AI大模型的训练与推理正在改变数据存储的底层逻辑。国信证券研报指出，传统热、温、冷三层数据正转变为热、温冷两层，数据比例从20%:30%:50%变为30%:70%，冷数据的价值被激活。数据中心存储介质正从传统机械硬盘向企业级固态硬盘过渡，SSD在随机读写速度、功耗、空间和总拥有成本（TCO）上全面超越HDD。

存储数据按访问频率可分为热、温、冷三类。在线业务、AIoT、自动驾驶等需要实时访问的数据为热数据；高性能数据分析等需要数据分析的业务为温数据；历史文献等极少访问的数据为冷数据。随着AI应用渗透，越来越多数据被激活为温热数据。

根据华为数据，传统热、温、冷三层数据将变为热、温冷两层数据，数据比例有望从20%:30%:50%变为30%:70%。这意味着过去被归档保存、极少访问的冷数据正被AI重新激活，数据的存储和访问模式正在发生根本性变化。

按照存储介质不同，存储主要分为光学存储器、磁性存储器和半导体存储器三类。HDD硬盘靠磁性材料磁化方向存储数据，而SSD通过浮栅晶体管改变阈值电压存储，断电后信息还可保存。

相比HDD，SSD的随机读写速度是HDD的数倍，显著减少系统启动和应用加载时间。一个装有19个2RU SSD机箱的40U机架可以取代装有32TB磁盘驱动器的23个机架，提供54倍的读取带宽，节省大量空间、冷却和电力成本。SSD无机械部件，抗震性好，响应时间快，为温热数据的理想存储介质。

AI训练中数据沿数据提取、数据准备、模型开发、模型应用、模型归档流动，各部分对SSD要求不同。数据摄取阶段需要高容量和顺序写入性能，最大化每瓦TB存储量；数据预处理阶段要求流畅数据处理；训练阶段强调随机读取性能及最大化每瓦性能；检查点阶段要求快速存储模型状态；推理阶段关注随机读写性能；归档阶段考量容量与性价比。

AI服务器中，如果存储性能不足，XPU可能长时间处于空闲状态，对训练效率造成严重影响。在功耗方面，某些应用场景中存储消耗了整个服务器功耗的35%，采用企业级SSD可大幅降低能耗。

以Solidigm的10PB AI数据流方案为例，SSD与HDD相比：固态硬盘数减少5.2倍，服务器总数减少9倍至15台，整体机架数从9个降至1个，机架占地面积降低9倍，功率密度提高2.7倍，5年能耗支出减少4.4倍，TCO降低40%。

随着QLC NAND技术的成熟和3D-NAND层数不断增加，SSD单位存储成本持续下降。单位GB价格从2024年0.11美元预计降至2028年0.06美元，固态硬盘在热、温热数据应用领域的性价比优势将进一步凸显，加速替代机械硬盘。

表：AI训练各阶段对SSD的性能要求

阶段	关键性能要求	优化目标
数据摄取	顺序写入性能	最大化TB/瓦特
数据预处理	顺序读写	最大化TB/瓦特
训练	随机读取性能	最大化性能/瓦特
检查点	顺序写入	最大化性能/瓦特
推理	随机读写	最大化TB/瓦特
归档	高容量	最大化TB/瓦特