夜雨聆风希捷过去一年涨了7倍，AI 存储股过去一年的表现非常夸张。
让人不明白的是，为什么希捷和西部数据这些做机械硬盘的公司也跟着不断上涨。
机械硬盘听起来像是上一个电脑时代留下来的老硬件：有电机，有盘片，有磁头，还会转动。这和今天大家想象中轻飘飘的云计算、AI 智能体、自动驾驶，似乎完全不是一个世界。
但现实恰恰相反。在AI 数据中心里，真正稀缺的不只有算力，还有容量。
之前我们通过西部数据理解了为什么AI 没有淘汰机械硬盘，反而让 HDD 重新成为数据中心容量层里的关键资产。
GPU负责计算，HBM 负责高速喂数据，但当 AI 不断训练、推理、生成、记录现实世界的时候，最终所有数据都要落到某种物理介质上。
这期我们想通过希捷进一步来聊聊以下几个关键问题：
第一是回答希捷大涨的原因。希捷的业务逻辑到底发生了什么变化？为什么它不再只是传统PC 硬盘公司，而更像是 AI 数据中心的容量基础设施供应商？
第二是希捷和西部数据的技术差异。二者都是全球最重要的HDD 厂商，也都受益于 AI 带来的海量存储需求。但希捷选择了更激进的技术路线，他们在HAMR，也就是热辅助磁记录这条路线走得更快。
第三是存储需求爆发还会持续吗？为什么物理AI，尤其是自动驾驶和机器人，会让未来的数据存储需求变得更恐怖？
先看第一个问题，希捷的大涨其实源自其业务逻辑的改变。希捷2026 财年第三季度的财报非常强。
营收达到31 亿美元，同比增长 44%，环比增长 10%。每股收益达到 4.10 美元，比市场预期高出接近 18%，同比增长 115%。
更夸张的是自由现金流，达到了9.53 亿美元，创下近十年纪录。非 GAAP 毛利率也冲到了 47%。
如果希捷还是一家主要靠PC、消费电子、普通外置硬盘吃饭的公司，那么这种增长很难让人相信它具有持续性。因为 PC 周期有起有落，消费电子需求也很容易波动。
但今天的希捷，收入结构已经不一样了。
这个季度，公司总共出货199 EB，同比增长 39%。其中数据中心市场出货 175 EB，同比增长 47%。
更关键的是，数据中心已经贡献了希捷88% 的 EB出货，以及80% 的收入。数据中心收入达到 25 亿美元，同比增长 55%。
这说明希捷今天的核心故事，已经不是传统消费级硬盘，而是云和AI 数据中心里的海量容量层。
这里有一个词很重要，叫nearline，也就是近线硬盘。
近线硬盘不是我们家里电脑用的普通硬盘，而是云数据中心用来保存海量冷数据、温数据和长期历史数据的大容量硬盘。
它没有NAND 闪存那么快，但它有一个巨大的优势：便宜、容量大、能耗相对低，适合在 EB 级别的数据中心里长期保存数据。
希捷这次提到，近线产品已经占到公司总exabyte 出货接近 90%。
也就是说，希捷现在真正赚钱的主战场，是云巨头和AI 数据中心的海量存储需求。
更重要的是，这不是一个季度的偶然爆发。
希捷说，3月季度已经是来自云客户收入连续第 10 个增长季度。全球前三大云服务提供商的剩余履约义务，也就是 RPO，已经接近翻倍，达到 1.1 万亿美元。
这些承诺，最终都会变成现实世界里一座座数据中心，以及数据中心里一块块负责保存数据的硬盘。
所以管理层这次真正想表达的，不只是“这个季度业绩不错”，而是希捷正在进入一个结构性增长阶段。
这个判断背后有三根支柱。
第一，AI正在持续制造更多数据、保留更久数据，并且让历史数据变成推理资产。
过去很多数据只是记录，存下来以后不一定经常被调用。但在AI 时代，历史数据可以被模型反复调用、分析、推理和再训练，它的价值变高了。
第二，希捷的Mozaic HAMR 技术路线图，刚好卡在需求爆发的时间点。
AI数据越来越多，客户不只是要更多硬盘，而是要在相同机柜空间、相同电力预算里放进更多容量。
第三，希捷的商业模式也发生了变化。
它不是简单拼命扩产、拼命卖更多台硬盘，而是通过build-to-order，也就是按单生产模式，和云客户提前锁定配置、容量和价格。
