AI 时代边缘存储新范式

AI时代边缘存储新范式Redefining

EdgeStoragefor

the

AI

Era调研机构：益企研究院

&

希捷科技序言AI时代的边缘存储...............................................................................04一、关于本次调研——关注边缘存储应用场景的现在与未来

...............051.1

认识边缘存储场景的需求与特征.........................................................051.2调研对象的行业分布——制造业占主流.............................................061.3受访者从业时间丰富，具备丰富的存储经验

.....................................

10二、边缘场景的存储，部署逻辑特征鲜明

..................................................

112.1

企业偏爱私有云部署方式

.......................................................................

112.2小规模部署为主流..................................................................................122.3存储架构偏爱集中式，数据安全偏爱RAID和多副本.....................

14三、边缘侧AI

应用尚待普及........................................................................173

.1

AI

应用渗透率还有巨大成长空间.........................................................173.2AI

显著增加数据产生量.........................................................................

183.3AI

已逐步渗透至各行业边缘端

............................................................

19四、硬盘仍是最主要的存储介质..................................................................224.1硬盘是绝大多数场景选择

......................................................................224.2磁带和光盘库仍有一定规模

硬盘渐成归档主力...............................254.3云存储成为存储系统重要补充.............................................................26五、硬盘接口与容量选择，体现核心需求

.................................................275.1SATA

满足绝大多数场景需求

...............................................................275.2有

4

成使用双端口

................................................................................285.3单盘容量较小，设备年限较长.............................................................28六、边缘存储应用的需求与痛点.................................................................306.1读写速度是最重要的指标

.....................................................................306.2恢复速度是第二指标

..............................................................................

316.3将近一半的企业关注容量利用率.........................................................

316.4只有三分之一的企业关注扩容成本.....................................................316.5其他值得探讨的技术细节

......................................................................32七、数据价值认知与留存痛点

......................................................................337.1数据价值定义的六大挑战......................................................................337.2提升数据价值的相关建议与举措

.........................................................34REDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAI3AI时代·

边缘存储新范式目录CONTENTS推理复杂度的增长是新的价值点。从长思维链到智能体，

数据不仅仅是燃料和结果，还在确保处理结果的持续性和可靠性方面发挥关键作用。记忆和储存能力，以及数据长期留存的能力，支撑复杂工作负载的高效处理与规模化扩展。在过去，

存储扩容是加法，顺应数据量的增长；在当下，扩容是乘法，提升服务质量。这也是数据中心对存储基础设施的投资热情尤为高涨的根本原因。在边缘侧，AI也促进了存储投资的扩张。在本地或边缘侧使用算力和数据仍是重要的方式，这背后有部分原因是受到延迟要求、数据治理考量以及相关监管框架的影响。根据行业预测，企业数据在边缘侧创建和复制的比例会从2024年的28%上升至2028年的32%。企业应用上云已是普遍现象。在本次面向中国市场用户的调研当中，我们看到部署私有云基础设施的企业占比约60%。这个比例与我们在其他国家或地区的调研数据是近似的。中国市场不但规模巨大，用户的部署与运维能力成长也持续演进。从数据价值角度看，云原生有利于打通企业数据孤岛，易于访问的数据更适合AI应用的引入。当然，企业数据的AI就绪并非一蹴而就，在AI时代，移动、存储和管理数据比以往任何时候都更加困难。我们的调研也会重点关注我们的客户如何构建存储架构和组织数据。我们看到边缘侧用户非常重视存储系统的可靠性，但我们也清醒地认识到，数据安全性并不等同于数据价值。AI与数据价值互相成就，需要持续的努力。随着人工智能应用加速数据生成，并支撑持续增长的存储需求，希捷正迈入一个结构性增长的新阶段。存储是数据的基石。希捷不仅仅帮助客户应对不断增长的数据，也期望能够运用领先的存储技术优化存储基础设施。希捷魔彩盒提供了领先的面密度优势，可以节省机架空间、改善能效，还为简化存储层级、优化数据管理提供了新的可能。AI热潮，尤其是AI推理需求的激增带动了数据中心的投资。当前存储供应链面临的巨大挑战，

凸显了“数据”在AI

时代的关键作用。没有数据，

就没有AI——在训练中如此，在推理中更是如此。生成式AI仍是主要的应用模式，并积极地从文本向富媒体发展。早期的聊天机器人，到图片生成、视频生成，Nano

Banana、Sora、Seedance

不断刷新的创作能力真是令人印象深刻。AI对数据生成、存储量的刺激作用在2025年的《AI时代的存储基石》白皮书中已经有详细的阐述。AI时代·

边缘存储新范式序言AI时代的边缘存储希捷科技边缘存储解决方案高级副总裁Melyssa

Banda4IREDEFINING

EDGE

STORAGE

FOR

THE

AI

ERA边缘场景还可以进一步细分为近边缘和远边缘。其中的远、近概念体现的是边缘节点与核心数据中心之间的物理距离、网络连接质量以及自治能力差异。远、近并没有绝对的技术定义，只是体现了相对性，其中的模糊地带还会产生“中边缘”之类的概念。近边缘相对靠近区域数据中心，可以是城市级、产业园区的数据中心等，CDN、私有云等可以部署在这些位置。近边缘设备的技术特点与数据中心的更为相似。远边缘靠近数据源或最终用户，如生产线、零售网点、科研机构等。远边缘设备的部署环境千差万别，技术要求、外形尺寸迥异，甚至是高度定制化的。为更好地理解边缘场景下，企业存储的使用特点，益企研究院联合希捷科技进行了本次调研。本次调研以相关非云企业，

即从制造业、IT

服务、金融、互联网、医疗等行业入手，调研了相关企业的存储专业人士。本次调研共收到有效调研问卷112份，本报告针对相关调研结果进行的综合分析而成。根据调研可知，当前企业边缘存储以私有云为主要部1.1认识边缘存储场景的需求与特征企业

IT

基础设施部署通常分为“中心”和“边缘”两大部分。“中心”即集中式的数据中心，企业部署时通常是设备托管或者租赁裸金属、采购公有云服务等。“边缘”则是将计算、存储、网络和应用服务部署在靠近数据源或终端用户的位置。边缘侧部署的核心目标是强化本地处理能力、强调数据隐私、降低延迟、提升响应速度、减少带宽消耗，并支持在离线或弱网环境下的业务连续性。常见的边缘侧部署场景包括工厂车间、零售门店、分支机构、油田矿山、智能交通等。边缘侧与中心/云各有优缺点，二者的关系并非是对立的，也常常需要协同工作、优势互补，也就是大家耳熟能详的“云-边”“云-边-端”一体化等等概念。譬如，

在边缘侧可以运行实时性高的应用，控制逻辑、中小模型推理等，从而将数据挖掘、模型训练等算力要求高但不要求实时性的应用部署在中心；在边缘侧可以对

IoT

等物联网设备、传感器的数据流做预处理，减少对中心的远程数据传输压力。第一章关于本次调研——关注边缘存储应用场景的现在与未来REDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAI5AI时代·

