企业非结构化数据占比90%：生成式AI时代存储架构面临重构

核心结论：非结构化数据成为AI落地的关键瓶颈

根据Backblaze官方博客于2026年8月6日发布的内容，企业环境中约90%的数据属于非结构化格式，而当前的传统存储系统并未针对生成式AI所需的持续索引、向量化处理以及检索增强生成（RAG）工作流进行优化。这意味着，即便企业拥有海量数据资产，若底层存储无法支撑高频、低延迟的读取与写入需求，AI模型将难以有效利用这些数据。 www.sosit.com.cn

对于国内企业而言，这一趋势直接影响数据恢复与备份策略的制定。非结构化数据包括文档、图像、音视频、日志文件、邮件附件等，其体积大、格式多样、访问模式复杂。一旦存储系统因硬件故障、勒索攻击或人为误操作导致数据不可用，恢复难度远高于结构化数据库。 www.sosit.com.cn

来源已确认事实

以下内容明确来自Backblaze官方博客原文陈述：

www.sosit.com.cn

• 企业数据中约90%为非结构化格式。
• 传统存储架构并非为持续索引、向量化和RAG工作流设计。
• 生成式AI要有效利用非结构化数据，需要始终在线（always-hot）、高吞吐的存储支持。
• 存储性能直接影响AI生产的准确性、性能表现与总体成本效率。

以上信息均来自原始文章明确表述，未作推测或延伸。 技王数据恢复

可能影响：对国内企业存储与数据安全的实际意义

结合通用存储技术知识，上述趋势对国内用户和企业可能产生以下几方面影响： 技王数据恢复

1. 存储架构需向高并发、低延迟方向演进

RAG工作流要求存储系统能够持续响应向量数据库的查询请求，同时支持大规模文件的并行读取。传统NAS或SAN架构在面对此类负载时可能出现瓶颈，导致AI推理延迟上升、响应质量下降。企业可能需要引入分布式文件系统或对象存储配合NVMe加速层，以满足AI训练与推理的I/O需求。 www.sosit.com.cn

2. 数据恢复复杂度显著提升

非结构化数据通常缺乏统一的元数据管理机制，文件碎片化程度高。当存储卷损坏或文件系统崩溃时，恢复工具需要依赖文件签名识别和碎片重组技术，耗时更长、成功率更不确定。企业在制定灾难恢复计划时，必须针对非结构化数据的特点设计专项恢复流程。

3. 备份策略需兼顾热数据与冷数据

AI工作流要求关键数据集始终处于