随着AI的广泛采用，未来几年的数据生成量将呈爆炸式增长。根据Recon Analytics的一项全球调查（该调查由希捷委托并资助），本地存储可能无法满足AI生成的数据需求，因此云存储正成为各行业企业的首选。调查显示，未来3年内存储需求将增加两倍。

调查显示，AI的采用已经非常广泛，72%的受访企业已经在使用AI技术，另有28%计划在未来3年内采用。云存储已成为应对AI驱动数据增长的首选方式。2024年，65%的AI相关数据存储在云端，预计到2028年这一比例将增加到69%。

图1：当前与未来客户存储中云使用占比（图片来源：Recon Analytics）

在存储容量方面，情况变得更加复杂：对于使用超过100PB存储容量的组织，87%将AI训练检查点保存在云环境或硬盘与固态硬盘的组合中。频繁的检查点保存非常普遍，28%的公司每天保存一次，43%每周保存一次，这进一步推动了存储需求的增长。

图2：企业为应对AI带来的数据增长需求采取的措施（图片来源：Recon Analytics）

调查还显示，企业也在优先考虑更长时间地保留AI训练数据，这被认为是提高模型准确性的关键。90%的受访者认为，更长的数据保留时间可以带来更好的AI结果。对于每天保存检查点的公司，32%表示会保留这些数据超过12个月，而29%会保留6到12个月。这种对数据长期性的关注反映了历史数据在优化AI模型中的重要性。

在基础设施优先事项中，安全性是最关键的，25%的受访者将其列为首位。存储容量则排在第二位，占比18%。其他重要的基础设施问题还包括数据管理、计算资源、网络容量和法规合规性。

图3：AI基础设施组件重要性（图片来源：Recon Analytics）

企业也在积极适应AI带来的存储需求增长。61%的企业采用了可扩展的云存储解决方案，56%实施了先进的数据管理软件，55%升级了现有基础设施。此外，49%的企业利用数据压缩技术来管理AI生成的大量数据。这些策略突显了对可扩展和高效解决方案的关注，以应对指数级的存储增长。

图4：按当前存储使用量划分的更长数据保留时间对AI结果的改善（图片来源：Recon Analytics）

数据复制已成为确保数据完整性和优化AI结果的另一种策略。约80%的受访者认为复制对他们的AI战略非常重要或中等重要，尤其是在存储容量较大的组织中。使用超过100PB存储容量的公司更可能强调复制对于维持其AI模型的准确性和可靠性至关重要。

图5：按当前存储使用量划分的AI模型训练检查点频率（图片来源：Recon Analytics）

展望未来，随着企业从本地设置转向云端环境，云存储预计将占据主导地位。这一趋势是由云解决方案的可扩展性、成本效率和便利性推动的。

图6：存储容量超过100PB的公司检查点备份频率和位置（图片来源：Recon Analytics）

随着AI的采用变得更加普遍，预计存储需求将随着公司从试验阶段转向全面实施而呈指数级增长。频繁的检查点保存、更长的数据保留时间和复制实践将保持重要性，这突显了需要强大的存储基础设施和先进的管理工具来支持AI驱动的未来运营。