Mengapa HDD Kembali Mendapatkan Perhatian di Era AI? Kapasitas, Biaya, dan Logika Data Dingin

Harddisk mekanis HDD dan penyimpanan data jangka panjang

HDD kembali mendapatkan perhatian di era AI bukan karena lebih cepat daripada SSD, melainkan karena pelatihan AI, inferensi, log, video, gambar, backup, dan object storage menciptakan kebutuhan penyimpanan data jangka panjang yang jauh lebih besar. SSD lebih cocok untuk data panas (hot data), latensi rendah, dan akses konkurensi tinggi, sedangkan HDD lebih cocok untuk penyimpanan data dingin (cold data) berkapasitas besar dengan biaya rendah. Untuk memahami nilai HDD, Anda perlu melihat biaya kapasitas, siklus hidup data, TCO pusat data, dan penyimpanan berjenjang (tiered storage)—bukan sekadar kecepatan satu drive.

Poin-Poin Penting

  • HDD kembali mendapatkan perhatian terutama karena volume data AI yang terus berkembang.
  • HDD tidak cocok untuk komputasi latensi rendah, tetapi cocok untuk penyimpanan jangka panjang skala besar.
  • Data dingin (cold data), object storage, pencadangan (backup), dan arsip masih bergantung pada kapasitas berbiaya rendah.
  • SSD dan HDD bukan pengganti yang lengkap; keduanya bekerja bersama dalam tingkatan penyimpanan (storage tier).
  • HAMR, SMR, dan hardisk berisi helium terus mendorong kapasitas HDD semakin tinggi.
  • Untuk mengevaluasi rantai pasok HDD, fokuslah pada permintaan, harga, pasokan, dan komposisi pelanggan.

Mengapa HDD Kembali Mendapatkan Perhatian di Era AI?

Pusat data AI dan infrastruktur penyimpanan skala besar

HDD kembali mendapatkan perhatian di era AI karena AI tidak hanya membutuhkan GPU, HBM, dan jaringan berkecepatan tinggi; AI juga membutuhkan penyimpanan data yang semakin banyak. Dataset pelatihan, log inferensi, catatan interaksi pengguna, versi model, gambar, video, data objek, dan file cadangan tidak semuanya memerlukan akses level milidetik, tetapi sering kali perlu disimpan untuk jangka waktu yang lama. SSD menangani data panas dan akses berkinerja tinggi, sementara HDD berfungsi sebagai kolam kapasitas berskala besar, berbiaya rendah, dan jangka panjang.

Permintaan penyimpanan berbasis AI memiliki dua karakteristik utama: volume data yang masif dan frekuensi akses yang sangat bervariasi. IDC's Global Datasphere digunakan untuk mengukur jumlah data yang dibuat, ditangkap, dan direplikasi secara global setiap tahunnya. Laporan Data Age 2025 yang sebelumnya didukung oleh Seagate juga menggambarkan sebuah tren di mana volume data global akan tumbuh dari puluhan zetabyte menuju kisaran seratus zetabyte. Meskipun perkiraan spesifik berubah dari tahun ke tahun dan bergantung pada metodologi, arahnya jelas: produksi data tumbuh jauh lebih cepat daripada yang diintuisikan oleh sebagian besar pengguna.

Data di dalam sistem AI tidak hanya bernilai selama proses pelatihan. Log historis dapat digunakan untuk evaluasi model, interaksi pengguna dapat mendukung perbaikan produk, gambar dan video dapat masuk ke dalam pelatihan multimodal, data bisnis dapat mendukung retrieval-augmented generation, dan bobot model lama dapat disimpan untuk perbandingan atau rollback. Sebagian besar data ini tidak diakses setiap detik, tetapi tidak dapat dihapus begitu saja. Justru di situlah HDD tetap bernilai.

