OpenAI 存储系统 Habitat 的规模曝光——每秒 7000 万次请求、500PB 数据、每周 10 亿用户——把 AI 基础设施的"隐形成本"推到台前。它对智算中心与云平台最大的启示是：存储与数据底座，是 AI 规模化绕不开的差异化竞争点；容量规划与技术债治理，必须与算力扩张同步做。
当外界讨论 AI 时，目光往往落在 GPU、大模型参数与推理算力上。但真正支撑 ChatGPT 每周服务 10 亿用户的，不止是算力，还有一套被曝光的后端存储系统——Habitat。它揭示了一个被长期低估的事实：AI 基础设施的账本里，算力只是显性那一行，存储与数据底座才是不断膨胀的"隐形成本"。
一、Habitat 是什么：从连接数微服务到核心存储底座
据公开报道，Habitat 支撑 ChatGPT 的后端存储：每秒 7000 万次请求、500PB 数据、每周 10 亿用户。数字本身已足够惊人，但更值得拆解的，是它的成长路径——Habitat 最初只是一个处理"连接数"的微服务，随着 ChatGPT 规模爆发，才被逐步重构成 OpenAI 的核心存储基础设施。
这条路径的关键词是"演进而非搭建"：先满足需求，再逐步重构成规模系统。OpenAI 处理技术债的方式——不在一开始追求完美架构，而是先让业务跑起来，再用规模倒逼重构——对今天所有做大模型与智算基础设施的团队，都有直接参照价值。
二、为什么要重视"隐形成本"：存储是 AI 规模化的底座
一个容易被忽略的逻辑是：AI 服务的价值密度越高，对存储与数据层的依赖就越深。训练要喂海量数据，推理要读写上下文与缓存，用户行为要沉淀为资产——每一环都压在存储系统上。ChatGPT 的 500PB 不是静态库存，而是持续增长的活数据。
对基础设施供给方而言，这意味着：谁能在存储架构、容量规划与数据吞吐上做得更稳，谁就越能在 AI 规模化中占据差异化优势。分布式存储的扩展性、高并发下的低延迟、以及面向未来的容量预留，正在成为与 GPU 同等重要的竞争维度。
三、对鹭港智联 / 智算中心的借鉴意义
第一，存储与算力要同步规划，不能只盯着 GPU。智算中心在扩容算力的同时，必须把分布式存储架构、数据吞吐与容量规划纳入同一条建设主线——因为算力跑得再多，数据底座跟不上就是瓶颈。
第二，容量规划要"向前预留"。Habitat 的经验是"先满足、再重构"，但对供给方而言更稳妥的策略是：在服务客户规模化之前，就把存储扩展路径与冗余容量设计进架构，避免需求爆发时被动的"救火式重构"。
第三，技术债治理本身也是服务能力。能承接客户从"小规模试水"到"大规模上线"的完整过程，并为存储与数据底座提供持续演进方案，是智算中心与云平台差异化服务的重要组成。
归根结底，Habitat 的曝光给行业提了个醒：AI 的竞赛不只是算力的竞赛，更是整个基础设施——含存储与数据底座——的竞赛。谁把"隐形成本"真正纳入战略，谁就更能在 AI 规模化时代站住脚。
本文 Habitat 相关数据（每秒7000万次请求、500PB数据、每周10亿用户、连接数微服务演进路径、技术债治理方式）源自 OSCHINA 公开报道（https://www.oschina.net/news），具体架构细节与数据口径以 OpenAI 官方发布为准。文章分析观点为鹭港智联（鹭港算力）基于公开信息的行业解读。