AI 驱动型企业中关键任务存储的新要求
大多数企业已全面投入 AI：预算已获批、试点已启动，并被确立为战略重点。那么，为什么其中 95% 的企业在 300 亿至 400 亿美元的生成式 AI 投资中仍未获得回报？根据 Hitachi Vantara《2025 年全球数据基础设施现状报告》引用的麻省理工学院（MIT）研究——该报告覆盖 15 个市场的 1,200 多位 IT 领导者——问题并不在于模型，而在于其底层基础设施。
报告直截了当地指出：在 AI 领域取得成效的组织与不断消耗预算的组织之间的差距，本质上取决于数据基础的成熟度。仅有 41% 的组织达到了研究定义的“优化级”状态——即具备弹性基础设施、清洁数据、AI 驱动运营以及可量化回报。其余 59% 的组织要么仍在迈向这一阶段，要么受困于碎片化、手动化环境，而这些因素正持续削弱其 AI 投资成效。
对企业技术领导者而言，问题不在于是否推进基础设施现代化，而在于如何真正理解现代化所需的要素，以及为何把这件事做好，是当下最具战略价值的投资决策。
性能成为首要考量
数十年来，企业存储以可靠性与容量为核心构建，性能往往在事后优化。而生成式 AI、实时分析及高频交易处理已彻底改变这一模式，要求在大规模场景下实现稳定的亚毫秒级延迟。
如果存储无法及时提供数据，AI 基础设施就无法及时产出洞察。《数据现状》报告进一步印证了这一点：将支撑 AI 工作负载的基础设施视为业务成功关键的组织，更有可能达到“优化级”成熟度，也更倾向于将数据质量视为 AI 项目成功的核心因素（优化级组织为 48%，而新兴阶段组织约为 25%）。
这一问题本质上是结构性的。29% 的年度数据增长率（这一数字已由 451 Research S&P Global 证实）并非均匀分布，而是集中于视频、传感器数据流及模型训练数据集等非结构化数据类型，这些类型对存储基础设施提出了极高要求。企业需要构建能够承载此类增长且不引发性能下降的系统。
Hitachi Vantara Virtual Storage Platform One (VSP One) Block High End 正是为这一关键转折点打造——基于面向未来指数级需求设计的全 NVMe 架构，提供高达 5,000 万 IOPS 的性能，并实现稳定一致的亚毫秒级延迟。
韧性必须从架构层面内建，而非后期叠加
The State of Data 报告揭示了企业基础设施研究中最突出的发现之一：89% 的“优化级”组织均采用高可用性架构设计、定期韧性测试以及 AI 驱动的运维模式。
正如 Hitachi Vantara 数据与网络韧性全球解决方案负责人 Chris Millington 所言：“没有基础设施韧性，就不存在真正的网络韧性。”
在安全态势的叠加影响下，风险进一步放大。受访 IT 领导者对内部 AI 泄露的担忧同比上升 10 个百分点（从 31% 升至 41%），已接近对外部 AI 驱动攻击的关注水平（43%）。与此同时，自 2024 年以来，对员工在业务场景中安全使用 AI 的信心下降了 12 个百分点。威胁面显著扩大，而采用碎片化、手动管理基础设施的组织面临最高暴露风险。
这并非理论风险，而是当今大多数企业正在面对的现实。
VSP One 通过多项能力直接应对这一挑战：提供“八个九”（99.999999%）可用性、符合 FIPS 140-3 Level 2 的认证保护，并通过 CyberSense 驱动的异常检测、不可变快照及自动化洁净数据恢复，实现集成的网络韧性。
复杂性是创新的隐性成本
The State of Data 研究识别出一个在各成熟度阶段普遍存在的模式：处于“新兴阶段”或“已定义阶段”的组织往往依赖简化操作来维持运行，这限制了其采用复杂基础设施、实现全球扩展以及支持高级分析的能力。同时，由于其遗留系统无法实现高效优化，这些组织也承担着更高的长期成本。
研究显示，94% 的企业表示在数据基础设施方面需要第三方支持。原因各不相同，但核心问题一致：复杂性已超出内部能力承载范围。平台激增、混合云扩张以及技能差距正叠加作用，使组织更多停留在“管理基础设施”，而非从中创造价值。
工作负载整合是解决路径之一。对于同时运行开放系统与大型机工作负载的组织而言，从许可与管理开销到培训与集成，均在为复杂性持续付出“隐性成本”。能够统一承载两类工作负载的平台可消除这些开销，并使专业团队从基础设施运维中解放出来，转而聚焦创新。
智能化管理是另一关键要素。VSP 360 作为 Hitachi Vantara 的统一数据管理平台，通过 AIOps 提供覆盖整个数据资产的可观测能力——可通过 SaaS、本地部署或移动端访问的统一界面，对容量、性能、系统健康状况及安全性进行集中监控。
The State of Data 报告明确指出，这种集中化治理与自动化能力正是“优化级”组织与其他组织之间的关键差异：即围绕性能、合规与成本，对数据位置进行战略性与自动化管理。
治理差距正是 AI 投资回报流失的关键所在
报告中最具启示性的发现之一在于决策结构。成熟度较低的组织通常将 AI 使用场景及优先级的最终决策权交由业务部门负责人。而“优化级”组织则由 IT 负责人主导 AI 投资回报与投资决策，包括模型选择及使用场景优先级的定义。
这反映出将治理视为约束还是能力的根本差异。“优化级”组织已将治理嵌入运营体系之中，从临时性的数据位置感知，转向对整个数据资产的战略性与自动化管理。这一转变在释放运营数据处理速度、规模与分析能力的同时，也确保了对敏感数据的控制、隔离与可审计性。
该研究具体量化了决策失误的代价。46% 的 AI 项目失败归因于数据不足，41% 指向组织孤岛，29% 则源于基础设施限制。这些数据本质上反映的是被误判为技术问题的治理失效——而通过构建正确的数据基础，这些问题是可以避免的。
Hitachi Vantara 的数据治理能力和 VSP 360 正是基于这一现实构建——实现策略执行自动化，确保跨混合环境的合规性，并为 IT 领导者提供贯穿数据全生命周期的可视化治理能力。
转折点已至
Hitachi Vantara 首席产品官 Octavian Tanase 在 State of Data 报告中指出：“要在这一市场中保持竞争力，企业必须以前所未有的敏捷性开展行动。上市速度、持续创新，以及没有任何单一供应商能够覆盖全部需求的现实，都是关键因素。”
这才是当下真正关键的基础设施议题：重点不在于选择哪种 AI 模型，而在于其底层基础是否具备交付能力。成熟度并不取决于预算、企业规模或数据体量，而是一项由领导层优先级驱动的战略选择。
将存储现代化与数据基础设施投资视为战略要务（而非例行维护）的组织，将在 AI 成为企业差异化核心驱动力的过程中获得显著优势。而选择观望的组织，则会发现这一差距将愈发难以弥合。
了解更多关于 VSP One Block High End的信息，并下载《2025 年全球数据基础设施现状报告》，评估贵组织所处阶段及实现下一步发展的关键路径。