边缘存储新范式署形态，本地部署与公有云、IDC

托管形成互补，整体呈现小规模、轻量化特征，七成以上企业存储容量低于

10PB，近八成企业服务器规模在

50

台以内。在存储架构的层面上，相关被调研企业的主流仍然是采用集中式存储，当然分布式存储与超融合架构正在快速渗透，以分布式存储纳管集中式存储的混合架构也逐步普及。在存储介质的选择上，硬盘仍然占据绝对不可或缺的地位，SATA接口也已经能够满足绝大多数边缘存储的场景使用需求。在硬盘容量上，单盘容量以8TB以下为主，新购硬盘则已经逐步向8TB-16TB过渡。在归档场景，

磁带与光盘库仍然有应用的需求，

只是硬盘正成为活跃归档的主力介质。在边缘侧，AI的应用仍未大规模普及，处于试点渗透阶段，但是已经推动超半数企业的数据量出现了明显增长，成为边缘存储扩容的重要驱动力。从行业实践来看，AI

的落地已经深度嵌入到各行业的核心业务流程中。其中，制造业、IT

服务与网络安全、金融等行业在AI

采用方面整体较为领先。在边缘存储场景，企业的核心诉求集中在读写速度、故障恢复速度与容量利用率，兼顾扩容成本与运维便捷性。整体而言，边缘存储有着鲜明的场景使用特征，

也在随着AI的普及而逐渐发生变化。当前，

企业数字化建设加速深化，人工智能应用从试点走向规模化部署，驱动数据产生量激增，对存储系统的容量、性能与智能化提出全新要求。在此背景下，存储技术与产品亟需适应从中心云向边缘端延伸的新趋势。边缘侧数据采集、实时处理与本地留存需求显著增长，催生对高可靠、大容量、低功耗存储解决方案的迫切需求。本次调研重点关注边缘应用场景的兴起，覆盖智能制造、能源电力、医疗健康、金融服务及智能交通等关键行业，旨在洞察一线实践者的真实挑战与选型逻辑。本次调研以在线方式进行，调研对象为存储领域的相关专业人士，主要为各行业的IT决策者、系统架构师及运维负责人。本次调研共回收有效问卷112

份。问卷采用结构化设计，涵盖从业时间、行业属性、存储部署位置、AI应用影响、存储架构偏好、数据安全机制、介质选择及数据价值认知等多个核心维度。除问卷外，研究团队还对典型行业用户代表进行了深度访谈，以获取定量数据背后的定性洞察。最终结论由研究团队结合定量分布、质性反馈及行业趋势综合研判形成，力求真实反映边缘数据时代下企业存储需求的演变方向。1.2

调研对象的行业分布——制造业占主流调研数据显示，受访者行业分布代表了边缘侧应用场景的典型用户群体，尤其是制造业占比

40.18%，远超其他行业；IT

服务与网络安全占

12.5%，位列第二；互联网、金融行业占

7.14%，医疗与生命健康占

6.25%，

教育科研与零售批发行业各占

4.46%。这一分布清晰勾勒出边缘场景对数据存储、利用具有强需求的行业生态。•制造业为主，符合当前行业发展现状本次调研聚焦边缘计算领域，因此我们刻意回避了公有云及数据中心相关行业。鉴于制造业是边缘计算的重点应用行业，而中国也正在从传统制造向智能制造加速转型升级，企业高度关注信息技术发展进程，致力于以构建完善的数据基础设施化解各类挑战，实现精细化管理，降低运营成本、提升生产力。因此，在本次调查中，制造业以

40.18%的高占比成为受访对象最集中的行业，非常符合当前的行业发展现状。在加速向“智能制造”转型过程中，现代制造业正广泛融合工业物联网（IIoT）

、数字孪生、预测性维护、制造执行系统（MES）和企业资源计划（ERP）等信息系统。工厂车间内部署的传感器、PLC

控制器、6IREDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAAI时代·

边缘存储新范式机器视觉设备、AGV

物流系统以及边缘计算节点，每时每刻都在产生海量结构化与非结构化数据。据中国信息通信研究院联合工业互联网产业联盟（AII）发布的《工业大数据白皮书（2023

年）》指出，在典型离散制造场景中，单条智能化产线每小时可生成数

GB

级别的设备运行日志、工艺参数及视觉质检图像等多源异构数据；一个拥有

20~30

条产线的中型制造工厂，年数据总量可达

1~5PB。这些数据的生命周期呈现出明显的分层特征：部分实时数据用于闭环控制或即时质量判定，需低延迟处理；

而绝大多数历史数据则进入归档流程，用于长期趋势分析、产品追溯、工艺优化或合规审计。尤其在汽车制造、电子设计、药品研发与生产、航空航天设备等强监管行业中，生产过程的关键参数必须完整保存数年甚至十余年，以满足

ISO

9001、

GMP、FDA

等法规要求。制造业普遍具有“多基地、长链条、重资产”的运营特点。集团型企业往往横跨多个地域甚至覆盖全球，涵盖研发、生产、仓储、销售、服务等多个环节的数据体系，亟需统一、可扩展、高可靠的数据底座来支撑跨部门协同与全局洞察。由于

IT

预算通常直接服务于生产效率提升和良率改善，企业在构建数据基础设施时高度关注总体拥有成本（TCO）

、系统稳定性及运维简便性。因此，制造业既是数据“生产大户”，也是对数据持久性、完整性、可追溯性要求最为严苛的行业之

一。其庞大的数据规模、严格的合规约束、分层使用模式及成本敏感度，催生了对大规模、高韧性、可演进存储架构的长期刚性需求，使其成为企业级存储部署最广泛、应用场景最丰富的核心领域。•

IT

技术服务与网络安全次之，体现数据基础设施的重要性IT

服务与网络安全行业以

12.50%的占比位居第二，彰显其在数字化基础设施中的枢纽作用及其对存储系统的深度依赖。作为技术密集型行业，此类企业既需要存储自身运营数据（如客户工单、运维日志、项目文档等），更承担为其他行业提供云服务、托管平台、安全审计及灾备解决方案的重要职责。他们需长期留存海量操作日志、网络流量记录、漏洞报告、合规证据及客户备份数据。这些数据往往具备法律效力或安全问题2、您供职的公司所属行业REDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAI7AI时代·

边缘存储新范式图1：问题2、您供职的公司所属行业价值，依据

GDPR、等保

2.0、ISO

27001

等标准，需保留

3

至

10

年不等。随着零信任架构、安全信息与事件管理（SIEM）系统以及AI

驱动的威胁检测技术普及，安全运营中心（SOC）的日均数据处理量呈指数级增长。尽管原始数据经初步分析后访问频率较低，但仍需可靠归档以支持事后溯源、取证和监管检查。这种“一次写入、长期保存、偶发调用”的数据模式，对存储系统的容量扩展性、数据持久性及管理效率提出了极高要求。因此，

