被年轻人遗忘的磁带，正在 AI 时代闷声发大财
AI零距离
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 为何重拾“古老”磁带技术？
计算机行业流传着一个经典玩笑：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。当需要传输的数据达到 PB 甚至 EB 级别时，物理运输可能比网络传输更有效率。
2016 年，亚马逊 AWS 曾推出 Snowmobile 服务，用重型卡车搬运大型存储设备，一次最多可运输 100PB 数据。虽然该服务于 2024 年停用，但它揭示了一个长期存在的工程挑战：当数据规模极大时，如何以合理成本保存和搬运数据。
生成式 AI 的爆发加剧了这一矛盾。训练大模型需要 GPU、HBM 和高速 SSD，但训练结束后，企业会留下原始语料、清洗后的数据集、训练日志及历史版本。其中，参与计算的数据需高速存储，经常访问的数据可存于机械硬盘，而那些数月甚至数年不用却又不能删除的资料，则适合进入长期归档系统，即“冷数据”。
例如，AI 公司旧版数据集短期内虽无用途，但未来复现实验或合规审计时仍需调用。若让所有硬盘一直通电维护几年不访问的文件，成本高昂。
低成本、低能耗与高安全性
磁带恰好擅长处理冷数据。首先，它便宜且省电。磁带可长期离线保存，闲置时无需持续供电及散热。富士胶片测算，在保存 100PB 数据、周期为十年的条件下，自动化磁带系统相比全机械硬盘方案，可降低约 86% 的总体拥有成本及约 95% 的碳排放。
其次，安全性高。磁带可从系统中取出并离线保存，即使服务器遭受勒索软件攻击，物理隔离的磁带仍保留独立备份。
此外，现代磁带速度并不慢。LTO-10 原始连续传输速率最高可达 1200MB/s，自动化磁带库利用机械手完成装载读取。不过，由于磁带需顺序寻找数据，随机读取耗时较长，不适合频繁访问和实时计算。如果说 SSD 负责让数据随叫随到，磁带则像一座成本低廉、容量庞大的数字仓库。
科学界与行业数据的验证
科学界早已采用此方案。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 1EB（相当于 100 万 TB），大部分保存在约 6 万盒磁带上。CERN 预计，未来十年需保存和处理的数据规模将达到此前累计存储量的约十倍，因为几十年前的实验数据可能因新理论出现而重获价值。
类似的逻辑也适用于 AI 企业。根据 LTO 联盟 2026 年 9 月数据，2024 年全球 LTO 磁带出货容量达创纪录的 176.5EB，同比增长 15.4%；2025 年为 160.3EB。2026 年第一季度，随着 LTO-10 上市及归档需求增长，全球磁带出货容量同比增长 57%。
单盒容量暴涨 400 倍的技术演进
磁带重获关注，还因其存储密度持续提升。2025 年 6 月，富士胶片推出 LTO-10 30TB 数据磁带，同年 12 月发布 40TB 版本，并于 2026 年开始供货。最新产品单盒原始容量达 40TB，按理想条件下 2.5:1 压缩比计算，理论容量最高可达 100TB。
作为对比，2000 年推出的第一代 LTO 磁带原始容量仅 100GB。短短 26 年，单盒容量提高 400 倍。需注意，100TB 为理论压缩容量，对于已压缩的视频、图片和模型权重，实际容量通常无法达到此数值。
LTO-10 磁带盒仅约 10 厘米见方、2.15 厘米厚，内部却卷着长达 1337 米的磁带。富士胶片引入芳纶薄膜和新型薄层制造技术，将磁带厚度降至 4 微米，并采用结合钡铁氧体与锶铁氧体技术的超细磁性颗粒，提高单位面积数据记录量。
存储原理与录音磁带一脉相承：磁头通过改变局部磁化状态记录数字信息，读取时检测磁场变化并解码纠错。现代 LTO 磁带采用线性蛇形记录方式，LTO-10 拥有 15104 条数据磁道，驱动器可同时读写 32 条磁道。
磁带容量增长远未到头。2020 年，IBM 与富士胶片在实验室实现每平方英寸 317Gb 的磁记录密度，展示了未来单盒磁带达到 580TB 的技术潜力，相当于目前 40TB 商用产品的 14.5 倍。当然，580TB 仍停留在实验室阶段。
磁带也存在兼容性成本。最新 LTO-10 驱动器只能读写 LTO-10 磁带，企业需保留旧设备或定期迁移数据。对于管理数万盒磁带的数据中心，数据迁移、校验和设备维护也是一笔开支。但在大规模冷数据归档场景中，磁带依然具备极强的成本和能耗竞争力。
传统存储技术在 AI 时代的新机遇
磁带的故事在机械硬盘行业同样上演。今年 1 月，西部数据透露 2026 年硬盘产能基本售罄，部分长期采购协议延伸至 2028 年。希捷绝大部分近线机械硬盘出货容量已通过长期协议分配至 2028 年，部分云服务商协议甚至覆盖到 2030 年。
尽管 SSD 随机读写性能远超机械硬盘，但对于需长期在线保存海量数据的云服务商，机械硬盘仍拥有每 TB 成本优势。尤其是 AI 产业持续扩张，数据中心不仅需要更快的 SSD，也需要能以合理价格提供数十 PB、数百 PB 容量的机械硬盘。
当然，HDD 也存在随机访问能力不同步提高、故障后数据重建时间拉长等问题。但只要存储成本、容量密度和访问性能满足业务需求，机械硬盘就依然有价值。
从富士胶片五倍扩产，到西部数据产能售罄，再到希捷签订长期协议，一批在消费电子市场逐渐失去存在感的传统技术，正在 AI 数据中心找到新的增长空间。
未来竞争者：玻璃存储
磁带未来也可能迎来新竞争者。2026 年 2 月，微软研究院在《Nature》发表 Project Silica 最新成果，利用飞秒激光将数据写入玻璃内部，在约 12 厘米见方、2 毫米厚的玻璃中实现了 4.8TB 存储容量。
根据加速老化测试，数据有望保存超过一万年。虽然距离大规模商业应用仍有距离，却展示了长期归档的另一种可能性。
某种程度上，AI 时代的数据存储呈现出一幅奇妙画面：一边是改进磁粉涂布工艺让磁带装下数十 TB 数据，另一边是尝试用激光把信息写进玻璃。当全世界追逐更强大的 GPU 和大模型时，那些负责保存数据的老技术，反倒迎来了属于自己的黄金时代。
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。
