WD：AI推動數據量迅速增長冷數據重新上線

2026-09-10 benny

IDC最新全球研究揭示，各個組織在AI規模化發展過程中必須應對：數據在單次運算週期結束後，仍持續累積、複合增長。WD行政總裁Irving Tan表示：「過去數年，關於AI基礎設施的討論一直集中於運算能力。實際上，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。」

WD行政總裁Irving Tan表示：「各類組織正在產生更多數據、延長數據留存時間，並探索從現有數據中創造價值的新方式。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。」

由WD贊助的IDC白皮書《為規模化而設： HDD在AI時代的持久價值》（Built for Scale : The Enduring Role of HDDs in the AI Era）發現在受訪組織當中，AI正在推動數據儲存需求出現結構性增長。各類組織正在產生更多數據，賦予數據更高的價值、延長數據留存時間，並更頻繁地將歷史數據重新上線，以支援新的AI工作負載。

由此形成一個持續複合增長的數據循環：AI不僅需要數據，亦會提升已儲存數據的潛在價值。運算需求會因工作負載及投資週期而有所不同，但AI產生的數據卻會持續留存及不斷累積，令儲存容量、可存取性及成本效益正成為 AI 基礎設施設計中愈來愈重要的考量。

白皮書主要研究結果：

AI正催生持續複合增長的數據循環

94.7%的受訪組織表示，由於AI與生成式AI的普及應用，其儲存的資料量在過去12個月內持續增加。
61%的受訪組織在過去一年因AI驅動而錄得25%或以上的數據增長；74%預期未來三年數據量將增長25%或以上。
85.4%的受訪組織表示其數據湖容量在過去12個月持續擴大。
59.4%的受訪組織表示，AI生成數據，包括合成數據、推理輸出及模型日誌，是推動數據湖容量增長的首要因素。

數據留存時間延長，活躍度及價值同步提升

近95%的受訪組織表示，採用AI及生成式AI後，其組織的數據價值有所提升。
74.3%的受訪組織表示，AI及生成式AI令其延長數據留存時間。
75.9%的受訪組織表示，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。
96%的受訪組織預計需要更快地擷取封存數據，以支援AI推理及檢索增強生成（RAG）應用。

AI 基礎設施必須按完整數據生命週期設計

受訪組織的企業數據中，有74.6%位於溫儲存層、低頻存取儲存層與冷儲存層。
超過60%的數據湖容量由冷數據或低頻存取數據組成。
98.2%的受訪組織認為，每TB的總體擁有成本在儲存決策中屬重要或非常重要的考量。

從運算週期走向長期延續的數據生命週期

AI工作負載在整個生命週期中均會產生數據，包括訓練數據集、模型檢查點、推理輸出、日誌及合成數據。與處理這些數據的運算週期不同，當中大部分數據在相關工作負載完成後仍會持續留存，並可成為未來AI應用的輸入數據。研究結果顯示，隨著各類組織延長數據留存時間，並從現有數據中發掘新用途，數據儲存需求正出現結構性增長。

AI 正將歷史數據重新激活

研究亦顯示，活躍數據與封存數據之間的傳統界線正在改變。隨著歷史數據逐漸成為AI工作負載的重要輸入，曾經靜默封存的資料正重新進入活躍資料生命週期，亦改變組織對如何留存、管理及按需調用方式的預期。

AI 基礎設施是一套完整系統，而非單一儲存層級

這些轉變進一步凸顯了為完整AI數據生命週期構建儲存架構的必要性。隨著數據量增長、留存時間延長，以及歷史數據再次變得活躍，組織更加需要因應不同工作負載需求，平衡效能、容量、可存取性及成本效益。在AI規模化環境下，數據儲存的位置，以及儲存和存取相關數據所需的成本，正日益成為架構規劃的重要考量。