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……

本文来自微信公众号： APPSO ，作者：发现明日产品的，原文标题：《被年轻人遗忘的磁带，正在 AI 时代闷声发大财》

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。

作为对比，2000年推出的第一代LTO磁带，原始容量只有100GB。短短26年，单盒容量足足提高了400倍。不过，100TB是理论压缩容量，对于已经压缩过的视频、图片和模型权重，实际容量通常无法达到这个数字。

更有意思的是，LTO-10磁带盒只有约10厘米见方、2.15厘米厚，内部却卷着长达1337米的磁带，相当于三圈多标准田径跑道。

为了将长达1337米的磁带装进一盒仅约10厘米见方的卡带，富士胶片引入芳纶薄膜和新型薄层制造技术，将磁带整体厚度降低至仅4微米，同时采用结合钡铁氧体与锶铁氧体技术的超细磁性颗粒，提高单位面积能够记录的数据量。

至于存储原理，其实与几十年前的录音磁带一脉相承。

磁带表面覆盖着微小的磁性颗粒，写入数据时，磁头通过改变局部磁化状态记录数字信息；读取时，再检测磁场变化，通过解码和纠错还原数据。

现代LTO磁带采用线性蛇形记录方式，可以把它想象成一条拥有上万条车道的公路。磁头沿一组磁道从头写到尾，再调整位置反方向写回来。

最新LTO-10拥有15104条数据磁道，驱动器可同时读写32条磁道，依靠更精密的材料和伺服控制技术不断提高容量。

而且，磁带的容量增长远没有到头。

2020年，IBM与富士胶片就曾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仍停留在实验室演示阶段，距离商业化还有很长一段路。

磁带还有一项经常被忽视的长期成本，那就是兼容性。

磁带介质可以保存很多年，却不意味着几十年后的新驱动器依然能够读取它。最新LTO-10驱动器只能读写LTO-10磁带，企业需要保留旧设备，或者定期将历史数据迁移到新介质。

对于管理数万盒磁带的数据中心而言，数据迁移、校验和设备维护同样是一笔不小的开支。

即便如此，在大规模冷数据归档场景中，磁带依然拥有很强的成本和能耗竞争力。富士胶片过去几十年积累的精密涂布、薄膜材料和磁性颗粒技术，也因此在AI时代重新获得商业价值。

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，公司2026日历年的硬盘产能基本售罄，部分大型客户的长期采购协议已经延伸至2028年。

希捷的情况更加夸张。根据10月下旬的财报电话会议，公司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，部分云服务商的采购协议甚至覆盖到2030年。

更值得关注的是，机械硬盘不光卖得多，价格也在上涨。

原因并不复杂。SSD的随机读写性能远超机械硬盘，但对于需要长期在线保存海量数据的云服务商而言，机械硬盘依然拥有每TB成本优势。

尤其是AI产业持续扩张，训练数据、模型文件和各类生成内容不断累积，数据中心需要的不只有更快的SSD，还有能够以合理价格提供数十PB、数百PB容量的机械硬盘。

当然，HDD也存在性能和维护成本。随着单盘容量不断增加，随机访问能力并不会同比提高，故障后的数据重建时间也可能拉长。

但对于云服务商而言，只要存储成本、容量密度和访问性能能够满足业务需求，机械硬盘就依然有存在的价值。

从富士胶片宣布五倍扩产，到西部数据全年产能基本售罄，再到希捷与云服务商签订延伸至2030年的长期协议，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。

不过，磁带未来也可能迎来新的竞争者。

2026年2月，微软研究院在《Nature》发表Project Silica的最新成果，研究人员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的存储容量。

根据加速老化测试，研究人员推算，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时代的数据存储正在呈现出一幅颇为奇妙的画面。

一边，富士胶片还在改进延续几十年的磁粉涂布工艺，让小小一盒磁带装下数十TB数据；另一边，微软已经开始尝试像远古人类在石头上刻字一样，用激光把信息写进玻璃。

当全世界都在追逐更强大的GPU、更聪明的大模型时，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。