Рынок отождествляет искусственный интеллект с графическими процессорами, памятью HBM и быстрым флешем, а жёсткие диски считает уходящей технологией. Это ошибка. Обучение и эксплуатация моделей ИИ порождают огромные объёмы данных, которые нужно хранить долговременно и дёшево: обучающие наборы, очередные версии весов моделей, контрольные точки, логи инференса, векторные базы для RAG и мультимодальные данные (изображение, видео, аудио). Подавляющая часть этих данных холодная или тёплая, читается редко, и по экономике должна попадать на самый дешёвый носитель в пересчёте на терабайт, то есть на ёмкие nearline-диски.
Суть тезиса, это экономика стоимости за терабайт. Флеш-память остаётся в несколько раз (примерно 5-7x) дороже за терабайт в ёмкостном классе, и этот разрыв быстро не закрывается, потому что производители NAND направляют ограниченные мощности скорее на высокомаржинальные корпоративные SSD. В результате предельный петабайт данных ИИ оседает на магнитных пластинах. Вопреки интуиции ИИ не убивает жёсткие диски, а расширяет их рынок.