AI基础设施 on KnightLi的博客

AI 数据中心为什么重新推高机械硬盘需求

Sat, 16 May 2026 21:02:33 +0800

过去两年，AI 基础设施的讨论大多集中在 GPU、HBM、先进封装和电力供应上。但在训练和推理系统背后，还有一个更容易被忽略的瓶颈：存储。

大模型不是只在显卡里完成一次计算就结束。训练过程中会不断产生 checkpoint、优化器状态、训练日志、数据版本和中间结果；推理阶段也会产生用户交互记录、合规留存、审计数据和系统日志。这些数据不一定都要放在最快的介质上，但它们往往不能立刻删除。

这就是机械硬盘重新变重要的原因。

AI 训练会制造大量冷数据

大模型训练需要定期保存 checkpoint。它可以理解成训练过程中的存档点：如果训练中途崩溃，系统可以从某个 checkpoint 恢复，而不是从头重跑。

对大模型来说，一个 checkpoint 可能就是数 TB。一次完整训练持续数周甚至数月，中间可能保存大量 checkpoint。即便后续会清理一部分，训练过程、回溯、复现实验和模型审计仍然需要保留大量数据。

除了 checkpoint，训练数据本身也在膨胀。高质量文本、图片、视频、代码数据需要清洗、去重、切分和版本管理。随着合成数据、强化学习数据和多模态数据进入训练流程，存储压力会继续增加。

这些数据的特点是：

容量巨大；
不一定高频访问；
需要长期保留；
对单位容量成本非常敏感。

这类数据并不适合全部放在昂贵的高速存储里。

为什么不是全部用 SSD

SSD 的速度明显更快，但数据中心不能只看速度。对于 PB 级甚至更大规模的冷数据，单位容量成本会直接决定系统是否可持续。

AI 集群里可以把存储分成几个层级：

HBM 和显存负责最热、最紧急的数据；
DRAM 负责临时周转；
SSD 负责高频访问、低延迟需求更强的数据；
HDD 负责海量冷数据、备份、日志、checkpoint 归档和长期留存。

换句话说，SSD 不是不重要，而是不能替代所有层级。真正的大规模系统往往需要分层存储：热数据追求速度，冷数据追求容量、成本和可靠性。

当 AI 公司开始长期保存训练残留、模型版本、合成数据、推理日志和审计记录时，HDD 的价值就重新被放大了。

机械硬盘产能为什么会紧张

机械硬盘市场过去多年增长并不亮眼，消费端电脑也越来越多转向 SSD。但数据中心的需求逻辑不同。

云厂商和 AI 公司需要的是大容量、可预测交付、单位 TB 成本低的近线硬盘。对于硬盘厂商来说，这类客户通常会签长期供货协议，优先级也高于零散消费市场。

这会带来几个结果：

高容量企业盘产能被大客户提前锁定。
消费级硬盘和普通渠道能分到的供应变少。
新产能释放需要时间，短期内很难快速补上。
机械硬盘从过去的低关注度硬件，变成 AI 基础设施的一部分。

更关键的是，机械硬盘行业本身已经高度集中。主流供应商数量有限，先进大容量硬盘的产能爬坡也不是简单扩厂就能立刻完成。HAMR 等新技术可以提高单盘容量，但从技术量产到稳定大规模交付仍然需要周期。

存储涨价会传导到消费端

AI 数据中心吸走的不只是 GPU 和电力，也会影响存储供应链。

当企业级 SSD、内存、机械硬盘的产能更多流向云厂商和 AI 基础设施，消费级市场就可能感受到价格压力。普通用户看到的 SSD、内存或硬盘涨价，并不一定只是零售端波动，而可能来自上游产能重新分配。

这种影响通常不是线性的。大客户签的是长期协议，价格、交付和产能安排更稳定；消费端则更容易承受现货市场波动。于是就会出现一种现象：AI 数据中心需求增长，最终让普通消费者买存储设备也变贵。

