近日，有行业专家指出，在CPU、内存、固态硬盘（SSD）等核心器件已逐步实现国产化的今天，机械硬盘（HDD） 成为了存储领域最后一个尚未攻克的关键技术堡垒。值得注意的是，中国市场的HDD年消耗量巨大，这一核心技术的缺失，使得国内产业在全球供应链中面临严峻挑战。
与此同时，为应对人工智能浪潮带来的数据洪流，存储技术正加速演进，HDD自身也在进行持续创新。
市场格局
全球HDD市场呈现高度集中的态势，主要由西部数据、希捷和东芝三家厂商主导，其中西部数据和希捷两家合计市场份额超过85%。
行业分析指出，尽管消费级PC、移动设备的存储需求正向SSD迁移，但近线企业级硬盘已成为HDD行业的核心支柱，占据了总存储容量和收入的80%以上。在超大规模数据中心的备份、归档以及视频监控等海量数据存储场景中，HDD仍发挥着不可替代的作用。
AI数据中心对HDD的技术需求
一个典型的AI数据中心计算集群由高性能处理器（GPU/CPU/DPU）、高带宽内存（HBM）、动态随机存取内存（DRAM）以及高性能本地SSD组成，共同构成强大的AI训练引擎。
设备内置内存（HBM/DRAM）提供极高的吞吐量，确保AI训练过程中数据的高效提取。而本地SSD以其低延迟和足够容量，被部署在计算集群中，紧邻处理器，用于支持快速推理和需要频繁访问的存储内容。
在整体的AI数据中心存储架构中，存储集群则主要依赖于网络SSD和网络HDD。
- 网络SSD：提供比本地SSD更大的存储容量，在整个AI工作流中承担特定职责。其性能虽不及本地SSD，但凭借更大的容量，在耐用性上做出平衡。
- 网络HDD：作为AI工作流中扩展性最高、能效最优的存储设备，其访问速度适中，但容量极高，非常适合存储那些无需被快速、频繁访问的海量数据。
AI工作流是一个包含数据搜寻、模型训练、内容存储、数据保留和数据重用的循环过程，每个环节都对存储有不同的需求。
- 数据搜寻：网络SSD和HDD共同存储创建新内容所需的原始海量数据。SSD提供快速访问层，HDD则提供经济、密集的长期容量。
- 模型训练：HBM/DRAM确保快速数据访问，本地SSD用于存储中间训练结果和快速检索大型数据集。HDD则以经济高效的方式，存储和保护训练所需及已生成的超大规模数据集。
- 内容存储：网络SSD用于AI生成内容的短期、高速存储；HDD则用于存储和保护内容的复制版本，以低成本提供关键容量。
- 数据保留：HDD是实现长期数据存储和保护的主要工具，确保数据可追溯与模型可信。网络SSD作为性能媒介，连接HDD与上层高速存储。
- 数据重用：SSD加速历史数据的检索，以便快速集成到新工作流。HDD则继续以其大容量优势，低成本地支持模型的后续迭代。
HDD存储厂商的技术创新
面对AI数据中心的苛刻需求，主流HDD厂商正通过材料与记录技术的革新来突破容量极限。
- 希捷的HAMR技术：其Mozaic 3+™平台采用热辅助磁记录（HAMR） 技术，这是实现30TB以上超大容量的关键。该技术目前已实现每盘片3TB+的磁密度，并开始批量出货30TB容量产品。相比传统垂直记录（PMR）硬盘，其运行功耗降至四分之一，每TB隐含碳排放仅为十分之一。
- 西部数据的能量辅助与叠瓦技术：ePMR（能量辅助垂直磁记录） 技术通过能量辅助突破记录密度极限，其Ultrastar DC系列基于此技术实现了24TB至32TB容量。UltraSMR（超长磁记录） 技术则在ePMR基础上进一步优化，通过叠瓦磁记录实现超过20%的容量增益，其32TB Ultrastar DC HC690型号专为云原生数据湖和AI工作负载设计，提供了高性价比的长期存储方案。
小结
综上所述，HDD在当代数据中心，特别是AI数据中心架构中，凭借其在成本、容量、可靠性和特定场景适配性上的独特优势，与SSD形成了紧密的互补关系，地位依然稳固。
对于国内存储产业而言，突破HDD这一最后的技术壁垒至关重要。在AI时代，存储的创新不应局限于介质本身，更需从系统级性能、可扩展性、数据治理、安全性及可持续发展等多个维度全面推进。加快存储介质的多元化与均衡发展，从底层材料、制造装备到核心工艺实现全面突破，是国内产业亟待完成的课题。
| 
发表于 昨天 21:42
|
查看: 1|
回复: 0
