谁能想到，被普通消费者遗忘几十年的磁带，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。
当然，它的缺点同样明显。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。
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。
磁带在AI时代的复兴，表面上是一个存储硬件的商业故事，深层却揭示了AI Agent生态中一个被严重低估的瓶颈：数据持久化与长期记忆。当AI Agent从单次对话走向持续运行、从个人助手演化为企业级自主系统时，其产生的交互日志、环境状态、决策轨迹和模型检查点将呈指数级增长。这些数据大多属于“温冷”范畴——并非实时推理所需，却是Agent审计、回溯、合规和再训练的关键资产。当前主流Agent框架如LangChain、CrewAI等几乎完全依赖在线数据库或对象存储，成本高且能耗巨大。磁带的超低成本、离线安全和物理隔离特性，恰好为Agent的“长期记忆”提供了一种分层存储范式：热数据走SSD/内存，温数据走HDD，冷归档交给磁带。对比来看，云厂商的归档存储（如AWS Glacier）虽然也便宜，但磁带在EB级场景下的TCO仍具优势，且不受网络带宽限制。未来，我们可能看到Agent原生存储中间件的出现，自动将Agent运行历史按访问频率分层写入磁带库。富士胶片的扩产，看似传统，实则为AI Agent生态的可持续扩展铺下了一块关键基石——没有廉价的长期记忆，就没有真正可靠的自主智能体。
