人工智能（AI）正從「技術測試」過渡至「核心應用」，促使亞太區重塑其基礎建設的優先次序，並將 AI 納入數碼政策藍圖。以香港為例，特區政府正積極推動 AI 成為核心產業，期望透過廣泛應用 AI 促進傳統行業轉型。為此政府撥款 10 億港元成立香港人工智能研發院，目標是將 AI 由理論轉化為實踐。順應此趨勢，企業正加緊提升算力及效能需求，以支援 AI 等科技應用。然而在企業積極拓展 AI 發展版圖同時，一項容易忽略但日益關鍵的挑戰逐漸浮現：如何完善數據儲存基建，以承載 AI 所需消耗及產生的海量數據。這對致力於創建國際數據樞紐地位的香港而言尤其重要。
目前關於 AI 與數據的討論多數集中在 GPU 和快閃記憶體（Flash）效能，卻很少人關注數據來源與最終去向。無論是訓練數據集、模型檢查點，還是推理日誌與遙測資料，AI 應用會產生不同類型數據，包括熱數據（hot data）、溫數據（warm data）和冷數據（cold data），因此需要根據各自容量與效能需求，度身訂造儲存解決方案。機械硬碟（HDD）在 AI 基礎建設中發揮關鍵作用，為長期、大容量數據儲存提供穩固基礎，並與高效能、低延遲的固態硬碟（SSD）相輔相成。
作者：
Stefan Mandl，中國、亞太地區和日本（APJC）銷售及市場推廣副總裁
AI 工作負載並非全是即時運算
隨著大型科技企業在亞洲擴展 AI 應用能力，AI 在數據生命週期每個階段都會消耗並產生大量數據，令數據儲存需求不斷攀升。這些數據量往往高達 PB（Petabyte）級別，為 AI 模型提供所需動力，賦予其即時、精準且大規模的決策能力。數據愈多，AI 模型產出的結果就愈理想。整個過程涵蓋準備數據與導入、模型訓練、推理與提示、推理引擎以及產生新內容，令 AI 高度依賴具備不同特性和功能的儲存解決方案。
效能表現固然關鍵，但容量、韌性、可擴展性等因素也至關重要。當中不少數據屬於「一次寫入、後續讀取」，或在訓練與遙測日誌等特定階段需要高密集寫入。這些數據通常會因為合規需求、模型再訓練、擷取快照等不同需求，需要長期保存，但並非所有數據都需要儲存於高效能的快閃記憶體。事實上，具前瞻性的 AI 平台必須結合兼顧速度與成本效益的儲存方案。
雲端及超大規模服務供應環境高度依賴 HDD
高容量、具成本效益的 HDD 解決方案是現今廣泛大數據平台與數據湖的基石，用於訓練 AI 模型所需的龐大數據集，包括原始資料庫、影片內容、物件儲存庫、系統日誌、元數據和備份等。因此每個 AI 應用都需要智能、可擴展且具成本效益的容量支援，而這正是 HDD 持續展現優勢的領域。
成本效益
在建構 AI 應用儲存環境時，每 TB 成本是企業的關鍵考量之一。大部份 AI 數據屬於溫數據或冷數據，高容量 HDD 是實現低成本、規模化儲存的理想選擇。根據 Western Digital 研究，HDD 每 TB 成本相比快閃記憶體低 6 倍，在大規模、高容量環境中表現尤其突顯。隨著 HDD 架構持續創新，使其能夠提供更高的每 TB 成本效益，而 HDD 容量增加，總體擁有成本（TCO）亦將逐步下降。
效能表現
清晰的性價比指標是影響企業制定儲存決策的關鍵，重點在於選擇最切合實際工作負載需求的解決方案。HDD 在 AI 數據生命週期中多個工作負載場景持續展現穩定效能，於數據儲存成本與效能之間取得平衡。各企業組織可按照實際需求調整所需儲存效能，避免為過剩容量支付額外費用，從而降低 TCO。Western Digital 等供應商提供兼具高效能及成本效益的儲存方案，協助客戶按不同工作負載需求，建立最合適的儲存組合。
技術創新
HDD 技術持續發展，為企業提供更高容量、效能與價值。當中包括磁性記錄系統的創新，例如能源輔助磁性記錄（EAMR）技術、疊瓦式磁記錄（SMR）技術；以及機械結構的突破，例如氦氣封裝設計，使 3.5 吋硬碟可容納多達 11 片碟片，進一步提升儲存密度、效能與能源效率。展望未來，隨著熱輔助磁記錄（HAMR）普及，HDD 容量將再創新高。
儲存不是非此即彼 而是分層共進
AI 應用對儲存的需求廣泛而多樣，HDD 一直是滿足亞太地區長期、大規模儲存需求的主要解決方案，幫助企業以高效、高性價比方式，應對不斷增長的高容量需求。現今的 HDD 並非「傳統技術」，而是數據基礎建設中不斷進化的核心引擎，承載著當前及未來 AI 工作負載所帶來的龐大且不斷增長的儲存需求。
Stefan Mandl，中國、亞太地區和日本（APJC）銷售及市場推廣副總裁