Tingkat Penyimpanan AI Frekuensi Akses Kebutuhan Latensi Media Umum Data Umumnya
Penyimpanan lokal GPU Sangat tinggi Sangat rendah HBM, NVMe lokal Data antara pelatihan, cache
Tingkat data panas Tinggi Rendah Enterprise SSD, NVMe SSD Data fitur, indeks vektor
Tingkat data hangat Sedang Sedang SSD + HDD Log terbaru, dataset aktif
Tingkat data dingin Rendah Kurang sensitif HDD, penyimpanan objek Data historis, cadangan, arsip
Arsip dalam Sangat rendah Penantian dapat diterima Pita, penyimpanan cloud arsip Retensi kepatuhan, catatan jangka panjang

Inilah sebabnya frasa "kebangkitan HDD di era AI" mudah disalahpahami. HDD tidak kembali sebagai drive berkecepatan tinggi di dalam jalur komputasi, dan juga tidak cocok untuk menggantikan NVMe SSD dalam beban kerja dengan IOPS tinggi dan latensi rendah. HDD mendapatkan perhatian karena pusat data membutuhkan fondasi kapasitas yang lebih besar untuk mendukung siklus hidup data AI. Dalam pembahasannya tentang penyimpanan kapasitas masif berorientasi AI, Seagate juga menekankan bahwa AI dalam skala besar membutuhkan berbagai solusi penyimpanan, dengan hard drive berkapasitas tinggi yang tetap menjadi lapisan penting.

Ringkasan: Nilai HDD di era AI bukanlah kecepatan, melainkan kemampuan untuk menyimpan data yang semakin banyak dengan biaya yang relatif rendah. Hambatan AI tidak hanya terbatas pada komputasi; hambatan tersebut juga mencakup pengumpulan data, pengorganisasian, penyimpanan, penggunaan kembali, dan retensi untuk kepatuhan. SSD lebih cocok untuk data panas (hot data), cache, akses berlatensi rendah, dan pipeline pelatihan, sementara HDD lebih cocok untuk data dingin (cold data), cadangan, object storage, dan kumpulan kapasitas jangka panjang. Perhatian yang kembali tertuju pada HDD tidak seharusnya dipahami sebagai serangan balik kinerja terhadap SSD. Lebih tepat dipahami sebagai hasil dari kebutuhan penyimpanan berjenjang yang terus berkembang di dalam pusat data. Semakin besar pertumbuhan data AI, semakin penting untuk menempatkan data dengan frekuensi akses yang berbeda pada media penyimpanan yang berbeda.

Apa Itu Data Dingin, dan Mengapa HDD Cocok untuk Data Dingin dan Object Storage?

Bagian dalam hard disk mekanis dan penyimpanan data dingin

Data dingin mengacu pada data yang jarang diakses tetapi masih perlu disimpan untuk waktu yang lama. Contohnya termasuk log historis, berkas cadangan, aset video, pustaka gambar, berkas retensi kepatuhan, dataset pelatihan lama, dan dokumen yang diarsipkan. HDD cocok untuk data dingin bukan karena tidak memiliki kelemahan, melainkan karena data dingin lebih mengutamakan biaya per kapasitas, masa penyimpanan, dan keandalan tingkat sistem, sementara kurang sensitif terhadap latensi ultra-rendah.

Anda dapat membagi data ke dalam kategori panas (hot), hangat (warm), dan dingin (cold). Data panas sering diakses dan biasanya membutuhkan latensi rendah serta konkurensi tinggi. Data hangat diakses sesekali dan memerlukan pengambilan yang relatif cepat. Data dingin jarang diakses tetapi mungkin masih perlu diambil di kemudian hari untuk tujuan audit, pemulihan, pelatihan, analitik, atau kepatuhan. Produk penyimpanan cloud menggunakan logika serupa. Sebagai contoh, Amazon S3 Storage Classes memisahkan penyimpanan yang sering diakses, jarang diakses, dan penyimpanan arsip, sedangkan Google Cloud Storage Classes membagi penyimpanan menjadi Standard, Nearline, Coldline, dan Archive berdasarkan frekuensi akses dan durasi penyimpanan minimum.

Jenis Data Frekuensi Akses Kebutuhan Latensi Masa Penyimpanan Media yang Sesuai Kasus Penggunaan Umum
Data panas Sangat tinggi Sangat rendah Jangka pendek hingga menengah SSD NVMe, SSD enterprise Basis data real-time, pencarian, rekomendasi
Data hangat Menengah Menengah Jangka menengah SSD + HDD Log terbaru, file proyek
Data dingin Rendah Kurang sensitif Jangka panjang HDD, penyimpanan objek Cadangan, gambar historis, video
Data arsip Sangat rendah Penantian dapat diterima Sangat panjang Cloud arsip, pita, kolam HDD Retensi kepatuhan, catatan jangka panjang