投资视角需要更谨慎

AI 对存储的拉动是真实的，但这不等于所有存储相关公司都会长期受益。

机械硬盘和闪存仍然有周期属性。价格上涨、产能紧张和客户长约会改善短期业绩，但一旦新产能释放、需求增速放缓，行业仍可能回到供需再平衡。对硬件公司来说，最需要关注的不是某一次涨价，而是需求是否能持续、毛利率是否改善、产能扩张是否过度，以及客户结构是否足够健康。

更稳妥的理解是：AI 正在改变存储行业的需求结构。过去外界更关注算力，现在越来越多成本会转向数据保存、数据治理和模型生命周期管理。

结论

AI 不是只消耗算力，它还持续制造数据。

GPU 负责计算，HBM 负责高速喂数据，SSD 负责热数据访问，而机械硬盘负责承接庞大的冷数据底座。只要大模型训练、合成数据、推理日志和合规留存继续增长，数据中心就需要大量低成本、高容量的存储介质。

机械硬盘看起来不像 AI 时代的明星硬件，但它正在变成 AI 基础设施里不可缺的一层。越先进的模型，越离不开庞大的存储系统；越昂贵的算力，越需要可靠的 checkpoint 和归档能力来保护已经投入的成本。

Anthropic 联手 SpaceX：大模型竞争进入算力重工业时代

Fri, 08 May 2026 23:39:08 +0800

Anthropic 与 SpaceX 的算力合作，表面上是一次资源租赁：Anthropic 获得 SpaceX Colossus 1 数据中心的 300MW 级新增算力和约 22 万张 NVIDIA GPU，Claude 用户随即看到使用限制放宽、Claude Code 限额提升、部分高峰期限制减少。

但这件事的行业意义不止于“Claude 更好用了”。它说明前沿大模型竞争正在从单纯的模型能力、产品体验和融资规模，进一步下沉到更重的基础设施层：电力、数据中心、网络调度、GPU 利用率、芯片供应链，甚至未来可能的太空算力。

算力不只是买 GPU

过去两年，AI 公司最常见的叙事是“缺算力”。谁能拿到更多 H100、H200、B 系列 GPU，谁就更接近下一代模型。但到 2026 年，问题已经不再是简单的“有没有卡”，而是“能不能把卡真正跑满”。

超大规模集群的难点在于系统工程。GPU 数量达到十万级甚至更高后，瓶颈会从单卡性能转向整体调度：网络通信、并行训练、故障恢复、数据读写、液冷、电力稳定性、软件栈优化，每一项都会吞掉实际吞吐。

所以，拥有算力和消化算力是两件事。前者靠资金和供应链，后者靠工程能力。对大模型公司来说，真正的护城河不再只是模型架构和训练数据，还包括让数十万张 GPU 高效协同工作的能力。

Anthropic 为什么需要这笔算力

Anthropic 近一年的增长压力非常清楚。Claude 在开发者、企业、Agent 和代码场景里的使用量快速上升，Claude Code 尤其容易消耗大量推理资源。用户看到的限额、排队、降速，本质上都是算力供需紧张的产品化表现。

Anthropic 此前已经和 Amazon、Google、Broadcom、Microsoft、NVIDIA 等建立了大规模基础设施合作。SpaceX 这笔新增算力的价值在于，它更像一场快速补给：在短时间内拿到可以直接缓解 Claude 使用压力的 GPU 集群。

这也是为什么合作消息一出，最先被用户感知到的是限额提升。对模型公司来说，算力不是抽象资产，而是直接转化为响应速度、可用额度、API 稳定性和高峰期体验。

SpaceX 为什么愿意出租

从 SpaceX 或马斯克阵营看，把 Colossus 1 的算力提供给 Anthropic，也是一笔现实的基础设施生意。

AI 集群是典型重资产：采购成本高、折旧快、运维费用高，且 GPU 迭代速度极快。如果自家模型团队短期内无法完全吃下这些资源，把闲置或低利用率算力租给一线模型公司，就能把硬件折旧压力转换为现金流。

