AI並非單純增加需求,而是從根本重新定義資料基礎架構。這場架構轉型的核心原因,在於資料價值的急遽攀升。在AI時代,資料不再只是營運的副產品,而是最有價值的商業貨幣。能否有效收集、儲存並利用專有資料來訓練模型的能力,決定企業在AI競賽中的領先地位,也帶動對高容量儲存的龐大需求。Seagate 2026財年第一季的業績增長表現較歷年突出,便與AI雲端基礎架構建置相關的高容量儲存需求強勁有關。
AI 重新定義資料價值與基礎架構
然而,AI工作負載的特性與過去截然不同:從即時推論到離線訓練、從熱資料到冷存檔,每個階段對儲存的需求差異極大。如果缺乏針對性的儲存策略,結果常會是處處妥協、效率低下。因此,當企業用過去十年為雲端運算設計的基礎架構來支撐AI工作負載時,「效能擴展兼容」與「成本失控」兩大問題便會同時浮現。這正是產業重新思考儲存策略的契機:從粗放擴張走向精準最佳化,從單一架構轉向針對工作負載的分層設計。
儲存分層與工作負載最佳化:效能、永續與未來適應性的關鍵
AI本質是資料密集型應用,儲存架構的最佳化程度,直接決定企業能否在有限的能源與空間邊界中創造最大價值。策略性的儲存分層與工作負載最佳化,是在AI基礎架構中實現效能、永續性與未來適應性的關鍵。在效能與成本層面,提升儲存密度帶來系統性的TCO(總持有成本)改善。當單碟容量提升時,企業所需的硬碟數量、機架空間與網路設備同步減少,不僅降低採購成本,更大幅削減電力、散熱與維護成本,形成連鎖效益。
裝置層級的創新:Mozaic重大技術突破實現Dropbox的資料儲存雄心
我們自今年6月起與雲端儲存領導品牌 Dropbox 展開大規模技術合作,正是產業轉型的縮影。面對AI工作負載的急速成長,Dropbox果斷採用專為AI打造的高效平台,並在升級至第七代儲存架構後,實現每EB耗電量降低50%、機房空間縮減75%,成為迄今「最具成本效益的架構」。這些成果來自承載數億使用者的真實生產環境,證明高密度儲存在大規模部署中的可行性。
Dropbox技術長 Ali Dasdan指出:「投資Seagate Mozaic這類平台,可同時滿足我們的兩大需求:可擴充的效能與環保責任。Mozaic突破傳統PMR硬碟的限制,透過高密度架構部署大容量硬碟,為現代工作負載提供最佳化效能。」
Mozaic不僅提升效能,還協助Dropbox整合伺服器配置、減少硬碟數量,進而降低能源消耗、縮小機房空間與散熱需求,並減少原物料使用。隨著資料規模持續攀升,這類平台將成為驅動基礎架構演進的核心力量,奠定更靈活、可擴展且兼具氣候意識的資料基礎。
Dropbox儲存技術專家 Vishal Mannanal補充:「在Mozaic平台的協助下,我們的每PB瓦數(W/PB)指標持續逐年下降。」Ali Dasdan也提醒:「AI模型只會更大、更分散、更耗電。」因此,針對工作負載設計的儲存架構,是面向未來十年的戰略投資。
技術驅動的創新:Mozaic HAMR平台
在這場轉型中,Seagate的Mozaic HAMR(熱輔助磁記錄)技術突破傳統PMR(垂直磁記錄)的物理極限,實現每片碟片超過3TB更高磁錄密度,並已獲全球五大雲端客戶驗證。這不僅支援AI新應用的成長需求,更協助企業降低能源消耗、縮小機房空間,打造兼具效能與永續的基礎架構。Mozaic平台不只是產品,更是企業邁向未來儲存策略的關鍵引擎,能在規模化環境中滿足雲端與邊緣基礎架構的效能、耐用性與TCO需求,持續支援AI新應用驅動的成長需求。
隨著資料不斷成長,對台灣企業而言,這在電價持續調漲、碳盤查日益嚴格的環境下尤其關鍵,資料中心的能源效率的重要性已升級為董事會治理議題。這個轉變凸顯台灣企業評估儲存策略的迫切性:優先考慮高磁錄密度儲存選項、最佳化資料分層,並與節能技術供應商合作,為未來的效能與永續性打造面向未來的基礎架構。
面向未來AI基礎設施的三大策略
隨著AI工作負載快速成長,企業可從以下三個方向優化基礎設施策略:
重新評估工作負載分層
建議企業盤點現有AI應用的資料溫度分布,即時推論與模型訓練需要SSD的低延遲,但AI資料湖、歷史訓練集等溫冷資料,其實更適合高密度HDD。避免一刀切,才能讓每一層都發揮最佳效率。
採取漸進式最佳化
轉型不需要推倒重來,企業應從溫冷資料層開始,優先導入高密度儲存,在非關鍵工作負載上驗證效益,再逐步擴大部署。
建立「創新引擎」思維
持續評估HAMR、液冷、能源管理等前瞻技術,並與供應商建立策略夥伴關係,共同設計最佳化方案。這不只是技術採購,而是將供應商視為共同創新的夥伴。
結語
AI儲存架構的演進,是從單一方案到分層設計、從粗放擴張到精準最佳化、從原始容量到整體效率的智慧轉型。當AI模型持續變大、資料持續增長時,能在有限的物理與能源邊界內創造最大價值的企業,將在這場競賽中勝出。而高磁錄密度儲存的工作負載最佳化,正是開啟這扇門的鑰匙。