預計到2028年，AI的應用將促使企業(yè)數(shù)據(jù)存儲需求呈現(xiàn)指數(shù)級增長態(tài)勢。根據(jù)我們于2024年11月開展的一項調(diào)查顯示，在主要依賴云存儲管理AI數(shù)據(jù)的基礎(chǔ)設(shè)施采購決策者中，61%的受訪者預計其存儲需求到2028年將至少實現(xiàn)翻番。驅(qū)動這一需求增長的關(guān)鍵因素包括：  

數(shù)據(jù)保留周期的顯著延長（從6個月延長至永久保存）；

• 73%的受訪者表示，他們采用了每日或每周一次的大型語言模型（LLM）檢查點機制 
• 80%的受訪者認為數(shù)據(jù)多副本對于AI數(shù)據(jù)管理“至關(guān)重要”或“較為重要”。

在已使用或計劃使用AI的存儲采購決策者中，95%的受訪者正采取措施應對不斷增長的存儲需求，其中：  

• 61%的受訪者正轉(zhuǎn)向更具擴展性的存儲解決方案，  
• 56%的受訪者選擇實施數(shù)據(jù)管理軟件，  
• 49%的受訪者采用數(shù)據(jù)壓縮技術(shù)，  
• 55%的受訪者則決定升級現(xiàn)有存儲基礎(chǔ)設(shè)施。

我們的研究揭示，無論AI技術(shù)應用于哪個領(lǐng)域，企業(yè)都需對現(xiàn)有存儲實踐進行升級，以充分挖掘AI的潛力。

超越傳統(tǒng)存儲模式適應變革

隨著存儲需求的持續(xù)增長，云端與本地存儲（On-premises storage）的使用量預計都將穩(wěn)步增加。根據(jù)1062位受訪者的反饋，云存儲仍將是AI數(shù)據(jù)存儲的主流模式。  

2024年，65%的AI數(shù)據(jù)存儲于云端，預計到2028年，這一比例將提升至69%（見圖1）。

圖1：客戶存儲中云存儲占比的現(xiàn)狀與未來趨勢

在主要使用云存儲的受訪者中，**61%**預計未來三年內(nèi)的存儲需求將增長超過一倍。

此外，46%的受訪者認為現(xiàn)有的數(shù)據(jù)存儲方式難以滿足日益增長的需求。因此，企業(yè)正在采用更多新型數(shù)據(jù)存儲解決方案，以應對AI生成的日益龐大的文件數(shù)量和文件大?。ㄒ妶D2）。具體措施涵蓋：  

• 61%的受訪者擴大了云存儲解決方案的應用范圍，  
• 55%的受訪者選擇升級現(xiàn)有基礎(chǔ)設(shè)施，  
• 56%的受訪者采用了更強大的數(shù)據(jù)管理軟件，  
• 49%的受訪者則實施了數(shù)據(jù)壓縮技術(shù)。

圖2：企業(yè)為應對AI驅(qū)動的數(shù)據(jù)增長所采取的措施

AI基礎(chǔ)設(shè)施的關(guān)鍵構(gòu)成部分

調(diào)查表明，從AI基礎(chǔ)設(shè)施采購者的角度來看，存儲被視為AI基礎(chǔ)設(shè)施第二重要的組成部分，僅次于安全（見圖3）。  

圖3：AI基礎(chǔ)設(shè)施各組成部分的重要性排名

• 25%的受訪者認為安全是最重要的基礎(chǔ)設(shè)施要素，  
• 18%的受訪者則選擇了存儲。  
• 此外，66%的受訪者將存儲列入其前四大基礎(chǔ)設(shè)施關(guān)注點，  
• 68%的受訪者則將安全列入前四大關(guān)注點。

盡管算力和能源消耗在過去幾年一直是AI領(lǐng)域的熱門話題，但從存儲基礎(chǔ)設(shè)施采購決策者的角度來看，存儲和安全的重要性更為突出。

AI模型的數(shù)據(jù)保留推動存儲增長

在已采納AI技術(shù)的受訪者中，90%的受訪者認為延長數(shù)據(jù)存儲周期能夠顯著提升AI的輸出效果（見圖4）。其中，93%的受訪者表示，由于實施AI及提升模型精度（包括檢查點機制），他們的數(shù)據(jù)保留需求發(fā)生了變化。  

企業(yè)使用的存儲容量越多，越傾向于認為更長的數(shù)據(jù)保留期能提升AI輸出質(zhì)量（見圖4）。

圖4：不同存儲使用量企業(yè)對更長數(shù)據(jù)保留周期提升AI效果的認知

此外，數(shù)據(jù)多副本在企業(yè)AI數(shù)據(jù)管理戰(zhàn)略中的重要性，也推動了企業(yè)存儲使用量的增加（見圖4）。  

在當前已使用AI并擁有超過100PB存儲容量的企業(yè)受訪者中，52%的受訪者認為數(shù)據(jù)多副本對提升AI效果具有至關(guān)重要的作用。

73%的受訪者指出，AI模型訓練推動了數(shù)據(jù)存儲需求的增長，原因在于他們需要每日或每周對先前保存的AI檢查點數(shù)據(jù)進行備份（見圖5）。存儲AI檢查點數(shù)據(jù)不僅直接增加了存儲需求，還促使基礎(chǔ)設(shè)施采購者考慮在大型語言模型訓練過程中，每個檢查點數(shù)據(jù)的具體保存周期。  

在每日保存檢查點的受訪企業(yè)中（占總數(shù)的28%）：  

• 32%的企業(yè)將檢查點數(shù)據(jù)保留12個月以上，  
• 29%的企業(yè)保留6到12個月。

對于當前存儲容量已達到100PB以上的企業(yè)而言，他們通常以每日或每周的頻率保存并備份檢查點數(shù)據(jù)，其中87%的企業(yè)選擇將這些檢查點數(shù)據(jù)存儲在云端，或同時采用HDD和SSD的混合存儲方案（見圖6）。

圖5：不同存儲使用量企業(yè)AI模型訓練檢查點的保存頻率

圖6：擁有100PB以上存儲的企業(yè)檢查點備份頻率與存儲位置

AI應用的普及將持續(xù)推動未來存儲需求增長

隨著AI應用場景的不斷拓展和普及，Recon Analytics預計企業(yè)的存儲需求將呈現(xiàn)指數(shù)級增長態(tài)勢。當企業(yè)從AI的早期試驗階段逐步過渡到激活狀態(tài)并深入應用AI時，這一趨勢將愈發(fā)明顯。  

訓練大型語言模型（LLM）、實施數(shù)據(jù)多副本策略、延長數(shù)據(jù)保留周期均是AI戰(zhàn)略中的關(guān)鍵要素，  

而這些要素的成功實施均需企業(yè)加大對存儲基礎(chǔ)設(shè)施的投資力度。

參考資料：Klaassen, M. (2025, January 10). AI adoption will impact corporate storage requirements. Recon Analytics. https://reconanalytics.com/impact-of-ai-on-corporate-storage-requirements/

本文轉(zhuǎn)載自??Andy730??，作者：常華Andy