这让 SpaceX 在某种意义上扮演了云服务商角色。它不只是自己训练 Grok，也可以把部分 AI 基础设施能力卖给其他模型公司。对马斯克来说，这还有一个额外效果：支持 Anthropic 客观上会增强 OpenAI 之外的头部竞争者，对老对手形成牵制。

AI 竞争正在变重

这次合作最值得关注的趋势，是 AI 产业正在变得越来越“重”。

早期大模型竞争更像软件竞赛：模型结构、数据配方、训练技巧、benchmark、产品包装。今天这些仍然重要，但前沿竞争已经强烈依赖物理世界：

电力是否足够便宜、稳定、可持续。
数据中心能否快速拿地、建设和并网。
网络能否支撑超大规模并行训练。
GPU 和专用芯片能否按时到货。
冷却系统能否承受持续高密度负载。
软件栈能否把硬件利用率维持在高水平。

这就是所谓“AI 重工业”的含义。大模型不再只是实验室里的算法，而是一套横跨电网、地产、半导体、云计算和资本市场的工业系统。

Terafab 与芯片闭环

与此同时，SpaceX 的 Terafab 计划也被外界放到同一条逻辑线里理解。公开报道显示，SpaceX 已经提交在德州建设半导体工厂的规划，初期投资可能高达 550 亿美元，多阶段总投资可能达到 1190 亿美元。

这并不意味着 SpaceX 已经能挑战台积电，也不意味着 2nm 制程可以靠资本快速堆出来。先进制程最难的不是买设备，而是良率、工艺、人才、供应链和长期积累。哪怕项目推进顺利，也会是多年甚至十年以上的系统工程。

但它反映了一个明显趋势：AI 巨头越来越不愿把命运完全交给外部芯片供应链。英伟达掌握 GPU 和 CUDA 生态，台积电掌握先进制造产能，任何一环受限，都会影响模型训练和产品迭代节奏。垂直整合因此变得更有吸引力。

太空算力还是远期设想

文章里提到的太空算力，也要谨慎看待。SpaceX 的确具备低成本发射、卫星网络和航天工程能力；太空环境也确实有太阳能和散热方面的想象空间。但把数据中心大规模搬到轨道上，仍然面临发射成本、维护、辐射、防护、通信延迟、设备寿命和商业回报等问题。

所以更稳妥的说法是：太空算力目前更像远期基础设施想象，而不是已经成熟的商业方案。它代表的是马斯克体系对 AI 资源边界的思考：当地球上的电力、土地和冷却成为瓶颈时，下一步要去哪里寻找物理空间。

对 OpenAI 和大模型格局的影响

Anthropic 获得新增算力后，最直接的影响是 Claude 的服务能力提升。更高限额、更少高峰限制、更稳定的开发者体验，会让它在代码、企业、Agent 和长任务场景里更有竞争力。

对 OpenAI 来说，这意味着竞争压力不只来自模型质量，还来自对手的基础设施补课速度。前沿模型之间的差距可能越来越取决于谁能更快获得可用算力、谁能更高效调度集群、谁能把成本降下来并转化为产品体验。

对整个行业来说，这也意味着 AI 公司之间的竞争方式会更像云厂商、芯片厂和能源企业的混合体。未来的大模型公司，可能既要会训练模型，也要会建数据中心、谈电力、做芯片定制、优化网络和管理超大规模资本开支。

总结

Anthropic 与 SpaceX 的合作，不只是一次 Claude 算力扩容，也不是简单的马斯克“结盟”某个 OpenAI 竞争对手。它更像一个信号：AI 竞赛正在从模型层进入基础设施层。

算法仍然重要，但仅有算法已经不够。谁能获得稳定能源，谁能把海量 GPU 跑出高利用率，谁能掌握更自主的芯片和数据中心能力，谁就更有机会在下一阶段大模型竞争中占据主动。

算力正在成为 AI 时代的石油，而真正稀缺的不是单张 GPU，而是把能源、芯片、网络、调度和产品需求打通的工业组织能力。

参考链接：