Penyimpanan objek dan HDD sering dibahas bersama karena penyimpanan objek cocok untuk data tidak terstruktur dalam jumlah besar: gambar, video, log, cadangan, dataset AI, dan data sensor semuanya dapat disimpan sebagai objek. HDD masih memiliki keunggulan dalam throughput sekuensial, kapasitas besar, dan biaya per terabyte yang lebih rendah pada arsitektur scale-out dengan objek besar dan frekuensi akses rendah. Sistem penelitian SMORE mengeksplorasi bagaimana hard drive SMR dapat digunakan untuk membangun penyimpanan objek besar untuk data dingin dan menekankan bahwa batasan penulisan sekuensial SMR lebih cocok untuk beban kerja dengan objek besar dan modifikasi yang lebih sedikit.

Data dingin bukanlah data yang tidak berharga. AI membuat perusahaan menilai kembali nilai data historis. Log yang dahulu hanya disimpan untuk tujuan pencatatan kini dapat digunakan untuk evaluasi model. Video dan gambar yang tidak aktif dapat masuk ke dalam pelatihan multimodal. Data bisnis tidak terstruktur yang tersebar di berbagai sistem dapat digunakan kembali melalui retrieval-augmented generation. Bagi perusahaan, data dingin bergeser dari sekadar beban biaya murni menjadi aset data yang nantinya dapat digunakan kembali oleh AI.

Ringkasan: Ide utama di balik data dingin bukanlah bahwa data tersebut tidak berguna, melainkan bahwa data tersebut diakses secara tidak teratur, disimpan dalam jangka waktu lama, dan mungkin masih perlu diambil kembali di masa depan. HDD cocok untuk data dingin karena dapat menyimpan volume data tidak terstruktur dalam jumlah besar dengan biaya per kapasitas yang relatif rendah. Di era AI, log historis, gambar, video, data sensor, dan arsip bisnis semuanya dapat digunakan kembali untuk pelatihan, pencarian, analitik, atau audit. Hal ini meningkatkan nilai strategis data dingin. HDD tidak cocok untuk setiap beban kerja, tetapi dalam penyimpanan objek, pencadangan, arsip, dan kumpulan data dingin berskala besar, HDD tetap menjadi pilihan penting untuk lapisan kapasitas pusat data.

HDD, SSD, dan Enterprise SSD: Bagaimana Kapasitas, Kinerja, dan Biaya Dibagi

HDD dan tingkat kapasitas pusat data

HDD, SSD, dan SSD enterprise bukanlah pengganti sederhana satu sama lain; keduanya membentuk lapisan-lapisan berbeda dalam sistem penyimpanan berjenjang. Keunggulan utama HDD adalah penyimpanan berkapasitas besar dengan biaya rendah. SSD konsumen lebih cocok untuk komputer pribadi dan pengalaman pengguna yang responsif. SSD enterprise lebih cocok untuk beban kerja pusat data yang membutuhkan IOPS tinggi, latensi rendah, dan penulisan yang stabil. Di era AI, pertanyaan yang sebenarnya bukanlah media mana yang menggantikan yang lain, melainkan data mana yang harus ditempatkan pada tingkat penyimpanan yang mana.

Keunggulan HDD berasal dari ekonomi kapasitas perekaman magnetik. Dalam HDD vs SSD, Western Digital mencatat bahwa HDD Ultrastar modern dapat mencapai kapasitas hingga 32TB dan terus berperan sebagai komponen penting dalam infrastruktur penyimpanan pusat data hyperscale dan perusahaan. Kelemahan HDD juga jelas: mereka memiliki komponen mekanis, dan latensi akses acak serta IOPS-nya jauh tertinggal dari SSD. HDD tidak cocok sebagai drive sistem berkinerja tinggi modern dan bukan pilihan ideal untuk beban kerja baca/tulis acak yang intensif.

SSD memiliki keunggulan berupa latensi rendah, IOPS tinggi, ketahanan terhadap guncangan, dan akses konkurensi tinggi. Ketika Anda menempatkan sistem operasi, basis data, gim, lingkungan pengembangan, atau aset penyuntingan video pada SSD, pengalaman yang dihasilkan biasanya jauh lebih baik dibandingkan pada HDD. SSD kelas perusahaan melangkah lebih jauh dengan menekankan latensi yang konsisten, perlindungan terhadap kehilangan daya, perlindungan data end-to-end, DWPD, dan QoS, sehingga lebih cocok untuk layanan cloud, basis data, virtualisasi, dan pipeline data pelatihan AI.

