✏️ 原創內容| TechRitual 編輯部
WD 贊助的全球研究顯示，隨著數據持續累積及複合增長，AI 基礎設施的經濟模式正被重塑。根據 IDC 最新的調查，AI 不僅推動數據量迅速增長，還延長了數據的留存時間，並重新激活了對歷史數據的需求。
AI 驅動的數據增長
在香港進行的這項研究發現，AI 正在促進數據儲存需求的結構性增長。受訪組織中，94.7% 表示在過去 12 個月內，由於 AI 與生成式 AI 的普及應用，其儲存的資料量持續增加。61% 的受訪組織錄得 25% 或以上的數據增長，並預計未來三年內數據量將持續增長。
此外，85.4% 的受訪組織表示其數據湖容量在過去一年持續擴大，而 59.4% 的受訪組織認為 AI 生成的數據是推動數據湖容量增長的主要因素。
數據留存時間的延長
調查還指出，近 95% 的受訪組織表示，採用 AI 後其數據價值有所提升。74.3% 的受訪組織延長了數據的留存時間，並有 75.9% 的組織正在將更多已封存的冷數據重新上線，以支援 AI 工作負載。
根據研究，96% 的受訪組織預計需要更快地擷取封存數據，以支援 AI 推理及檢索增強生成應用。
AI 基礎設施的設計需求
WD 行政總裁 Irving Tan 表示，AI 的運作基於數據，組織對大規模儲存、管理及存取數據的需求將持續增長。這項數據基礎將在決定 AI 未來發展潛力方面發揮關鍵作用。
研究指出，AI 工作負載在整個生命週期中均會產生數據，這些數據在相關工作負載完成後仍會持續留存，並可成為未來 AI 應用的輸入數據。隨著數據量的增長、留存時間的延長，以及歷史數據的重新激活，組織需要在效能、容量、可存取性及成本效益之間取得平衡。
結論
能否以具成本效益的方式大規模管理數據，已不再是基礎設施的次要考量，而是逐漸成為決定 AI 成敗的關鍵因素。完整的數據生命週期設計將是未來 AI 基礎設施的重要考量。
