希捷高管：物理AI数据三至四成须本地留存，存储架构转向混合分层

希捷科技边缘存储解决方案高级副总裁Melyssa Banda近日接受采访时表示，在物理AI应用中，30%至40%的数据将不得不留在本地。她指出，机器人、智能汽车和工业视觉等物理AI应用需要实时获取本地数据，无法将所有决策交给中心云处理。

Melyssa Banda解释，实时传感器数据流要求数据能够被即刻访问，不能把决策推迟到中心云完成。物理AI直接作用于现实世界，系统响应速度会影响动作执行。无论是机器人抓取、产线质检，还是自动驾驶和城市视频分析，都需要在数据产生的现场快速完成判断，保存在边缘侧、可被即时调用的数据由此成为AI智能体的“工作记忆”。

在她看来，物理AI会形成更加明确的分层架构。固态硬盘（SSD）承接对速度和低延迟敏感的任务，边缘基础设施支持本地处理和训练；更大规模的历史数据进入本地数据中心、私有云或公有云长期保存，这一部分数据由HDD存储。HDD和SSD实际上是协同工作的，并非相互竞争。

除实时性外，数据隐私和数据主权也是企业扩大本地部署的重要原因。Melyssa Banda介绍，越来越多客户正在建设私有云，用来补充公有云的长期存储。随着AI应用从云端向边缘和本地基础设施扩展，企业的存储架构也在走向混合化和分层化。

她表示，客户保存数据的时间正在变长，需要HDD提供的容量和成本优势。原始视频、传感器记录、模型训练样本和合规档案的访问频率并不相同，如果全部使用高成本介质保存，存储支出会随数据规模迅速增加；如果只强调低成本容量，又无法满足实时任务。分层存储的核心是在延迟、容量和成本之间取舍。