Dimensi HDD SSD Konsumen SSD Enterprise
Keunggulan utama Kapasitas besar berbiaya rendah Respons cepat, tanpa struktur mekanis Kinerja stabil dan keandalan
Akses acak Lemah Kuat Sangat kuat
Biaya per kapasitas Rendah Menengah hingga tinggi Tinggi
Kapasitas per drive Sangat tinggi Tinggi Tinggi hingga sangat tinggi
Skenario khas Pencadangan, NAS, data dingin Drive sistem, gim, kreasi konten Basis data, AI, layanan cloud
Peran data AI Tingkat kapasitas, tingkatan dingin Data panas, cache Kanal data berkinerja tinggi

Dari Biaya Perangkat Keras ke Biaya Perdagangan

Jika Anda mengikuti saham HDD, SSD enterprise, NAND, komputasi awan, dan pusat data AI, Anda juga perlu mempertimbangkan biaya perdagangan aktual selain logika industri. Biaya perdagangan saham AS biasanya tidak hanya mencakup komisi; biaya tersebut juga dapat mencakup biaya platform, biaya agensi eksternal, biaya aktivitas transaksi, dan biaya lainnya. Biya tidak mengenakan komisi untuk perdagangan saham AS, sedangkan biaya platform, biaya agensi eksternal, dan biaya lainnya mengikuti pusat biaya dan halaman pesanan. Jika layanan tersedia di wilayah Anda, Anda dapat meninjau biaya perdagangan saham AS Biya. Informasi pasar publik dan struktur biaya hanya boleh digunakan sebagai referensi dan bukan merupakan saran investasi.

Dari perspektif pusat data, biaya bukan hanya harga pembelian sebuah drive. Argumen jangka panjang Western Digital untuk penyimpanan HDD mencatat bahwa SSD masih membawa premi dolar-per-terabyte 5x–10x dibandingkan dengan HDD, dan perbedaan ini menjadi semakin besar dalam penerapan skala petabyte dan exabyte. Pelanggan besar juga membandingkan ruang rak, konsumsi daya, pendinginan, pemeliharaan, penggantian saat kegagalan, redundansi, dan siklus hidup—bukan hanya biaya pengadaan.

Ringkasan: Kekuatan HDD adalah kapasitas tinggi dan biaya rendah, bukan kecepatan. Kekuatan SSD adalah latensi rendah dan konkurensi tinggi, bukan biaya kapasitas. Kekuatan SSD enterprise adalah kinerja yang stabil dan keandalan pusat data. Era AI bukan tentang satu media penyimpanan pemenang tunggal; ini tentang penyusunan tingkatan penyimpanan yang lebih penting. Data panas sebaiknya berada di SSD. Data hangat dapat ditempatkan di SSD atau HDD tergantung pada beban kerja. Data dingin dan arsip jangka panjang lebih cocok untuk HDD atau bahkan media berbiaya lebih rendah. Saat memilih solusi penyimpanan, Anda sebaiknya mengevaluasi terlebih dahulu frekuensi akses, persyaratan latensi, masa penyimpanan, anggaran, dan kebutuhan keandalan, alih-alih sekadar bertanya apakah HDD atau SSD lebih baik.

Bagaimana HAMR, SMR, dan Hardis Berisi Helium Terus Meningkatkan Kapasitas HDD

Kapasitas HDD dapat terus meningkat melalui HAMR, SMR, kemasan berisi helium, kepadatan piringan yang lebih tinggi, dan jumlah piringan yang lebih banyak per drive. HDD menarik perhatian di era AI bukan hanya karena drive mekanis "murah," tetapi juga karena para produsen terus mendorong kapasitas per drive menuju 30TB, 40TB, dan lebih jauh lagi. Kapasitas yang lebih tinggi dapat meningkatkan kepadatan rak, efisiensi energi per unit kapasitas, dan biaya per terabyte di pusat data.

HAMR adalah singkatan dari Heat-Assisted Magnetic Recording (Perekaman Magnetik Berbantu Panas). Ide intinya adalah menggunakan pemanasan terlokalisasi selama proses penulisan untuk membantu material magnetik merekam data secara andal di area magnetik yang lebih kecil, sehingga meningkatkan kepadatan areal. Platform Mozaic milik Seagate didasarkan pada teknologi HAMR dan dirancang untuk meningkatkan kepadatan kapasitas bagi pusat data skala besar. Seagate juga mengumumkan Exos M 30TB untuk memenuhi permintaan penyimpanan pusat data dan AI, dan sebelumnya telah memperkenalkan sampel Exos M dengan kapasitas hingga 36TB.

