分析：生成式 AI 正如决堤的洪水一样席卷整个 IT 行业。许多供应商将其视为继互联网之后又一个划时代的变革，但也有人担心这可能会演变成类似互联网泡沫的事件。
无论如何，从内存-存储接口层面开始，AI 正在深刻地改变着 IT 存储领域，生成式 AI 的浪潮正推动着所有存储技术的发展。纵观存储领域，生成式 AI 正在通过六种方式改变着块存储、文件存储和对象存储的世界。
在最底层，也就是存储系统与服务器内存交互的层面，Nvidia GPU 及其高带宽内存 (HBM) 的出现，使文件存储系统和阵列控制器处理器及其 DRAM 的主要任务变成了简单地让路，允许 NVMe 闪存驱动器通过远程直接内存访问和 GPUDirect 协议直接连接到 GPU 内存，实现高速数据传输。
DapuStor、DDN、Dell、华为、IBM (Storage Scale)、NetApp、Pure Storage、VAST Data、WEKA、YanRong 以及 PEAK:AIO 和 Western Digital (OpenFlex) 等公司都在这一领域活跃。就连 Nutanix 也计划添加 GPUDirect 支持。
这种非结构化数据传输方式正在扩展到对象存储领域，使得 PB 级的预留数据可以被释放出来用于 AI 训练，以及后续由 GPU 执行的推理过程。近几个月来，Cloudian、MinIO 和 Scality 都发布了相关新闻。
存储媒体制造商也在对生成式 AI 作出反应。SSD 制造商和 NAND 生产商认识到生成式 AI 需要快速读取大量数据，这意味着他们必须生产使用经济实惠的 QLC (4bits/cell) 3D NAND 的大容量驱动器，如 62TB 和最近的 123TB SSD。生成式 AI 训练还需要快速作业检查点以实现更快的训练作业重启。
Solidigm 在 2023 年 7 月就推出了 61.44TB D5-P5336 驱动器，随后 Micron、母公司 SK hynix 和三星也跟进。Phison 也进入这个市场，推出了与 Solidigm 最新的 122TB 驱动器相当的 Pascari D205V 122.8TB 驱动器。
我们可能会在今年年底或 2026 年初看到容量翻倍的新产品。硬盘驱动器 (HDD) 并没有用于 AI 训练，因为它们太慢且容量有限。在使用 GPU 进行 AI 推理时，出于相同的速度和容量考虑，SSD 肯定也会是存储的首选，这对 x86 服务器来说也是如此。如果 AI PC 流行起来，基于相同的原因，它们也都将使用 SSD 而不是 HDD。
这意味着 HDD 只能用于生成式 AI 的二级存储，到目前为止，这种情况还没有大规模发生。希捷、西部数据，毫无疑问还有东芝，都将 HDD 市场扩张的希望寄托在生成式 AI 的数据存储需求上，并且似乎对此充满信心。
磁带市场完全没有受到生成式 AI 数据存储需求的直接影响，而且可能也不会受到影响。
在存储堆栈的驱动器媒体之上，我们有块存储阵列、文件服务器和对象存储系统。如上所述，几乎所有的文件服务器供应商和对象存储供应商都受到了支持 GPUDirect 访问驱动器的影响。一些供应商构建了专门的 AI 系统，如 Pure Storage 的 Airi 产品。VAST Data、DDN、WEKA 等公司通过获得 Nvidia SuperPOD 认证，销售额有所增长。
随着生成式 AI 聊天机器人在非结构化数据上进行训练并转换为向量嵌入，块存储并没有提供类似 GPUDirect 的访问，而块存储对事务数据库和 ERP 系统至关重要。
在知识图谱领域，像 Graphwise 和 Illumex 这样的公司正在努力使这些数据可用于 AI 训练。
存储阵列和数据平台供应商都在改造他们的软件，以支持添加专有和最新的非结构化数据，来增强由较旧和更通用数据训练的生成式 AI 大语言模型 (LLM) 的推理能力。这些数据必须向量化，并将生成的向量存储在数据库中，供 LLM 在检索增强生成 (RAG) 中使用。
现有的非 RDBMS 数据库、数据仓库和数据湖供应商正在向其产品添加向量存储功能，如 SingleStore。像 Pinecone 和 Zilliz 这样的数据库初创公司已经开发了专门的向量数据库，承诺提供更好的性能和增强对 LLM 的支持。
数据仓库和数据湖供应商正在疯狂地进行以生成式 AI 为中心的开发，以成为 AI 训练和推理数据的数据源。其中最引人注目的是 Databricks 在去年年底获得了 100 亿美元的风险投资，用于继续其生成式 AI 业务的发展。
第五个受生成式 AI 影响很大的存储领域是数据保护，供应商已经意识到他们的备份存储中包含大量可被生成式 AI 代理使用的数据。像 Cohesity、Commvault 和 Rubrik 这样的供应商正在提供自己的 AI 代理，如 Cohesity 的 Gaia，并且也在开发 RAG 支持设施。
总的来说，没有数据存储供应商能够忽视 RAG，因为预计所有数据存储都必须为其提供数据。提供这些数据并不像简单地给 LLM 提供 API 访问并让模型提取所需的任何数据那么简单。一个组织通常会有许多不同的数据存储，要使其内容得到适当过滤，排除完全私密的信息或低于访问 LLM 权限的数据，需要建立生成式 AI 版本的提取、转换（成向量）和加载 (ETL) 管道设置。
像 Arcitecta、Datadobi、DataDynamics、Hammerspace 和 Komprise 这样的数据管理和编排供应商都在发挥各自的作用，包括映射数据源、提供单一虚拟存储库，以及构建数据管道将他们管理的数据输入到 LLM 中。
存储供应商也开始在自己的产品中使用生成式 AI 代理，例如用于支持，或简化和改进存储产品的管理和安全性。这将影响所有存储系统供应商，而 AIOps 将通过生成式 AI 代理的使用而转型；可以将其理解为代理式 AIOps。
网络弹性领域将需要抵御生成式 AI 代理辅助的恶意软件攻击，并且肯定会使用生成式 AI 代理来构建对此类攻击的响应。
我们将在整个 2025 年看到存储世界被生成式 AI 持续改变。这种趋势似乎无法阻止，除了恶意软件代理外，应该是有益的。
