MoneyDJ新聞 2026-09-10 12:33:10 新聞中心 發佈
關於AI基礎架構的討論大多聚焦於運算。然而，由WD贊助的全球研究發現，AI正推動資料快速增長、更長的資料保存週期，重新帶動對歷史資料的需求，進一步重塑大規模基礎架構的經濟效益。IDC最新發布的全球研究揭示了企業在擴展AI規模時需應對的另一項關鍵因素：在個別運算週期結束後，持續留存並不斷累積的資料。
在WD贊助的IDC白皮書《為大規模擴展而生：硬碟在AI時代的關鍵角色》（Built for Scale: The Enduring Role of HDDs in theAIEra）中，受訪企業指出，AI正帶動資料儲存需求出現結構性增長。企業不僅產生更多資料，也賦予資料更高的價值、延長資料保存週期，並逐漸將歷史資料重新調用，以支援全新的AI工作負載。
這形成了一個持續的資料複利循環：AI不僅需要資料，更提升了既有儲存資料的潛在價值。儘管運算需求會隨著工作負載與投資週期而有所不同，但由AI產生的資料將持續留存並不斷累積，使儲存容量、可存取性與經濟效益，成為AI基礎架構設計中日益重要的考量。
白皮書關鍵發現：AI正創造資料複利循環。94.7%的受訪企業在過去12個月因採用AI與生成式AI而儲存了更多資料。61%的受訪企業在過去一年因AI帶動資料增長25%以上；74%則預期未來三年資料量將增長25%以上。85.4%的受訪企業表示，其資料湖的資料量在過去12個月內呈現增長。59.4%的受訪企業指出，由AI產生的資料，包括合成資料、推論輸出與模型記錄，是推動資料湖增長的主要驅動力。
資料不只留存更久，且變得更活躍、更具價值。近95%的受訪企業表示因採用AI與生成式AI，其組織的資料價值有所提升。74.3%的受訪企業表示AI與生成式AI促使他們將資料保存得更久。75.9%的受訪企業表示，他們正將越來越多已封存的冷儲存層資料重新調用，以支援AI工作負載。96%的受訪企業預期，未來將需要能更快速地檢索封存資料，以支援AI推論與檢索增強生成（RAG）應用。
AI基礎架構必須針對完整資料生命週期進行設計。受訪企業中，有74.6%的企業資料存放於溫、涼與冷儲存分層中。在資料湖的總儲存量中，有超過60%是由冷資料或低頻率存取的資料所組成。98.2%的受訪企業認為，每TB總擁有成本(TCO)對於制定儲存決策來說，是重要或非常重要的考量因素。
WD執行長Irving Tan表示：「過去幾年來，關於AI基礎架構的討論始終圍繞著運算，然而AI的真正基石是資料。企業正在產生更多資料、將其保存得更久，並持續從既有資料中發掘新的價值。運算需求會隨著時間演進，但大規模儲存、管理與存取資料的需求只會持續增長。這項基礎將是決定AI究竟能走多遠的關鍵。」
從運算週期邁向資料持續留存的生命週期。AI工作負載在整個生命週期中持續產生資料，包含從訓練資料集、模型檢查點，到推論輸出、日誌與合成資料。有別於處理資料的運算週期，在工作負載完成之後，許多資料依然留存，並進一步成為未來AI應用的輸入來源。研究結果指出，隨著企業將更多資料保存更長時間，並為既有資料發掘新的應用價值，資料儲存的需求正迎來結構性增長。
AI正讓歷史資料重新發揮價值。該研究亦顯示，活躍資料與封存資料之間的傳統界限正在改變。隨著歷史資料逐漸成為AI工作負載的重要輸入來源，過去閒置的資料正重新回到活躍的資料生命週期，並改變了企業對於資料該如何保存、管理以及如何在需要時快速調用的期待。
AI基礎架構是一套系統，而非單一儲存層。這些轉變凸顯出針對完整AI資料生命週期來規劃儲存架構的必要性。隨著資料量增長、保存週期延長，以及歷史資料重新活躍，企業越來越需要依據工作負載，在效能、容量、可存取性與經濟效益之間取得平衡。在AI大規模部署下，資料的儲存位置、儲存與存取的成本，已成為架構設計中越來越關鍵的考量。而以具備經濟效益的方式大規模管理資料，已不再是次要的基礎架構考量，而是企業成功部署AI的關鍵因素。