SMR adalah singkatan dari Shingled Magnetic Recording. Teknologi ini meningkatkan kapasitas piringan dengan cara menumpang tindih sebagian trek magnetik seperti genteng atap. Konsekuensinya adalah penulisan ulang acak menjadi lebih rumit, sehingga SMR lebih cocok untuk penulisan sekuensial, tingkat modifikasi rendah, objek berukuran besar, dan data dingin. CMR, atau Conventional Magnetic Recording, adalah metode perekaman tradisional. CMR menawarkan penulisan acak yang lebih fleksibel dan cocok untuk rentang beban kerja perusahaan yang lebih luas.

Hard drive berisi helium penting karena efisiensi rekayasa. Helium memiliki kepadatan yang lebih rendah daripada udara, yang mengurangi hambatan dan getaran platter, membantu memuat lebih banyak platter ke dalam sebuah drive, serta meningkatkan konsumsi daya dan perilaku termal. Western Digital menargetkan HDD UltraSMR 32TB dan HDD CMR 26TB untuk hyperscale, cloud, dan pusat data perusahaan. Pembahasan mereka selanjutnya mengenai inovasi penyimpanan di era AI juga menyebutkan HDD UltraSMR ePMR 40TB yang memasuki kualifikasi pelanggan serta membahas peta jalan kapasitas yang lebih tinggi.

Teknologi Fungsi Inti Arah Peningkatan Skenario yang Cocok Keterbatasan Utama
HAMR Meningkatkan kepadatan areal Kapasitas lebih tinggi per piringan HDD pusat data berkapasitas tinggi Kompleksitas manufaktur tinggi
SMR Menumpuk trek magnetik Efisiensi kapasitas lebih tinggi Data dingin, objek besar, arsip Penulisan acak kurang fleksibel
CMR Perekaman magnetik tradisional Penulisan lebih fleksibel Beban kerja perusahaan umum Kepadatan kapasitas lebih rendah daripada SMR
Kemasan helium Mengurangi hambatan dan getaran Lebih banyak piringan, daya lebih rendah HDD nearline berkapasitas tinggi Persyaratan proses lebih tinggi

Ringkasan: HDD bukanlah perangkat mekanis yang terjebak di masa lalu. HAMR meningkatkan densitas area, SMR meningkatkan efisiensi kapasitas, kemasan berisi helium meningkatkan desain multi-platter dan perilaku daya, sementara CMR terus melayani skenario penulisan enterprise yang lebih fleksibel. Teknologi-teknologi ini secara bersama-sama membantu HDD terus berevolusi di lapisan kapasitas pusat data. Ketika memikirkan teknologi HDD, jangan hanya berfokus pada fakta bahwa hard disk mekanis itu lambat. Anda juga perlu bertanya berapa banyak data yang dapat mereka simpan per satuan ruang, daya, dan biaya, serta apakah data tersebut perlu diakses secara sering. Selama data dingin dan object storage terus tumbuh, peta jalan teknologi HDD masih memiliki relevansi komersial.

Mengapa Pusat Data AI Masih Membutuhkan HDD: TCO, Rantai Pasokan, dan Keandalan

Pusat data AI masih membutuhkan HDD karena sebagian besar data tidak selalu berada di jalur komputasi real-time. Pelatihan dan inferensi GPU memerlukan penyimpanan berkecepatan tinggi, tetapi data lake, cadangan (backup), log, sampel historis, penyimpanan objek, dan retensi kepatuhan lebih peduli pada TCO, pasokan kapasitas, dan keandalan tingkat sistem. Peran HDD bukanlah untuk menggantikan SSD, melainkan untuk mengurangi total biaya penyimpanan pada tingkat kapasitas.