该行业不仅是技术创新的推动者，

更是高可靠、大规模、长周期存储需求的核心来源。其业务本质决定了对稳健、可审计、可扩展数据基础设施的长期依赖，也成为存储厂商在安全性与合规性方向上重点布局的目标市场。•金融与互联网行业并列第三，高度依赖数据基础设施金融行业与互联网行业均以

7.14%的占比并列第三，反映出这两个关键数字经济支柱对数据基础设施的高度依赖。金融业是典型的高价值、强合规、高可用性要求行业。银行、保险、证券等机构每日处理大量交易流水、客户身份信息、风险模型数据、反欺诈记录等敏感数据。根据《银行业金融机构数据治理指引》等相关规定，核心业务数据需保留至少

5

年以上，部分审计与司法相关数据需永久保存。同时，金融科技的发展推动了实时交易分析、智能投顾、信用评分、区块链应用等新型场景，进一步加剧了数据吞吐量和复杂性。例如，

大型商业银行单日交易数据可达TB

级别，且对延迟极为敏感。因此，金融行业对高性能、高可靠性、强加密保护的存储系统有刚性需求，尤其是在核心交易系统、灾备中心和数据中心之间实现高效复制与同步。互联网企业同样面临海量用户行为数据、内容缓存、日志监控、推荐算法训练等多样化存储需求。社交平台、电商平台、视频网站等平台每天产生

PB

级数据，其中大量为冷热数据混合体——热门内容需快速响应，而历史内容则进入冷存储池。此外，互联网公司普遍采用微服务架构和容器化部署，导致数据分布更加分散，对分布式存储、对象存储、弹性扩容能力提出更高要求。同时，随着大模型训练兴起，AI

模型训练所需的数据集动辄数百TB，推动了对高性能GPU

直连存储、高速网络互联的需求。因此，金融与互联网虽同属

7.14%，但其数据特征迥异：前者偏重合规、安全、稳定，后者强调灵活性、8IREDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAAI时代·

边缘存储新范式•教育科研与零售批发占比相近，数据需求差异明显高校、科研院所承担着大量科研项目、实验数据采集与学术成果存储任务。例如，

天文观测、气象模拟、生物基因组学研究等项目产生的数据量巨大，且多为长期保存的科研档案。这些数据常用于后续复现、交叉验证和学术发表，要求存储系统具备良好的元数据管理、版本控制与开放共享机制。近年来，

国家推动“教育新基建”和“智慧校园”建设，高校也在加速部署云计算、AI

教学平台，

进一步增加了对高性能存储和数据治理的需求。零售与批发行业业务特性催生了明确且持续的存储需求。日常运营高度依赖交易系统、库存管理、

CRM

及门店

POS

终端，每日产生大量交易流水、出入库记录和客户行为数据。这些数据初期用于实时销售分析与供应链调度，后期依财务审计、税务合规及趋势回溯要求，需留存

3

至

7

年甚至更久。“高生成量、低访问频次、长保留周期”是其典型特征，对大容量、高可靠、低成本存储方案需求稳定。随着智慧零售推进，视频监控、客流统计、电子价签、智能货架等物联网设备广泛部署，中型连锁企业日均新增数据可达数TB

级。部分数据在边缘侧短期处理后，原始素材与分析结果仍需集中存扩展性、性能，共同构成了高端存储市场的两大重要驱动力。•医疗/生命健康，展现数据存储长期需求医疗/生命健康行业占比

6.25%，其数据特性极具特殊性和战略意义。该行业涉及患者电子病历（EMR）

、医学影像（如CT、MRI）

、基因测序、临床试验数据等高敏感、高价值信息。根据《个人信息保护法》和《医疗机构管理条例》，医疗数据需严格加密、权限控制，并长期保存（一般不少于

15

年）

。特别是影像数据，单次扫描可达数十GB，一个三甲医院年新增数据可达PB级。智慧医院、远程诊疗、精准医疗的发展，AI

辅助诊断、医学图像识别等应用的日益普及，对存储系统提出了“高带宽、低延迟、高并发”的要求。同时，医疗数据具有不可再生性，

一旦丢失将造成重大损失，因此对存储系统的容灾能力、数据一致性保障尤为重视。此外，医疗数据的共享与互通仍处于起步阶段，跨机构协作受限于隐私政策和技术壁垒，也促使医疗机构加强本地化、私有化的存储体系建设。REDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAI9AI时代·

边缘存储新范式数字技术的成效需要结合行业实践反复验证，特别是那些具备较高技术含量的基础设施，其中存储架构涉及数据生命周期管理、容灾备份、性能调优等复杂决策，需要长期实践积累。这种经验密度使调研结果更具行业风向标意义——资深从业者更倾向于理性评估存储技术的适用性，而非盲目跟风新技术，直接反映市场真实需求而非概念炒作。同时，长期从业者的稳定性也反映出行业对技术连续性的重视。企业在升级存储系统时往往采取渐进式策略，避免一次性替换带来的风险与成本压力。这种谨慎务实的态度，进一步延缓了传统存储被全面替代的进程。据此我们认为，高比例的资深从业者增强了调研结论的可信度，也说明当前存储技术的选择更多基于实际业务需求与成本效益权衡。储，用于后续复盘及模型训练，对存储扩展性与经济性提出更高要求。此外，该行业普遍存在

IT

预算有限、投资回报导向明确的特点，倾向于选择成熟稳定、运维简便、单位容量成本可控的存储方案，平衡性能、可靠性与总拥有成本。行业分布数据虽无法直接反映不同介质市场占有率，但清晰揭示了各行业存储技术需求差异，为存储方案优化提供了明确方向。1.3

受访者从业时间丰富，具备丰富的存储经验从从业时间来看，93.75%的受访者拥有

5

年以上行业经验，仅有

2.68%为入职不足两年的新手。这

一结构意味着调研样本以资深技术人员为主，具备丰富的实际部署经验和对存储技术演进的深刻理解。问题1、您在目前行业的从业时间10I

REDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAAI时代·

边缘存储新范式图2：问题1、您在目前行业的从业时间NAS，深度集成虚拟化与容器平台，为数据库、ERP等核心系统提供低延迟、高可靠保障。同时作为边缘智能的中心节点，汇聚

IoT、移动终端等端侧数据流，

实现统一存储治理与分析。该架构既满足金融、制造、政务、零售等行业对关键数据本地留存的合规要求，又支持对端侧数据的集中备份与灾备管理，是当前企业级存储的主流形态。•办公场所（39.29%）办公场所是文件共享、邮件系统、协作平台等日常应用的主要存储节点。企业普遍采用

