AI 正在重塑企业级存储的定位与价值

最近一个月，企业级存储领域出现了一个非常清晰的动向：

存储供应商已经不再单纯强调容量、IOPS、延迟以及硬件规格，而是越来越倾向于将自己塑造为 AI 时代的数据基础设施平台。

这背后存在几个关键转变。

首先，企业外部存储市场正在重新回暖。

IDC 最新报告指出，企业外部存储系统市场收入出现显著反弹。增长的原因，一方面源于 AI 基础设施建设催生的新需求，另一方面也来自企业前几年推迟更新的存储设备开始进入替换周期。此外，NAND、DRAM 等核心部件价格上扬，也让企业重新审视存储架构的整体成本。

这揭示了一个现象：企业级存储并未因云计算、HCI 或分布式架构而失去重要性。相反，在 AI、数据增长与成本压力的共同驱动下，企业反而需要重新认真评估自身的数据基础设施。

过去客户选择存储，往往主要关注容量单价、性能指标和品牌稳定性。 但现在，客户更在意的是：在同等业务负载下，谁能以更少的 SSD、更少的机柜、更低的能耗、更少的运维复杂度，支撑更长期的数据增长。

其次，各大厂商都在将存储升级为 AI 数据平台。

Pure Storage，也就是现在的 Everpure，近期重点强调 Data-Primacy Architecture，核心已不再局限于"全闪存更快"，而是助力企业发现、分类、治理和利用数据，让企业数据更便于被 AI 应用和 AI agent 使用。

NetApp 同样在强化面向 AI 的存储架构，例如 AFX。它强调 disaggregated storage，即性能和容量可以解耦扩展。这背后的逻辑在于，AI 工作负载对数据吞吐、并发访问、容量扩展都有极高的要求，传统单一 scale-up 架构未必能满足所有场景。

HPE 也在推进 Alletra Storage MP X10000 和 Data Fabric，将 metadata、governance、AI workflow 等能力融入存储和数据平台。它想传达的理念是，存储不应仅仅是"存放数据的场所"，而应成为企业 AI 数据准备和数据治理的关键环节。

这些转变都指向同一个方向：

AI 时代的存储竞争，已经超越硬件层面，延伸至数据管理能力的角逐。

再次，Hitachi Vantara 的 VSP One 也在强化统一数据基础设施。

Hitachi Vantara 最近继续强调 VSP One 在 block、file、object 之间的统一能力，尤其是 VSP One Object 在非结构化数据管理、对象存储、小对象性能、metadata 优化、VSP 360 管理等方面的提升。

这对企业客户而言意义重大。

因为 AI 场景下，数据不仅存在于数据库中，也大量分布在文件、对象、日志、影像、备份、归档和数据湖里。如果这些数据分散在不同孤岛中，企业后续开展 AI、分析、治理和合规工作时，将面临高昂的数据移动成本和管理复杂度。

因此，未来企业存储的价值不仅在于"存得下"，还要看它能否将不同类型的数据统一管理，能否降低数据孤岛，能否让数据更易被发现、保护、治理和使用。

最后，NAND 和 DRAM 涨价让容量效率重新变得关键。

近期存储行业还有一个重要背景：内存和闪存价格正受到 AI 数据中心建设的影响。AI 训练、推理和高性能计算需求持续消耗大量 DRAM、NAND 和 SSD 资源，导致企业采购存储时面临更大的成本压力。

在此情形下，企业不能仅看"每 TB 多少钱"，而应关注真实可用容量、数据缩减效果、性能是否稳定、扩展是否便捷、能耗和运维成本是否可控。

这正是数据压缩、重复数据删除、精简配置、快照、分层、统一管理这些能力重新受到重视的原因。

尤其在企业核心业务、数据库、虚拟化、备份和 AI 数据平台场景中，存储已不是简单的硬件采购，而是关乎长期 TCO 的议题。

我的判断是：

企业级存储正在从"设备时代"迈向"数据平台时代"。

过去我们谈论存储，更多聚焦于阵列、硬盘、控制器、协议和性能。 但现在我们谈论存储，必须同时涉及 AI-ready、数据治理、数据保护、容量效率、统一管理和业务连续性。

对企业客户而言，未来进行存储选型时，不能仅问三个问题：

这个存储有多快？ 这个存储有多大？ 这个存储有多便宜？

更应该问五个问题：

第一，它能否支撑未来 AI 和数据分析场景？ 第二，它能否统一管理块、文件、对象等不同类型数据？ 第三，它能否在 SSD 涨价背景下降低真实容量成本？ 第四，它能否减少数据孤岛和运维复杂度？ 第五，它能否保障核心业务的稳定性、韧性和可持续扩展？

因此，最近一个月企业级存储行业的核心信号可以凝练为一句话：

AI 正在重新定义企业级存储，未来的存储不仅是保存数据，更要让企业数据更安全、更高效、更易于被 AI 使用。