TCO mencakup lebih dari sekadar harga beli drive. Cakupannya meliputi biaya pengadaan, ruang rak, konsumsi daya, pendinginan, operasional, tingkat kegagalan, redundansi data, siklus hidup, dan stabilitas pasokan. Dalam pembahasannya mengenai HDD dalam penyimpanan AI, Western Digital menekankan bahwa HDD tetap menjadi lapisan kapasitas berbiaya rendah dan andal yang penting dalam penyimpanan AI. Pada skala petabyte dan exabyte, bahkan perbedaan persentase kecil dalam biaya kapasitas dapat diterjemahkan menjadi perbedaan anggaran yang besar.

Keandalan juga tidak dapat dinilai hanya pada tingkat satu drive. HDD adalah perangkat mekanis, dan drive individual dapat mengalami kegagalan. Pusat data mengelola risiko melalui redundansi, erasure coding, replikasi geografis, pemantauan kesehatan, dan penggantian secara batch. Backblaze melalui 2025 Drive Stats memantau 344.196 drive dan melaporkan tingkat kegagalan tahunan sebesar 1,36%. Jenis data ini berguna karena menunjukkan bahwa keandalan drive dalam skala besar harus dievaluasi melalui sampel jangka panjang dan manajemen sistem, bukan dengan mengekstrapolasi dari satu pengalaman kegagalan drive konsumen ke seluruh arsitektur penyimpanan awan.

Faktor Evaluasi Pusat Data AI Mengapa HDD Penting Yang Perlu Diperhatikan
$/TB Mengurangi biaya penyimpanan kapasitas besar Harga drive terendah tidak selalu berarti TCO terendah
Kepadatan rak Drive berkapasitas tinggi mengurangi tekanan ruang Bay drive dan pendinginan tetap penting
Daya Energi per TB dapat dioptimalkan Desain rak penuh tetap penting
Keandalan Risiko dapat dikelola melalui redundansi sistem Drive individual tetap bisa gagal
Siklus pasokan Drive berkapasitas tinggi memengaruhi kecepatan ekspansi Permintaan AI dapat mempersempit pasokan
Siklus hidup data Cocok untuk tier dingin dan tier kapasitas Tidak cocok untuk tier panas berlatensi rendah

Ketatnya pasokan adalah sinyal lain bahwa HDD sedang mendapatkan kembali perhatian. Kecepatan pembangunan pusat data AI menjadikan HDD berkapasitas tinggi sebagai sumber daya strategis. Laporan pasar terbaru mengenai kekurangan HDD untuk perusahaan, waktu tunggu yang lebih lama, dan hyperscaler yang mengamankan pasokan semakin sering terdengar. Tom’s Hardware melaporkan bahwa hard drive perusahaan yang sedang dalam daftar tunggu terdampak oleh permintaan infrastruktur AI, dengan implikasi terhadap keseimbangan penawaran dan permintaan HDD perusahaan serta SSD QLC.Harga pasti dan waktu pengiriman akan berubah mengikuti pasar, tetapi trennya menunjukkan bahwa penyimpanan berkapasitas tinggi bukan lagi sekadar perangkat keras di latar belakang; ia telah menjadi bagian dari infrastruktur AI.

Ringkasan: Pusat data AI tetap menggunakan HDD bukan karena HDD cocok untuk setiap beban kerja, tetapi karena sistem data berskala besar harus menyeimbangkan kinerja dan biaya melalui tiering. GPU membutuhkan pengiriman data berkecepatan tinggi, SSD menangani data panas dan cache, dan HDD menangani kumpulan kapasitas, data dingin, cadangan, serta penyimpanan jangka panjang. Ketika pusat data membeli HDD, perbandingan yang sebenarnya adalah TCO tingkat sistem: biaya per kapasitas, daya, ruang, redundansi, keandalan, dan stabilitas pasokan. Semakin kuat permintaan AI, semakin penting bagi tier penyimpanan untuk bekerja bersama alih-alih bertaruh pada satu media tunggal. Nilai HDD berasal dari ekonomi kapasitas, tetapi juga dipengaruhi oleh rantai pasokan dan struktur pelanggan.

Bagaimana Pengguna Biasa dan Investor Dapat Mengevaluasi Peluang dan Risiko HDD

Pengguna biasa sebaiknya mengevaluasi HDD berdasarkan kebutuhan pencadangan, NAS, pustaka media, arsip fotografi dan video, data dingin, serta penyimpanan jangka panjang. Investor sebaiknya mengevaluasi rantai pasok HDD dengan melihat permintaan HDD nearline berkapasitas tinggi, pesan pusat data AI, siklus harga, kendala pasokan, dan komposisi pelanggan. Peluang HDD berasal dari perluasan skala data, sementara risiko berasal dari siklisitas, substitusi SSD, dan konsentrasi pelanggan.