NAS、超融合或虚拟化存储方案，

兼顾访问效率与数据安全。随着远程办公普及，办公存储正向轻量化、权限精细化方向演进，

并逐步与零信任安全架构融合，强化终端数据防护。•生产现场（36.61%）面向工厂、矿山、交通等工业场景，边缘存储设备（如工业服务器）就近部署于产线，支撑设备监控、

AI

质检等实时应用。该方式既降低回传带宽压力，又保障断网环境下的业务连续性，是智能制造与工2.1

企业偏爱私有云部署方式数据显示，存储系统部署位置私有云（58.04%）显著领先，办公场所（39.29%）与生产现场（36.61%）紧随其后，公有云（34.82%）

次之，IDC

托

管（15.18%）占比较低。部署位置的调研结果体现了边缘侧应用的显著特点。私有云是主要的落地形式，

一方面说明虚拟化、容器化已经是主流的应用部署方式；另一方面，私有云对应的基础设施部署位置通常会比较接近数据源，可以是在企业自有的楼宇、园区当中，也可以在区域内自建或托管的数据中心当中。其次，

不论是否上云，

数据就近存储依旧是比较常见的使用模式，在办公场所或生产现场部署存储系统的受访者占比都接近

40%。•私有云（58.04%）私有云以高性能、高安全、强可控为核心，普遍采

用

Ceph、vSAN

等

分

布

式

架

构

或

企

业

级

SAN/第二章边缘场景的存储部署逻辑特征鲜明REDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAI11AI时代·

边缘存储新范式问题3、存储系统主要部署位置资源，存储架构也持续向"云原生+边缘协同"演进，形成“中心+边缘+云”协同的混合架构，这正是数字化转型走向成熟的重要标志之一。2.2

小规模部署为主流•逾

7

成企业存储容量低于

10PB在存储总容量方面，37.5%的被访企业低于

1PB，

35.71%处于

1～10PB区间，合计

73.21%

的企业总容量未超过

10PB。这说明尽管数据爆炸式增长，但多数企业尚未迈入超大规模数据管理阶段。值得注意的是，即便服务器数量不多，部分企业仍能实现较高容量，体现出单机密度提升的趋势。整体来看，头部企业拉动高端市场，而广大中小企业更关注单位容量成本与部署效率，倾向于选择经济型、易扩展的存储方案，

这也为分布式存储和云边协同架构提供了广阔落地空间。•4

成企业存储服务器少于

10

台调研数据显示，40.18%的被访企业拥有少于

10

台存储服务器，37.5%

的企业拥有

10～50台，

两者业互联网的关键基础设施。•公有云（34.82%）公有云凭借弹性扩展、按需付费和全球化部署优势，提供对象、块、文件等多类型存储服务，支持高并发访问、自动冗余与跨区域容灾。适用于非核心系统、开发测试及海量非结构化数据（如日志、视频）存储，是互联网、电商等行业支撑高动态业务的首选，但在金融、制造等关键领域应用仍趋谨慎。•

IDC

托管（15.18%）该环境适合需保留硬件所有权且具有专业运维能力的企业。由第三方数据中心提供基础设施托管，

企业远程管理存储设备，兼具安全性与成本效益。常用于制造、医疗等行业的核心数据库与灾备系统，是过渡期的务实之选。•结论：私有云主导、场景化并存根据调查结果，我们认为，当前存储部署呈现出“私有云主导、场景化并存”的格局。整体来看，企业并非简单“上云”或“本地”，而是根据业务属性、数据敏感度和成本效率等因素，在多环境间动态分配存储12I

REDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAAI时代·

边缘存储新范式图3：问题3、存储系统主要部署位置合计占比达

77.68%。通常情况下，“少于

50

台服务器”常被宽泛用于指代“未达到大规模部署”的中小规模场景。因此，这一现象反映出当前企业

IT

基础设施仍以轻量级、模块化为主，

尤其在制造业、零售、教育等广泛行业中，往往仅在总部或核心工厂部署少量服务器。同时，该分布也契合边缘计算的发展趋势——企业不再依赖单一数据中心，而是将计算与存储能力下沉至多个边缘节点，每个节点仅需一至数台设备即可满足本地数据缓存与处理需求。这种“多点小规模”部署模式降低了单点复杂度，但对设备的可靠性、远程运维能力和标准化提出更高要求。问题6、存储服务器部署数量问题7、存储服务器总容量REDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAI13AI时代·

边缘存储新范式图5：问题6、存储服务器部署数量图4：问题7、存储服务器总容量2.3

存储架构偏爱集中式，数据安全偏爱RAID和多副本•

集中式存储与分布式存储集中式存储依然是调研企业中的主流架构和主流选择，但是随着分布式存储的日益发展与成熟，在调研企业中分布式存储架构，也已经接近半数。•集中式存储依然是企业在边缘存储部署时的主流选择。

57.14%的调研企业选择了采用集中式存储架构进行数据存储（如下图所示）

。集中式存储的使用传统较长，通常具有易于使用、可靠性高的特点。较高的占比体现了企业在

IT

基础设施中的使用习惯偏好，也符合存储系统生命周期较长的特点。•有接近半数的企业表示，在其内部采用了分布式存储。

50%的调研企业选择了采用分布式存储的架构，也有

24.11%的企业选择了超融合架构。由于是多选，二者之间有重合的部分，但是也说明了分布式存储架构在边缘存储中的相对较高的份额。这与

IDC在

2024

年披露的中国存储市场数据中，包含软件定义存储和超融合在内的分布式存储市场份额，已有50.2%，首次超过集中式存储的趋势保持了一致。随着分布式存储应用的进一步成熟，企业在边缘存储端，将会更多采用分布式存储。•有将近三分之一的企业部署了混合架构，以充分利用资源。集中式存储与分布式存储并非互斥的关系，

二者可以协同使用。分布式存储可以实现对集中式存储甚至云存储的纳管，更有效地整合数据资源。尤其是随着AI应用对数据复制、移动规模的增大，存储空间、性能、能源的消耗都变得难以忽视，对分散于各个业务子系统中的存储资源与数据进行更高层次的统一管理是降本增效必由之路。分布式存储的发展也越来越重视对旧有集中式存储的再利用，鼓励企业利用分布式存储对现有存储进行统一纳管，以便更好地服务企业的存储需求。

一些企业和机构在其原有的集中式存储过保之后，选择不将其退役，

而是纳入到分布式存储之中，实现资源充分利用的目的。在调研企业中，制造业企业占

40.18%，其次是IT

服务与网络安全的12.50%，金融和互联网的7.14%，

以及医疗/生命健康的

6.25%。一般而言，制造行业传统的数字化应用，对于数据存储的需求远低于当前的智能制造阶段。包括

ERP、MES、PLM

在内的多款应用，

以结构化、低频、小规模的问题8、存储系统采用的存储架构14I

REDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAAI时代·

边缘存储新范式图6：问题8、存储系统采用的存储架构数据为主，而且对存储系统的安全性、稳定性要求更高，

因此大多采用集中式存储的架构进行部署。此外由于制造业的数字化应用时期，数据的扩充主要来自于制造产线的扩容，由于产线扩容周期长、且可预测，不需要借助分布式存储快速、灵活的扩充能力，集中式存储即可满足。同时，集中式存储依靠高可靠硬件和冗余组件进行避免故障的方式，比如说多控制器技术、RAID

