希捷（Seagate）发布的一项研究显示，企业正在逐步看到人工智能投资的实际回报，但在支撑AI运行所需的数据存储能力上存在明显短板。研究指出，99％的IT负责人预计AI将推动数据存储需求增长，然而只有38％表示已做好满足这些需求的准备，准备度缺口高达61个百分点。
该调查覆盖了企业IT决策者，核心发现指向一个正在扩大的矛盾：AI应用从试点走向生产环境后，数据生成、采集与留存规模快速上升，而存储基础设施的扩容节奏未能同步跟进。研究同时提到，62％的受访企业无法应对AI带来的存储需求，这一比例进一步印证了基础设施层面的压力。
从行业背景看，大模型训练与推理、智能体（Agent）应用的普及正在改变企业数据的产生方式。训练阶段需要高吞吐的并行文件系统与高速缓存层，推理阶段则对低延迟存储和向量数据库提出更高要求。与此同时，企业对数据留存、合规审计和再训练的需求，使得冷热数据分层存储的复杂度显著上升。存储不再只是成本项，而逐渐成为影响AI项目能否规模化落地的关键变量。
希捷作为硬盘与存储解决方案供应商，其研究结论与其业务方向一致。但抛开厂商立场，调查反映出的准备度差距具有普遍性：多数企业在AI预算中优先投入算力与模型层，存储与数据管理往往被置于次要位置，直到出现性能瓶颈或成本失控时才被动补课。
这一缺口对企业的直接影响体现在两方面。其一是AI项目的扩展速度受限，数据管道拥堵会拖慢训练与推理迭代；其二是总体拥有成本上升，临时扩容通常意味着更高的采购溢价和运维负担。对存储与数据基础设施厂商而言，这既是市场机会，也意味着需要提供更清晰的分层方案与容量规划工具，帮助企业把存储从被动响应转为主动设计。
随着AI从实验阶段进入常态化运营，存储准备度将逐步成为衡量企业AI成熟度的指标之一。能否在算力、模型与数据存储之间取得平衡，将决定企业能否真正兑现AI投资回报。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