Untuk pengguna biasa, HDD masih cocok untuk NAS rumahan, pencadangan foto, arsip video, pencadangan dingin lokal, pustaka media, dan file yang jarang diakses. Jika Anda membutuhkan drive sistem, drive game, lingkungan pengembangan, atau akses acak yang sering, SSD lebih cocok. Jika Anda perlu menyimpan data penting, HDD juga tidak dapat berfungsi sebagai titik penyimpanan tunggal yang "sangat aman". Anda sebaiknya mempertimbangkan beberapa salinan, pencadangan lokal plus cloud, verifikasi berkala, dan penyimpanan di lokasi terpisah.

Bagi para investor, rantai pasok HDD bukan hanya soal "harga hard disk mekanis yang naik." Faktor-faktor yang lebih penting meliputi pengiriman exabyte HDD nearline, kapasitas rata-rata drive, ASP, margin kotor, perjanjian pasokan jangka panjang, permintaan hyperscaler, kecepatan pembangunan pusat data AI, dan dinamika persaingan. Seagate, Western Digital, dan Toshiba adalah produsen HDD utama. Rantai hulu juga mencakup piringan (platter), head, motor, bahan baku, dan pemasok peralatan. Anda juga perlu memantau apakah SSD QLC yang lebih murah akan menggantikan HDD dalam beberapa kasus penggunaan data dingin (cold data).

Perspektif Pertanyaan Inti Metrik Utama Risiko Utama
Pengguna biasa Apakah Anda membutuhkan kapasitas besar dengan biaya rendah? Kapasitas, kebisingan, garansi, strategi cadangan Kegagalan satu drive, penghapusan tidak sengaja, tanpa cadangan
Pengguna NAS Apakah Anda membutuhkan pengoperasian jangka panjang? Getaran, suhu, bay drive, RAID RAID bukanlah cadangan
Kreator Apakah Anda perlu mengarsipkan aset video? Biaya per TB, kecepatan baca/tulis, ekspansibilitas Kehilangan aset, biaya pemulihan yang tinggi
Investor Apakah AI menciptakan permintaan jangka panjang? Kapasitas nearline, ASP, margin kotor Siklus, konsentrasi pelanggan
Peneliti industri Mampukah peta jalan teknologi memenuhi ekspektasi? HAMR, SMR, kemampuan pasok Kapasitas, hasil produksi, teknologi pengganti

Jika Anda mengikuti Seagate, Western Digital, NAND, SSD enterprise, pusat data AI, ETF semikonduktor, atau sektor teknologi AS dan Hong Kong, Anda dapat menggunakan alat pencarian saham AS untuk mengamati nama-nama terkait dan informasi industri. Saat melacak lintas pasar, Anda juga harus mempertimbangkan nilai tukar, biaya, aturan perdagangan, dan toleransi risiko Anda sendiri, alih-alih hanya mengandalkan narasi industri.

Ringkasan: Pengguna biasa harus mengevaluasi HDD berdasarkan apakah mereka membutuhkan kapasitas besar, akses yang jarang, dan banyak salinan cadangan. Investor harus mengevaluasi HDD berdasarkan apakah AI menciptakan permintaan kapasitas yang berkelanjutan, apakah produsen dapat meningkatkan kapasitas per drive dan profitabilitas, apakah pasokan ketat, dan apakah SSD menggantikan HDD di beberapa skenario. Peluang HDD berasal dari perluasan skala data. Risiko berasal dari siklus, substitusi teknologi, dan konsentrasi pelanggan. Baik membeli hard disk maupun mengamati aset terkait, Anda tidak boleh hanya berfokus pada "konsep AI." Anda harus kembali ke kapasitas, biaya, keandalan, dan permintaan riil. Data adalah aset, dan menyimpan data juga memerlukan perhitungan biaya yang cermat.