等方式，比分布式存储依赖多副本、纠删码等软件冗余和多节点分布容忍故障的方式，更能够得到企业的信任。这一点，在金融行业也非常明显。但是随着智能制造比率的提升，数据已经成为众多制造企业的核心生产要素，包括金融、医疗等行业在内也都是如此。受智能化的影响，在制造行业，随着产线自动化和物联网的发展，相关的智能设备无时无刻不在产生数据，包括结构化/非结构化的，以及图像、日志等；另外，随着视觉质检、AI

推理的逐渐普及和全流程质量追溯的需求，在产品生产过程中，都会产生大量的图片、视频和标注数据等，这些都需要对存储容量产生了更大量的需求。相对而言，分布式存储的性价比更高，因此这类业务的存储系统大多会选用分布式，这逐渐推高了分布式存储在企业中采用的份额。传统的集中式存储并没有消亡，

在数据量整体规模增长的背景下，

其扩张节奏稍逊于分布式存储。•

RAID

还是多副本、纠删码？调研企业更习惯物理层面实现的安全，对软件方式实现的数据安全还在逐渐熟悉和采纳过程中。

一方面，绝大多数企业选择采用

RAID

的方式来保障数据安全，这是集中式存储架构管用的部署方式；另

一方面，

引入了分布式存储架构的企业中，

他们更愿意采用成本更高的多副本方式，而不是采用成本较低的纠删码方式进行数据安全的保障。这说明，在调研企业中，由于数据量的关系以及对于数据安全可靠性的更强烈需求，数据存储的成本不是最在意的因素，他们更愿意采用较为稳妥的方案。根据企业数据量方面的调查数据，将近

40%

的企业数据量在

1PB

以内，数据量在

10PB

内的企业占将近

80%——数据规模相对较小也导致用户对于单位存储成本的敏感度相对较低，经济性会让位于可靠性方面的考虑。•RAID

依然是最主要的数据安全手段。75.89%的调研企业选择了采用

RAID

方式来保障数据安全（如下图所示）

，这与超过半数的企业选择集中式存储进行数据保持是一致的。传统的企业存储，无论是

SAN

还是

NAS

的架构，

都广泛以

RAID

来保障数据的安全可靠。此外，在一些超融合的初期部署中，也会采用

RAID

方式来实现数据的安全。•多副本的使用率，远高于纠删码。55.36%的调研企业采用了多副本的方式来保障数据安全，相较而言，只有

14.29%的调研企业选择纠删码的方式。这一方面说明在分布式存储的架构中，企业更为信任多副本的方式；更深层次的因素是分布式系统的规模较小、高性能分布式存储系统（如全闪）的渗透率相对还较低，毕竟纠删码技术方案要充分发挥也依赖于介质数量和节点性能的提升。所谓

RAID就是独立

磁盘

冗

余阵

列（Redundant

Array

of

Independent

Disks），

是存储领域实现数据安全性和可靠性的“老朋友”了，在集中式存储架构时代，

与多控制器等一起，

是确保数据安全的重要法宝。该技术能够将多块硬盘组合起来，在性能、容量和可靠性三者之间做权衡，从而实现硬盘的“扬长避短”。尽管在分布式存储场景和云存储场景中，RAID

技术已经不受欢迎。但是在集中式存储场景中，

RAID

依然是企业

IT

基础设施的重要组成部分。其重要原因就是

RAID

能够提供冗余，借助控制器的帮助还有能力避免单点故障。即便随着技术的进步，单盘故障对业务的影响已经大幅降低，但用户对于基于软件方式实现数据安全的信任度还需要逐步改善——毕竟单一依赖软件实现的数据安全，其背后服务中断和数据丢失的风险，谁也无法承受。此

外，

企

业

采

用

RAID0/RAID1/RAID10/RAID5/RAID6之后，其条带化技术，可以将数据分散到多块盘并行读写，

对于数据库、虚拟化等

I/O

密集型REDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAI15AI时代·

边缘存储新范式看，企业更愿意采用多副本的技术，远高于纠删码的应用率，主要原因还是在于性能、复杂性、修复成本以及业务容忍度等多个方面。在读写性能上来说，

多副本比纠删码的方式要高，写入只需要同步到多个节点，没有计算开销，而纠删码则需要编码计算和多节点写入；读取的话，多副本的方式可以从任意副本并行读取，纠删码的方式读取涉及校验码需要解码。最重要的是故障修复速度，在多副本的方式下，

企业直接复制健康副本即可；但是在纠删码的方式下，企业需要读取多个数据块+校验块，计算恢复，网络和

IO

的压力都会比较大。对于更注重业务连续性的企业，尤其是本次调研中大多数企业均在制造行业，业务线的稳定运行至关重要。另外一方面就是成本问题。纠删码

M+N

的组合方式对节点数量、硬盘数量有一定的要求。如果数据规模较小，可用节点较少，纠删码方案的总体成本并不一定具备足够明显的优势。随着存储节点、业务网络、盘片的性能的不断进步，纠删码的使用率会逐步提升。的应用，可以显著提升性能。这也是企业在数据量可控且可预期情况下，更多采用容量相对较小的盘来组成

RAID

的方式，而不是单纯采购超大容量硬盘的一个潜在原因。正如本次访谈中相关业内人士所评价的那样，集中式存储如果未采用

RAID

机制，其风险无异于车辆未购买保险。虽然在短期内节省了一定成本，但

一旦发生故障，所付出的代价可能十分严重。在另一方面，

尽管分布式存储中，纠删码是比多副本得盘率更高的技术，整体而言单位存储成本更低。但是在实际应用中，特别从此次调研的数据来问题9、存储系统用何种方式保证数据安全？16I

REDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAAI时代·

边缘存储新范式图7：问题9、存储系统用何种方式保证数据安全？第三章边缘侧AI应用尚待普及3.1AI

应用渗透率还有巨大成长空间调研数据显示，目前尚有

45.54%的企业仍未开始使用

AI，32.14%正在试验或开发中，

另有

32.14%已经在少数业务中应用了AI，只有

7.14%的企业在多数业务中广泛应用了AI，而通过

AI

开展全新业务的企业占

10.71%。这说明

AI

在企业中的普及还处于从尝试到大规模应用的过渡阶段，并且不同行业对

AI

的应用程度存在明显差异。制造业是最大的用户群体，他们广泛采用工业传感器、机器视觉和自动导引车（AGV）系统，生成大量的实时数据。然而，由于流程复杂、模型训练成本高以及安全性的考虑，AI