近线存储产能几乎已经分配到2027 日历年，管理层甚至已经在和客户讨论 2028 年以及更远的需求。
这种商业模式很关键。
对云巨头来说，最重要的不是今天一块硬盘便宜几美元，而是确定性。
它们花几十亿、上百亿美元建数据中心，最怕的不是硬盘稍微涨价，而是数据中心建好了，硬盘供不上，整套基础设施空转。
所以希捷用长期订单给客户确定性，同时也给自己带来收入可见性、价格纪律和更高毛利率。
这就是为什么希捷的数据中心每TB 收入还能实现同比中个位数增长。
换句话说，它不仅卖出了更多容量，而且每一TB 也卖得更值钱。
这就把希捷从一个传统硬件制造商，变成了AI 数据中心长期容量基础设施的一部分。
面对存储需求爆发，希捷和西部数据都在追求更高面密度，只是技术节奏不同：希捷更突出HAMR，西部数据则强调 ePMR、UltraSMR 和 HAMR 并行。
如果客户需要更多容量，最粗暴的方法当然是生产更多硬盘、放更多机柜、建更多数据中心。但这条路成本太高了。
因为机械硬盘面对一个非常现实的物理问题：硬盘大小不能无限变大，数据中心的机柜空间和电力预算也不是无限的。
所谓面密度，就是在同样面积的盘片上，塞进更多数据。
这就像你旅行的时候，不是买一个更大的行李箱，而是在同样大小的行李箱里，用更强的压缩袋塞进更多衣服。
问题是，硬盘不是行李箱，数据也不是衣服。
硬盘记录数据，靠的是磁性。简单理解，就是用磁颗粒的方向来表示0 和 1。
如果想在同样大小的盘片里存更多数据，就要把磁颗粒做得更小。
颗粒越小，单位面积里能塞进去的数据就越多。
但物理学马上会给你设置一堵墙。
当磁颗粒小到一定程度以后，它会变得非常不稳定。室温下的一点点热扰动，都可能让原本代表1 的磁极，自己翻转成 0。
也就是说，你今天存进去的数据，过一段时间可能自己就变成乱码。
为了解决这个问题，工程师必须使用一种更稳定、更难被改变的磁性材料。
但这又带来第二个矛盾。
材料越稳定，数据越不容易丢；但材料太稳定，磁头就写不进去。
这就像你想在石头上刻字，但你手里的刻刀是一根木头。石头很耐久，但你根本刻不动。
这时候，HAMR的激光器就登场了。
HAMR的全称是 Heat-Assisted Magnetic Recording，热辅助磁记录。
它的核心思路是：平时让磁性材料保持非常稳定，保证数据不会丢；但在写入数据的那一瞬间，用一个极小的激光器，把目标区域快速加热到几百度。
高温会让这种原本很难改变的磁性材料短暂“变软”。
就在这极短的一瞬间，磁头完成写入。
然后材料在几纳秒内迅速冷却，数据又被重新锁死在那个极小的磁颗粒里。
所以，HAMR本质上是在机械硬盘内部进行一次又一次纳米级的“加热、写入、冷却、封存”。
听起来很科幻，但这已经不是实验室里的概念。
希捷和西部数据都在推进HAMR，只是节奏不同。希捷更早把 HAMR 推到大规模云客户出货和收入确认阶段；西部数据则强调 ePMR、UltraSMR 和 HAMR 并行，用 ePMR 继续延展容量，同时推进 HAMR 客户验证。
希捷的Mozaic 4+ 已经开始收入出货，最高容量可以做到 44TB。和第一代 Mozaic 硬盘相比，容量提升超过 30%。
更关键的是，它不是靠简单增加更多盘片和磁头来实现的，而是在相同数量的盘片和磁头下，通过提高面密度，把更多数据塞进同一块硬盘里。
这对利润率非常重要。
因为容量提升了，但物料清单没有等比例增加。也就是说，一块硬盘可以卖出更多TB，但成本并没有同步上升。
这就是为什么希捷毛利率能达到47% 的核心原因之一。
商业化进展也很重要。
两家全球最大的云服务商，已经完成了希捷4TB 每盘片产品的验证，而且验证周期和传统 PMR 产品基本一致。
这说明HAMR 的成熟度，已经到了云巨头可以正式导入的阶段。
到了3 月季度，希捷已经向 75% 的领先全球云客户出货 Mozaic 硬盘，并且预计在当前季度完成剩余两个客户的验证。
节奏上也很激进。
管理层预计，到2026 日历年年底，Mozaic 4+ 会成为 HAMR exabyte 出货里的主力。
