表示：「運算需求將隨時間演變，但各類組織對大規模儲存、管理及存取數據的需求只會持續增長。這項數據基礎將在決定AI未來發展潛力方面發揮關鍵作用。」
從白皮書結果來看，AI基礎設施的考量範圍正由單純提升運算能力，延伸至如何以具成本效益的方式，在完整數據生命周期內管理數據。至於不同儲存技術在各類AI工作負載中的具體配置，仍需按數據存取頻率、效能需求及整體擁有成本作出取捨。
Reference Link : inews.hket.com
