从目前的发展态势来看,SSD预计再有四年就将全面取代(HDD)磁盘驱动器。从当下到2027年,SSD的出货量增长速度将稳定超越HDD,同时每GB存储成本的下降速度也将保持相对优势。
受到读写磁头和寻道时间的天然影响,HDD的数据访问延迟和访问速度必然低于SSD。但二者的数据传输速度基本持平,且HDD的每TB存储成本仅为SSD的五分之一。不过这已经磁盘的唯一优势,其24至28 TB的容量上限已经无法比肩30.7 TB的TLC SSD与61.4 TB的QLC SSD,因此在存储空间上亦全面落败。
除了专供企业应用的大容量近线存储盘以外,整个HDD市场正面临SSD的日益蚕食。可以看到,笔记本电脑和PC高性能工作站的存储正越来越多转向SSD,用于支持关键任务的万转2.5英寸磁盘也渐渐不敌SSD。好消息是大容量近线驱动器的生命力仍然顽强,而且随着HAMR技术的落地,其容量也开始提升至40 TB甚至更高。
富国银行的Aaron Rakers表示,这些近线驱动器已然成为磁盘驱动器阵营的核心主力,约占磁盘驱动器出货量的70%到75%,收入则占磁盘行业总收入的60%以上。但受到总体经济衰退下超大规模企业、中国客户及其他买家采购速度放缓的影响,近线驱动器最近几个季度的销售额亦遭遇大幅萎缩。

最新数据显示,近线磁盘驱动器出货量已连续五个季度呈下降态势。
然而,Rakers也意识到近线磁盘出货量仍有回暖的可能。他写道,“TrendFocus的报告表明,随着宏观经济驱动的货币紧缩政策于2023年底/2024年初出现,2024年第一财季的预期磁盘供应已经售罄,早于此前库存消化预期的2024年下半年。”磁盘驱动器制造商西部数据也提到,最近似乎出现了市场需求复苏的迹象。
Rakers预计随着下半年超大规模企业需求的回归,近线磁盘驱动器市场将在2024年实现强劲复苏。Gartner则预测,2024年近线磁盘驱动器的总出货容量将同比增长22%。
Rakers还援引Gartner公布的数据,表示近线产品在磁盘驱动器总收入中所占份额预计将继续上升。随着消费级客户更多转向SSD,加之企业在近线存储以外的用例中更多采用SSD,近线驱动器预计将在今年占据磁盘驱动器总收入的72%左右,并在2027年将比例进一步提升至93%。
预计从2022年到2027年,SSD出货量将以21%的复合年均增长率稳定提升,而同期近线磁盘驱动器的出货量则保持19%的复合年均增长率。
据我们了解,从2022年到2027年,SSD的每GB存储成本将下降13%,而同期近线驱动器的每GB成本降幅相对较小,为8%。也就是说,SSD在同等容量下相较于磁盘驱动器的5倍溢价问题将有所缓解。

从2023年到2027年,SSD占企业级存储总出货量(SSD+磁盘驱动器)的百分比将稳定在31%至32%,其间再无波动。
尽管磁盘驱动器销量长期低迷,但Rakers并未发现企业存储市场有被SSD加速蚕食的迹象。他写道,“我们认为SSD的出货容量约占企业存储总出货容量(磁盘驱动器+SSD)的12%。尽管过去几个季度间NAND闪存的价格大幅下跌,但这一比例在过去几年间始终保持相对稳定。或者更确切地说,没有将要出现任何实际性变化的迹象。”
但他仍坚信企业级SSD存储产品的销量未来将会上升,并将对此保持关注:“我们将关注企业级SSD/闪存容量的部署比例是否会有所变化。”
他还认为2024年SSD每GB存储成本将会上涨,这将阻止SSD进一步蚕食磁盘驱动器的生存空间。但在另一方面,以下三大因素则可能助长这一趋势:
总体而言,我们将Rakers的观点总结为:随着2027年的到来,企业级SSD存储的出货容量比例可能有所上升。但目前还很难判断这样的上升幅度,能否在2028年及之后彻底堵死磁盘驱动器的生存空间。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。