被年轻人遗忘的磁带，正在 AI 时代闷声发大财 原

谁能想到，被普通消费者遗忘几十年的磁带，竟然在 AI 时代迎来了第二春。

10 月 29 日，日本富士胶片宣布投资约 100 亿日元（约合人民币 4.22 亿元），计划在 2026 至 2028 财年扩建神奈川县小田原工厂，将数据存储磁带的产能提升至 2025 财年的五倍，重点生产最新一代 LTO Ultrium 10 磁带。

按照富士胶片的说法，这是近 20 年来针对 LTO 磁带专用设施规模最大的一笔投资，而推动扩产的主要原因，正是生成式 AI 带来的海量数据归档需求。

计算机行业流传着一个经典玩笑。

计算机科学家安德鲁·坦嫩鲍姆曾说过，永远不要低估一辆满载磁带、在高速公路上飞驰的汽车的带宽。听起来有些荒诞，但当需要传输的数据达到 PB 甚至 EB 级别时，把存储设备装上卡车，确实可能比通过网络传输更有效率。

2016 年，亚马逊 AWS 就曾推出 Snowmobile 服务，直接用重型卡车运输大型存储设备，一次最多可以搬运 100PB 数据。

虽然 Snowmobile 运输的并非磁带，而且该服务已于 2024 年停用，但它说明了一个长期存在的问题。当数据规模大到一定程度，如何以合理成本保存和搬运数据，本身就是一项工程挑战。

生成式 AI 的爆发，让这个问题越来越突出。

训练大模型需要 GPU、HBM 和高速 SSD，但训练结束后，企业还会留下原始语料、清洗后的数据集、训练日志、模型检查点，以及不断迭代产生的历史版本。

其中，正在参与计算的数据需要高速存储设备，经常访问的大规模数据集可以放在机械硬盘上，而那些几个月甚至几年都用不到、却又不能随便删除的资料，则适合进入长期归档系统。

行业通常将访问频率很低的数据称为冷数据。

例如，一家 AI 公司训练完新模型，旧版数据集短期内可能已经没有用途，但未来复现实验、重新训练或者进行合规审计时，仍然可能需要重新调用。

问题随之而来。当数据越积越多，难道要让所有硬盘一直通电，花钱维护那些可能几年都不会访问一次的文件？

磁带恰好擅长做这件事。

首先是便宜，而且省电。磁带可以长期离线保存，闲置时无需持续供电，也不需要像在线硬盘阵列那样维持设备运行和散热。

富士胶片曾测算，在保存 100PB 数据、周期为十年的特定条件下，自动化磁带系统相比全机械硬盘方案，可以降低约 86% 的总体拥有成本，以及约 95% 的碳排放。

其次是安全。磁带能够从系统中取出并离线保存，即使服务器遭到勒索软件攻击，物理隔离的磁带仍有机会保留一份独立备份。

而且，现代磁带也没有想象中那么慢。LTO-10 的原始连续传输速率最高可达 1200MB/s，自动化磁带库还能利用机械手完成装载和读取。

当然，它的缺点同样明显。

磁带需要顺序寻找数据，随机读取一个文件可能需要较长时间，因此不适合频繁访问和实时计算。如果说 AI 数据中心的 SSD 负责让数据随叫随到，那么磁带更像一座成本低廉、容量庞大的数字仓库。