独家对话希捷科技Jason Feist：AI时代：企业正在“删除删除键”｜甲子光年

AI不只需要GPU，也需要硬盘。

作者｜王博

过去两年，关于AI基础设施的讨论几乎被GPU、HBM、高速网络和电力占满。

这并不难理解。大模型公司需要更多GPU训练和推理，也需要HBM为芯片提供足够高的带宽；高速网络决定了大规模集群能否协同工作，数据中心则要解决供电、散热和互联问题。围绕算力展开的每一个环节，都成了这一轮AI竞赛最显性的入场券。

围绕这些瓶颈，行业常常谈到“内存墙（memory wall）”。“内存墙”指的是计算芯片越来越快，但数据从DRAM、HBM等高速内存送到芯片的速度跟不上，导致算力无法被充分释放。它反映的是计算过程中的数据供给效率。

但当越来越多GPU被部署到数据中心，另一个问题也开始浮现：这些算力到底要分析什么？模型训练、推理、Agent、自动驾驶、机器人和生命科学应用产生的数据，应该放在哪里？保存多久？未来又如何被重新调用？

如果海量数据不能以足够低的成本、足够高的密度和足够可靠的方式被长期保存、分层管理，并在需要时重新调用，是否会出现“存储墙（storage wall）”呢？

在日常讨论中，“内存”和“存储”常常被混用，但在AI基础设施中，两者指向不同层级：前者偏向计算过程中的高速数据供给，后者则指数据中心里承载海量数据长期保存、分层管理和反复调用的基础设施，包括对象存储、高容量机械硬盘（HDD）、企业级固态硬盘（SSD）等。

那么，AI到底怎样改变了存储系统？硬盘在AI数据中心是否变得更重要？“存储墙”的影响是什么？存储行业最大的共识是什么？

带着这些问题，近期，「甲子光年」独家对话了希捷科技云存储业务高级副总裁杰森·费斯特（Jason Feist）。

希捷科技云存储业务高级副总裁杰森·费斯特，图片来源：受访者提供

费斯特负责希捷科技（Seagate）全球云存储业务，在云基础设施、AI工作负载和数据中心存储系统方面积累了丰富的经验。他曾在希捷做过硬件工程、产品开发和运营等多个岗位，拥有电气工程背景和多项专利。相比单纯从市场角度解释存储需求，他更熟悉一块硬盘如何被设计、制造、部署，并最终进入超大规模云厂商和AI数据中心的系统架构。

这次来到中国，费斯特一方面是与希捷中国团队沟通，另一方面也会从北京一路到深圳，拜访云服务商、OEM厂商和系统集成商等关键客户。

在和「甲子光年」的对话中，费斯特给出了一个清晰判断：AI基础设施总是围绕一系列约束条件展开——“首先是计算，然后是内存，现在是存储”。

但他并不认为这意味着行业已经撞上一道无法突破的“存储墙”。

随着算力扩张，数据正在成为新的核心变量。AI模型需要更多数据训练和重训，Agent和物理AI会自主生成更多交互、副本和实例，企业也越来越倾向于长期保存数据，等待未来从中挖掘新的价值。

费斯特用了一个形象的说法：“delete the delete key（删除删除键）”。

这也解释了一个看似反直觉的现象：在SSD不断普及的今天，HDD并没有从数据中心退场。相反，随着AI数据中心扩张，高容量硬盘的重要性正在被重新看见。