到2027 财年末，希捷预计 70% 的近线 exabyte 出货将基于 HAMR。
再往后，Mozaic 5+计划在 2027 年底开始验证出货，容量目标达到 50TB。
对云客户来说，50TB的意义不只是数字更大，而是在同样的机柜空间、同样的电力预算下，存下更多数据。
不用额外盖更多楼，不用额外拉更多电，就能提高存储容量。
这就是HAMR 的价值。
它不是让机械硬盘变得像SSD 一样快，而是让机械硬盘在自己最擅长的容量层里，继续把成本、能耗和空间效率做到极致。
聊到这里，很多人肯定会好奇，存储需求到底来自哪里？为什么供需关系那么紧张？接下来还会持续吗？答案是AI。
过去我们讲AI，更多是在讲训练。
训练就像给模型读书。你把海量文本、图片、视频、代码一次性喂给模型，模型学完以后，训练阶段就结束了。
这个阶段当然也需要大量数据，但它更像是阶段性需求。
现在不一样了。
AI正在进入推理爆发期，尤其是 Agentic AI，也就是代理式 AI。
它不再只是你问一句，它答一句。它会在后台持续执行任务，调用工具，读取资料，分析上下文，生成新的结果。
这意味着，AI不只是在消费数据，也在持续制造数据。
而且这些结果为了合规、审计、复盘、训练下一代模型，很多都需要长期保存。
在一些行业里，数据保存周期可能是5 年，甚至 10 年。
但这还不是最恐怖的。
接下来还有更可怕的数据吞食巨兽，那就是物理AI。
所谓物理AI，就是 AI 进入现实世界，比如自动驾驶、机器人、智能工厂、工业自动化系统。
这些系统都有一个共同点：它们不是偶尔生成一段文字，而是在持续观察现实世界。
摄像头、激光雷达、雷达、传感器、遥测系统，会把现实世界源源不断转化成数据。
一辆自动驾驶测试车，在路上跑一个小时，就可能产生最高4TB 数据。
4TB是什么概念？
很多人家里存了十几年照片、视频和电影的硬盘，可能也就两三个TB。
而这只是一辆车跑一小时产生的数据量。如果未来有成千上万辆自动驾驶车，每天在路上持续测试和运行，数据规模会变得非常夸张。
更关键的是，这些数据不能随便删。车企需要把极端路况、事故边缘场景、罕见天气、复杂交通环境保存下来，用于模拟、验证和再训练。
机器人和智能工厂也是一样。
每一次抓取失败、每一次路径偏差、每一次异常震动、每一次质检图像，都可能成为改进模型的数据。
这就是AI 存储需求真正可怕的地方。
AI越聪明，越需要观察世界；观察世界越多，产生的数据越多；数据越多，又会反过来训练更聪明的 AI。
于是，存储不再只是计算的附属品，而变成AI 闭环里的基础层。
那么，为什么不用NAND闪存？
NAND当然是非常好的技术，速度快、延迟低，非常适合高速缓存、数据摄取端、消费端，以及对性能要求极高的场景。
但数据中心不是只有一个存储层，而是分层架构。
靠近计算的地方，需要NAND。
但到了海量容量层，尤其是EB 级别的数据长期保存，HDD 的成本、能耗和空间效率仍然很难被替代。
如果把所有AI 生成的数据、自动驾驶数据、视频数据、日志数据、历史训练数据全部放到 NAND 上，成本和能耗都会非常夸张。
结语
回顾今天这场拆解，我们深挖了代理式AI 的崛起，理解了物理 AI 为什么会疯狂制造数据，也拆开了 HAMR 背后那个纳米级、极高精度的激光写入技术。
在AI 时代，机械硬盘并不是被淘汰的旧技术，而是被重新放到一个更清晰的位置上：它负责承载数字世界的底层容量。
这就是希捷的机会。
希捷真正的变化，不只是财报好看，而是它正在从传统硬盘公司，变成AI 数据基础设施里的关键容量供应商。
它的商业模式也不再只是卖硬盘，而是通过长期订单、按单生产、价值定价和面密度提升，把AI 数据增长转化成利润率、现金流和资产负债表改善。
在可见未来的数据中心海量容量层，HDD很难被 NAND 淘汰。
而且HDD也在持续进化。只不过它的进化方式不是变得更轻薄，不是变得更像手机里的闪存，而是在自己最擅长的方向上，把每一块盘片的容量逼近物理极限。