主要应用于一些生产线上的质量检测和设备维护等小范围测试中。为了支持这些功能，车间需要配备低延迟、高可靠的边缘存储解决方案。IT

服务与网络安全行业由于技术背景雄厚，已先

一步将

AI

应用于日志分析和威胁检测等领域，成为

AI应用的先锋。这些应用场景要求边缘存储具备大容量、长期保存和可审计的能力，以应对大量安全事件数据的缓存和归档需求。边缘数据中心/云/AI+作为新兴力量，在自动驾驶测试和智慧园区等场景中扮演着重要角色，其核心业务就是AI

推理和收集训练数据集。这类应用场景的需求非常多样化，

包括实时性、存储容量、能耗等。但有一点是可以肯定的，边缘侧的

AI

应用对数据存储的需求是容量投资的主要动力，不论是多模态数据的采集，还是

AI

生成内容。金融行业利用其丰富的用户数据和强大的资金实力，在智能客服、反欺诈和网点行为识别等方面引入了AI

技术。为了确保数据的安全性和合规性，银行网点和ATM

机等终端也配备了边缘计算单元和本地加密存储方案。医疗/生命健康领域正推进AI

辅助诊断，如CT/

MRI

图像识别。边缘

AI

配合大容量、高带宽的存储设备，可以支持模型加载和原始影像的临时存储。REDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAI17AI时代·

边缘存储新范式零售和批发行业则利用AI

优化客流分析、商品推荐和库存预测等功能。门店部署的边缘设备进行视频处理和数据分析，对低成本、易扩展的本地存储有着持续的需求。值得注意的是，仅有约

10%的企业通过AI

开辟了全新的业务模式，表明当前

AI

更多地被用作提升效率的工具而非创新的主要驱动力。总的来说，尽管各行业的起点不同，但它们都在朝着一个共同的方向前进：数据处理的重点逐渐从中心向边缘转移，这意味着存储系统需要变得小型化、坚固耐用、符合安全规范并且便于远程管理，从而支撑起“云端-边缘-终端”协同工作的新型基础设施模式。3.2

AI

显著增加数据产生量调研数据显示，AI

应用已显著推动企业数据量的增长。其中，

25%的企业表示数据增长在

10%以内，31.25%的企业数据增幅达到

20%-50%，

两者合计占比高达

56.25%，表明超过一半的企业在引入AI后实现了数据量的明显提升。这一趋势充分说明，AI正从“工具”向“数据引擎”转变，成为驱动数据爆炸式增长的核心动力。AI

之所以能强劲拉动数据产生，根本原因在于其运行机制本身：AI

模型训练依赖海量数据输入，推理过程也持续生成日志、特征向量、预测结果等新数据。例如，在智能制造中，

AI

质检系统不仅采集原始图像，还输出缺陷分类标签、置信度评分和工艺参数建议；在金融领域，反欺诈模型实时分析交易行为并记录风险评分；在零售场景中，

AI

客流分析系统每分钟生成数十个行为轨迹点。这些新增数据并非简单复制，

而是经过结构化处理的高价值信息，构成了企业数字资产的重要组成部分。值得注意的是，36.61%的企业选择“不确定”，这并非代表无感或拒绝，而恰恰反映出一种对AI

未来潜力的高度预期与当前认知尚未完全落地的状态。这部分企业多处于AI

试验阶段，虽未形成稳定的数据产出模式，但已意识到

AI

将带来数据规模的跃迁。随着模型迭代、应用场景扩展和边缘端部署深化，数据增长将逐步显现。例如，当

AI

从“单点试点”走向“全链路协同”，从“辅助决策”迈向“主动感知”，其产生的数据维度和频率将进一步放大。此外，“不确定”选项也折射出企业在技术准备上的现实挑战：如存储容量规划不足、数据治理机制不健问题5、AI应用在多大幅度上增加了贵司的数据产生量？18I

REDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAAI时代·

边缘存储新范式图8：问题5、AI应用在多大幅度上增加了贵司的数据产生量？全、网络带宽受限等。然而，这些障碍正在被快速突破——磁盘容量不断突破，分布式存储、智能分层架构、边缘缓存策略等技术手段不断成熟，为

AI带来的数据洪流提供了坚实支撑。综上所述，AI

不仅是业务智能化的催化剂，更是数据生产的加速器。当前已有超半数企业明确感受到数据增长，而“不确定”的群体则预示着更广泛的数据爆发即将来临。可以预见，随着

AI

渗透率提升，企业数据总量将迎来新一轮跃升，推动存储需求从“容量扩张”转向“智能管理”，构建面向未来的“AI+数据”基础设施体系。3.3AI

已逐步渗透至各行业边缘端从本次调研的样本看，多数受访企业已经开始应用或者试验AI技术，有超过三分之一的企业出现了较为明显的数据量增长。广义上来说，制造业是应用AI技术比较早的领域，典型的就是基于机器视觉的深度学习、推理任务，广泛应用于物料分拣、质量检测、安防预警等领域。随着大语言模型的兴起，探索大语言模型的泛化能力与已有工作流的衔接，以及重新发掘业务数据的价值，是当前比较关键的趋势。企业也在为在为部署私有化的AI基础设施做准备。从硬件角度看，边缘侧的AI服务器形态已经日趋成熟，从多块推理卡分工协同的推理一体机，到胜任高吞吐量、可扩展性的训推一体机，甚至整机柜交付的超节点等，可以适应不同应用层次、不同用户规模的企业需求。从软件角度看，开源模型百花齐放，较小参数量的模型已经开始具备较高的推理能力，数据预

处

理、RAG，甚至

权

重/KV

Cache

卸载的开源工具进一步提升质量、降低成本。简而言之，大语言模型已不再是大型数据中心的专属，

其本地化部署，包括近边缘、远边缘、端侧等多层次，都在努力显现出实用化价值。数据安全也是企业关注私有化部署的核心要求。数据包括了客户隐私，也蕴含着企业核心竞争力——不论历史数据中隐藏的价值是否已被充分识别。从大数据挖掘，到机器学习，再到大语言模型，乃至今年爆火的智能体，数据价值一次次被重新定义。除了原始的业务数据，智能体这类具有自学习倾向的应用模式让AI的历史交互也开始展现出独特的价值。不论哪种数据，其蕴含的难以估量的竞争力决定其必须尽可能保持在企业监管能力范围之内，私有化部署算力、存储、备份，

即使不是唯一，

也是现阶段可知的最合理的解决方案。作为数据底座，存储技术也将在

AI

深化过程中迎来结构性升级机遇期，并针对不同成熟度企业提供差异化方案：轻量化边缘存储满足小规模

AI

需求，而高性能混合架构支撑高并发

AI

训练与推理。AI不仅是业务智能化的催化剂更是数据生产的加速器超半数企业明确感受到数据增长

而“不确定”的群体则预示着更广泛的数据爆发即将来临REDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAI19AI时代·

