被年轻人遗忘的磁带，正在 AI 时代闷声发大财

风口从来不只属于新事物，也属于那些在新风口里找到自己位置的老手艺。 文章来源｜APPSO（ ID：appsolution‌） 谁能想到，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。 AI 都用上了最先进的芯片，为什么还需要磁带？ 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。 不过，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。 事实上，科学界早就在使用这种方案。 2025 年 12 月，欧洲核子研究中心 CERN 宣布，大型强子对撞机累计保存的实验数据达到 1EB，相当于 100 万 TB，其中大部分数据保存在约 6 万盒磁带上。 几十年前采集的实验数据，可能因为新理论的出现而重新获得研究价值。CERN 预计，未来十年需要保存和处理的数据规模，将达到此前累计存储量的约十倍。 类似的逻辑，也适用于 AI 企业保存的历史语料、训练记录和模型备份。 而磁带市场的增长，已经有实际数据支撑。 根据 LTO 联盟 2026 年 9 月公布的数据，2024 年全球 LTO 磁带出货容量达到创纪录的 176.5EB，同比增长 15.4%。2025 年虽然有所回落，仍达到 160.3EB。 进入 2026 年第一季度，随着 LTO-10 上市及归档需求增长，全球磁带出货容量又同比增长 57%。这里统计的是磁带所提供的存储容量，并非磁带盒销量。 企业级磁带一直拥有稳定市场，而生成式 AI 对海量数据归档的需求，又让这项老技术获得了新的增长机会。 一盒磁带能存 100TB，26 年容量暴涨 400 倍 磁带能在 AI 时代重新获得关注，还有一个容易被忽略的原因。 当普通消费者以为磁带技术早已停滞时，工程师其实一直在提高它的存储密度。 2025 年 6 月，富士胶片推出 LTO-10 30TB 数据磁带，同年 12 月又发布 40TB 版本，并于 2026 年开始供货。最新产品的单盒原始容量达到 40TB，如果按照理想条件下 2.5:1 的压缩比计算，理论容量最高可以达到 100TB。 图｜LTO-10 30TB 作为对比，2000 年推出