存儲需求恐怕又要因為seedance2的出現指數級暴增. gpt3.5帶來了文本時代，真正的視頻時代，是seedance2帶來的. 同樣是幾個提示詞，視頻ai消耗的存儲將達到幾百m，隨著ai視頻製作時長的增加這個體積還會更大. 這次衍生的存儲需求會是原來文本的很多倍. 畢竟現在刷視頻成癮的群體是真多， 全球範圍內從嬰幼兒到老頭老太太誰都逃不過，他們可能不愛看書不愛看新聞但絕對愛刷短視頻. 基於此，又會產生新的投資需求. 視頻ai需要的存儲類型跟文本ai肯定有差異. gemini給出的現階段抖音與yputobe採用的存儲架構實錄. 目前的視頻存儲並非單一介質，而是複雜的多級冷熱分層架構 (Tiered Storage Architecture)。 A. 架構組成 1. 極熱層 (Ultra-Hot Tier)：用於應對瞬時爆發的流量（如頂流網紅剛發佈的視頻）。 • 類型：NVMe SSD 集群 + 內存級緩存（Redis/Memcached）。 • 核心指標：**IOPS（每秒輸入輸出操作數）**和極低的延遲。 2. 熱/溫層 (Warm Tier)：用於存放日常活躍觀看的視頻。 • 類型：高性能企業級機械硬盤 (HDD) 或大容量 QLC SSD。 • 核心指標：吞吐量 (Throughput) 與成本的平衡。 3. 冷層 (Cold/Archive Tier)：用於存放數年前、幾乎無人問津的長尾視頻。 • 類型：高密度氦氣硬盤 (HDD) 甚至物理隔離的磁帶機。 • 核心指標：每 TB 持有成本 (TCO)。 B. 痛點：I/O 牆與存儲孤島 傳統架構下，存儲是“靜態”的。但 AI 視頻時代（SeenDance 2）要求存儲從“倉庫”變成“流水線”，這直接導致了存儲邏輯的崩潰。 根據以上視頻公司存儲的現狀與困境可以延伸出其三個未來發展方向. 視頻 AI 存儲的三個未來發展方向 1.方向一：從 HDD 到全閃存化 (All-Flash Data Center) AI 視頻訓練需要並行讀取海量高清素材。傳統 HDD 的尋道時間太慢，會拖累昂貴的 GPU 算力。全閃存陣列 (AFA) 將從“奢侈品”變成視頻公司的“基礎設施”。 2.方向二：CXL 技術下的“內存-存儲”融合 Compute Express Link (CXL) 協議將打破內存和 SSD 的界限。對於 SeenDance 2 這種需要處理實時動作對齊的模型，數據在 SSD 和 HBM 之間的搬運速度決定了生成的流暢度。 3.方向三：近存計算 (Computational Storage) 與其把巨大的視頻數據搬到 CPU 處理，不如直接在存儲主控芯片上進行初步的數據預處理（如視頻抽幀、格式轉換）. 基於以上及圖片參數對存儲公司作核心競爭力與趨勢分析排序評級. SK海力士(S級)： 憑藉 Solidigm 的 QLC 容量優勢和 HBM 的統治地位，卡死了“大容量讀取”和“算力吞吐”兩個核心環節。視頻 AI 訓練集的 EB 級存儲首選。 三星Samsung (A+級)： 讀寫最均衡。其 PCIe 5.0 寫入速度冠絕群雄，是 SeenDance 2 生成 4K/8K 視頻流時最佳的“高速緩衝區”。 閃迪SanDisk (A級)： 獨立後的黑馬。其 HBF（高帶寬閃存） 旨在打破內存牆，讓 SSD 直接參與 AI 推理，極大利好 64G 內存（如你的 M4 Pro）在本地處理大模型視頻生成。 美光Micron (A級)： 寫入壽命與能效比極高，適合 24/7 不間斷生成視頻的雲工廠。 • WDC (B+級)： 專注於 CXL 協議，解決數據中心內內存與存儲的動態調配問題。

別說了，今天又在3.48買了😁