Memahami mengapa HDD kembali mendapat perhatian membantu Anda memperluas pandangan tentang infrastruktur AI dari “GPU dan chip” menjadi “data dan penyimpanan.” Jika Anda mengikuti chip memori, hard disk mekanis, SSD perusahaan, pusat data AI, ETF semikonduktor, serta saham teknologi AS atau Hong Kong, Anda dapat menggunakan Biya untuk mencatat transaksi multi-aset, memantau saham terkait, dan mengelola informasi penagihan. Biya mendukung perdagangan saham AS dan saham Hong Kong serta perdagangan aset digital. Komisi perdagangan saham AS adalah $0, sedangkan biaya platform, biela agen eksternal, dan biaya lainnya mengikuti pusat biaya dan halaman pesanan. Saat melacak lintas pasar, kurs real-time juga dapat membantu memperkirakan perubahan biaya di berbagai mata uang. Ketersediaan layanan terkait bergantung pada lokasi pengguna, hasil verifikasi identitas, aturan platform, serta hukum dan peraturan yang berlaku. Informasi di atas hanya memperkenalkan informasi pasar publik, aturan perdagangan, dan struktur biaya, serta tidak merupakan saran investasi.

FAQ

Mengapa HDD Belum Sepenuhnya Digantikan oleh SSD?

HDD belum sepenuhnya digantikan oleh SSD karena HDD masih memiliki keunggulan dalam penyimpanan berkapasitas besar dengan biaya rendah, data dingin (cold data), cadangan (backup), penyimpanan objek, dan tingkat kapasitas di pusat data. SSD lebih baik untuk akses berlatensi rendah dan konkurensi tinggi, sementara HDD lebih baik untuk penyimpanan jangka panjang sejumlah besar data yang jarang diakses.

Mengapa Pusat Data AI Masih Membutuhkan HDD?

Pusat data AI masih membutuhkan HDD karena AI tidak hanya memerlukan komputasi berkecepatan tinggi tetapi juga penyimpanan untuk data pelatihan, log inferensi, versi model, gambar, video, dan data dingin. SSD lebih baik untuk data panas (hot data), sementara HDD lebih baik untuk kolam kapasitas berskala besar dan arsip jangka panjang.

Mengapa Penyimpanan HDD Lebih Cocok untuk Data Dingin Daripada Penyimpanan SSD?

Penyimpanan HDD lebih cocok untuk data dingin karena data dingin jarang diakses, disimpan dalam jangka waktu lama, dan kurang sensitif terhadap latensi. Penyimpanan HDD lebih mengutamakan biaya per kapasitas. SSD lebih cepat, tetapi biasanya lebih mahal untuk penyimpanan jangka panjang dalam skala besar.

Apakah Masih Layak Membeli HDD untuk NAS Rumahan?

HDD masih layak dibeli untuk NAS rumahan jika kebutuhan utama Anda adalah pencadangan foto, pustaka media, file yang jarang diakses, dan penyimpanan berkapasitas besar. Drive sistem, drive cache, dan tugas akses acak frekuensi tinggi lebih cocok menggunakan SSD. Data penting harus memiliki beberapa salinan, dan RAID tidak sama dengan pencadangan.

Apakah Hard Drive HAMR Akan Mengubah Persaingan antara HDD dan SSD?

Hard drive HAMR akan meningkatkan kapasitas dan efisiensi ruang HDD, tetapi tidak akan membuat HDD lebih cepat daripada SSD dalam beban kerja latensi rendah atau akses acak. HAMR lebih mungkin memperkuat peran HDD di tingkat kapasitas pusat data, data dingin, dan penyimpanan objek.

Risiko Apa yang Perlu Diperhatikan Saat Berinvestasi di Rantai Pasok HDD?

Saat berinvestasi di rantai pasok HDD, risiko utama meliputi siklus harga penyimpanan, keberlanjutan permintaan AI, konsentrasi pelanggan, substitusi SSD, perluasan pasokan, dan pelaksanaan peta jalan teknologi. Transaksi terkait juga harus dievaluasi berdasarkan biaya platform, detail penagihan, dan persyaratan regulasi setempat.

*Artikel ini disediakan untuk tujuan informasi umum dan tidak merupakan nasihat hukum, pajak, atau nasihat profesional lainnya dari BiyaPay atau anak perusahaan serta afiliasinya, dan tidak dimaksudkan sebagai pengganti untuk mendapatkan nasihat dari penasihat keuangan atau profesional lainnya.

Kami tidak membuat pernyataan atau jaminan apa pun, baik tersurat maupun tersirat, mengenai keakuratan, kelengkapan, atau ketepatan waktu isi publikasi ini.

Blog terkait

Pilih Negara atau Wilayah untuk Membaca Blog Lokal