边缘存储新范式3.4

与相关企业访谈某工业温控领域上市公司企业内存储系统采用混合部署模式，以实现性能型与容量型业务的有效解耦。其中，分布式存储（vSAN，混合闪存）主要承载虚拟化平台的生产系统与部分研发负载，采用双副本策略，

侧重高可用性和快速故障恢复。分布式存储在双副本策略下，容量利用率低，扩容需要同时引入计算与存储资源，不适合以容量为主的负载。通过新增集中式存储，实现数据分层与成本优化，而非整体重构。集中式存储（NetApp

FAS50）以

SMB文件服务为主，面向非结构化数据与研发资料，提供更高的容量利用率和成熟的数据管理能力。存储系统数据安全整体策略是强调高可用，采用快照结合备份的多层保护机制。分布式存储选择多副本机制，相较纠删码，

更适合对恢复时间和一致性要求较高的生产负载，以保障节点级故障下的业务连续性。集中式存储采用了双控制器架构，消除控制器单点故障。磁盘层采用双校验

RAID（RAID-DP）

，配合快照、本地备份与跨厂区复制，形成完整保护。当前存储系统的瓶颈主要集中在容量维度。分布式存储介质选择主要参考平台最佳实践，满足vSAN

对缓存层与容量层的技术要求，整体性能可满足核心业务需求。集中式存储部署前对热数据占比、访问频率与工作集大小、IO

模式与并发特征进行持续的评估，企业内文件共享与研发数据以顺序读写和中等并发为主，对硬盘性能接受度较高。同时，利用

Flash

Pool缓存技术，对热数据进行缓存加速。在业务增加时，通过业务迁移，避免性能与容量压力叠加。某大型连锁商场运营商目前该企业内存储系统主要采用分布式方案。分布式存储在线性的性能扩展、海量数据存储需求、数据安全性上比集中存储更有优势。随着业务规模扩大与数据类型日益多样化，结构化与非结构化数据均持续增长。预计在块存储上承载海量小文件可能会出现

inode

寻址与元数据访问压力，从而引发访问性能瓶颈。因此，计划在瓶颈出现前，将该类负载迁移至文件存储或对象存储以应对上述问题。对于结构化数据，后续可考虑采用基于

RDMA

存储网络架构的高性能块存储进行承载。对于非结构化数据，

则计划以对象存储、文件存储逐步替代现有方案，以更好地平衡容量与性能。数据安全方面更倾向多副本模式。多副本模式在读、写时有较均衡的性能。纠删码在写入的性能比多副本差，且如果在底层数据发生损害时，恢复速度也更慢。但纠删码能在指定容量空间内提供更大的可用存储空间，降低存储单位成本。因此，根据不同的场景，生产环境、热数据选择多副本模式，对分析系统、归档数据选择纠删码模式。20I

REDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAAI时代·

边缘存储新范式某三甲医院该医院采用集中式存储与分布式存储相结合的混合架构，

以集中式存储为主，首要考虑的是稳定性与可靠性。集中式存储技术成熟，直连架构易于使用，在出现问题时更易于恢复。集中式存储主要用于承载数据增长快、对性能与稳定性要求极高的核心业务，如

HIS（医院信息系统）

、电子病历、影像系统（PACS）的数据库部分。采用

RAID

技术，

在空间利用率和可靠性之间取得平衡，且对磁盘类型（SSD

或硬盘）的选择更为灵活。分布式存储主要用于承载增长量不大、以提供外部服务为主的业务组件，如

Web

服务、中间件等。分布式存储的多副本机制带来的空间浪费是主要的成本制约因素。纠删码方案不适合以硬盘为主要存储介质的环境。分布式存储在软件层面的复杂度可能会引入额外的风险点，但对其发展会持续跟踪、评估。新院区建设时，

增加分布式存储系统的可能性较高。选型策略受政策影响大，若建设资金来源于政府，有相应的国产化率要求，可能会改变现有的使用习惯。存储系统投资的预算限制突出，主要预算用于扩容。目前仅在

HIS

这类对性能有一定要求的系统上少量部署全闪节点。数据量的增长主要来自影像，

目前增长趋势相对稳定，在区域内检测结果互认的政策下，此类数据存在增速放缓的可能。这类数据主要存储在

NAS

中，以机械硬盘为主。影像数据被视为冷数据，保持稳定的容量投资预算即可，暂不考虑部署高性能存储，也暂未考虑用于AI

训练等用途。REDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAI21AI时代·

边缘存储新范式第四章硬盘仍是最主要的存储介质4.1硬盘是绝大多数场景选择在关于存储介质的选择方面，我们覆盖了传统的物理介质（硬盘、SSD、磁带、光盘库）

，并将云存储也纳入调研，反映了当前用户大量购买云服务的现状。从使用比例看，硬盘依然是调研企业最主流的选择，高达

91.96%。这说明在调研企业中，硬盘依然有着不可替代的优势地位。结合前述调研企业主体大多为制造业以及相关的使用场景，硬盘由于其成本效益高、性能足以满足负载需求，以及技术成熟、可靠性高，成为大多数企业最“合适”的选择。问题10、目前使用的存储介质类型？22I

REDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAAI时代·

边缘存储新范式图9：问题10、目前使用的存储介质类型？整体而言，在调研企业所反映出来的情况来看，硬盘依然是绝大多数场景的当然选择，这一点从后续的两个观点来看，也得到了进一步的验证。近一半应用数据直接写入硬盘在被问及数据存储到硬盘的时机，前四种选项的比例都比较接近，均在40%左右。其中：选项A是以直接写入SSD

为主，

业务部署在SSD上，以硬盘存储作为归档设备；选项B是业务包括混闪存储服务器和超融合，在一个节点内部署多种业务，存储系统预先设置好业务落盘的分配机制，包括缓存盘的比例等；选项C的业务数据直接写入硬盘；选择D体现了分布式存储发展的相对新的阶段，数据的自动化流转，打通了不同业务的数据孤岛，以数据湖的形式对上面提供服务。搭建数据湖的存储系统，是包含有硬盘存储的全面的存储基础设施，数据根据不同的业务性能需求，而通过自动分层的方式在数据湖中存取。比例最高的，有

42.86%的调查企业选择新数据直接写入硬盘。这说明在这些调查企业中，有大量数据在现有的价格体系中，企业级的硬盘售价远低于同容量的

SSD。对于预算敏感、数据量庞大的边缘存储应用来说，硬盘是经济可行的更好选择。由于AI

在边缘存储场景中渗透率还较低，而企业中的大量数据是冷或者温数据，传感器数据、日志、备份、归档等，

这些数据更注重存储带宽而不是随机

IOPS。现有的企业级硬盘已经足以满足需求。当然，更重要的是硬盘存储的技术成熟，相关的产品可靠性、安全性较高，维护也相对简单，更受到调研企业的青睐。另外，即便在一些AI

渗透率较高的企业中，引入了

AI

训练之后，部署AI推理应用之后，也需要海量的历史数据，相关的冷数据和温数据存储在硬盘上，显然在性价比来说更为合适。选择云存储的受访者占比达到了近三分之一，实际排在第三位。这也确实符合我们设计调研问卷的初衷，云存储在业务中的重要性已经不可忽略。云资源的使用主要有两类，一是将部分业务部署在云上，并配套一定容量的云存储，以实现跨区域的服务；二是采购云存储作为本地存储的补充，满足业务快速扩容的需求，也可以作为投资门槛较低的冷数据存储。随着企业级存储管理软件的发展，云存储的使用也变得更为便捷，帮助用户尽量打通跨区域的存储资源，包括本地存储、私有云、公有云等。问题12、数据存储到硬盘的时机REDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAI23AI时代·

边缘存储新范式图10：问题12、数据存储到硬盘的时机混闪和自动分层拓展硬盘应用场景当然，

从上面的图（问题

12）

中也能看出来，

企业是通过自动分层来决定数据落盘到硬盘的时机：约有40%的企业选择了这样的方式。采用自动分层后，可将SSD

作为高性能缓存或者热数据层，并在合适的时机将数据自动迁移并落盘到硬盘，从而充分发挥两种介质的优势。将业务部署在SSD上，

数据先写入SSD也有41.96%的选择。这种方式有较好的预期性能，但也面临数据复制、移动过多的问题，可能产生不必要的能耗、网络压力，设备投资也较大。还有

38.39%的调查企业选择了混闪架构。作为综合了硬盘和SSD

两种存储介质的混合存储模式，混闪既不是“高性能高成本”的全闪存，也不是纯硬盘的“低成本低性能”，而是在性能、成本与成熟度之间的一种主流选择。不论是将业务部署在SSD上，还是传统的混闪架构设计，都更多依赖对业务所涉及的IO模式的统计及预判，

采用相对静态的配置方式满足业务需求，

而较新的系统则开始追求充分利用分层协同、智能调度，以提升性能与资源利用率。是“安静的大块数据”，如视频、备份、日志归档等，他们更适合以直接写入硬盘的方式进行存储，一方面性能已经足以满足需求，另外一方面硬盘的价格更合适，更具备性价比。从上图问题

13

的答案也可以看出，有

68.75%的调查企业认为硬盘的性能足够，所以能够接受将数据直接写入硬盘。而容量和成本只是排名第二和第三的原因，

分别是

41.96%和

30.36%。业务瓶颈也有一定的影响里，其中包括数据的利用情况，以及网络基础设施的性能水平。随着存储系统自动分层技术成熟，越来越多的企业引入了该技术，以

SSD

加速关键业务，而用硬盘来承载海量数据。这样构筑的企业级存储系统，能够在性能、成本、容量和可靠性之间达成一个相对理性的平衡，因此相关企业在构筑数据湖时，更愿意选择这样的架构。无论是混闪架构还是自动分层方式的存储架构设计，调查企业都可以充分利用既有的硬盘存储池投资，避免“推倒式”的存储基础设施重建，非常适合制造、政务、医疗等

IT

预算有限但需逐步提升性能和问题13、目前使用的存储如果数据直接写入硬盘，主要原因是：24I

REDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAAI时代·

边缘存储新范式图11：问题13、目前使用的存储如果数据直接写入硬盘，主要原因是：容量的企业。在这一点上，

跟此次调研企业所在的主要行业也是一致的。4.2磁带和光盘库仍有一定规模硬盘渐成归档主力从调查可以看出来，虽然硬盘和

SSD

已经占绝对主流，但是在调查企业中，磁带和光盘库依然有一定的规模，

尤其是在归档场景，

不过，

这个场景中，硬盘也已经渐成主力。磁带和光盘库依然生命力旺盛有

23.21%

的企业目前仍然使用磁带，

有

11.61%

的企业目前仍然使用光盘库，这一点反映了使用磁带和光盘库的历史惯性。更重要的是，由于在金融、广电、医疗甚至现在的制造业中，都有着数据长期保存、合规性和安全性的需求。磁带和光盘库由于其超低成本、超长寿命和空间隔离安全等因素，在归档场景和长期保存场景，以及某些要求保存数据不可篡改的场景中有着相当旺盛而持久的生命力。硬盘正逐渐成为归档的主力不过，对于另外的一些场景，磁带则已经被逐渐抛弃和淡出。在调查企业中，提及归档场景时，有41.96%

的企业选择“从未使用过磁带”，只有

19.64%的企业表示“磁带是归档主力”，也只有

12.50%

的企业选择“继续投资磁带以应对归档数据的增长”。硬盘正逐渐成为归档的主力，尤其在“活跃归档”和“近线归档”两个领域，成为主力介质，这后面是成本、访问效率、云原生架构以及

AI

驱动的数据使用模式等多种因素驱动的结果。在归档场景中，硬盘崛起的核心战场是“活跃归档”。如调查问题

11

所示，有

31.25%

的调查企业表示“会逐步增加硬盘在归档中的容量比例”、有

25%的调查企业“考虑将归档数据向硬盘迁移”。主要原因正是AI

训练、审计或者业务回溯的要求，它们改变了关于“冷数据”、“归档”的定义。相关归档数据虽然访问频次低，但是在一段时间，比如说对于制造业产品来说的

3

年保质期内、5

年维修期内等，一旦需要，就必须确保能够快速读取。磁带需要先召回才能够读取上线，耗时数分钟至数问题11、对磁带用于归档用途的态度REDEFINING

EDGE

STORAGE

FOR

THE

AI

ERAI25AI时代·

边缘存储新范式图12：问题11、对磁带用于归档用途的态度性，降低了一次性投入的风险，成为业务快速成长阶段的灵活选择。相对于公有云的计算资源的定价，公有云的存储服务通常被认为是相对昂贵的，数据迁移费用更是痛点。这限制了云存储的使用规模。但冷数据的存储是公有云使用的典型场景。

一方面，异地备份是合理的数据安全策略；另一方面，云存储的容量基础费用还是有竞争力的，如果对性能有要求则另当别论。由于光盘、磁带等归档设备有较高的采购成本，可维护性也不高，

但如果使用硬盘阵列进行存储，仍存在性价比不够高的问题。此外，数据可靠性方面的支出对于企业而言也是较重的负担，而云服务商相对更强的技术实力和部署规模摊薄了这方面的成本，这也是许多企业认为将较冷的数据交给云存储尚算划算的重要原因之一。不论是生产环境，亦或者归档需要，云存储都扮演了重要的角色，是关键的参与者。