2013 年 6 月，前美国国家安全局承包商雇员爱德华·斯诺登在香港的一家酒店里，向《卫报》和《华盛顿邮报》的记者展示了一批绝密文件。随后数年，围绕监控、隐私和数字权力的争论席卷全球。但在这场风暴的底层，藏着一个被大多数人忽略的物理事实，一个纯粹的技术参数——存储容量。
据斯诺登披露的文件，NSA 犹他数据中心的存储容量估计在 3 到 12 艾字节之间。注意这个词：艾字节。（注：NSA 从未正式公布设计容量。媒体报道的估算范围从若干 EB 到 YB 级别均有，Forbes 基于泄露蓝图的工程推算约为 3-12 EB；此处取主流保守估算。）
这是绝大多数人第一次在新闻标题里看见它。在此之前，“艾字节”最多出现在某些计算机科学论文的脚注里。在此之后，它变成了一个隐喻——一种足以吞下整个互联网记忆的巨兽的量词。
Exabyte，中文 艾字节，或者你不太可能在任何消费产品包装盒上见过的写法——1 EB。
1 EB = 1024 PB = 1,048,576 TB = 1,152,921,504,606,846,976 字节。大约 115 亿亿字节，或者说一百一十五万太字节。这个数字已经大到人类大脑无法凭直觉去感受了，需要动用比喻和数学来把它拆开。
但在所有关于 EB 的拆解开始之前，有一个问题更值得我们停下来想一想：当人类第一次需要用一个叫“艾字节”的词去描述存储时，这条文明的小船，已经悄悄划过了一道什么样的分水岭？
一、Exa- 这个词：从希腊到硅谷
在希腊语里，hexa 是“六”的意思——但 hexa 已经被占据为“十六进制”的词根了，没法再用。于是更生僻的希腊词 hexakosioi（意为“六百”）被拿出来，从中抽出 ex- 这个前缀，强行赋予了它 10^18 的含义。1975 年，国际计量大会（CGPM）正式批准 exa- 作为国际单位制前缀，表示 10^18。注意，这是十进制版本的——它甚至不是为计算机而生的。
计算机世界接过这个前缀之后，按照自己一贯的“1024 才是 1000”的逻辑，把 1 EB 定义为 2^60 字节，即 1,152,921,504,606,846,976 字节——比十进制的 1 EB 多了大约 15%。没错，又是那个我们早在 KB 篇就讲过的度量衡老账，到了 EB 这个量级，这笔糊涂账的绝对差额大到离谱：十进制和二进制之间的 EB 差了大约 1.5 亿 GB。一亿五千万个 GB，足够把 Windows 95 安装 300 万次所差的容量，在计算口径的一念之间就出现了。
Exa- 这个词根真正嵌入计算机行业的日常词汇表，始于 1990 年代末到 2000 年代初。彼时互联网正在经历第一次爆炸式增长，超级计算机的吞吐能力爬到了 TB 级，而思科（Cisco）这样的网络设备厂商开始大量发布关于“全球 IP 流量”的预测白皮书。这些白皮书里出现了一个在当时看起来近乎科幻的预测：到某个时间节点，全球互联网的年数据流量将突破 1 EB。
1 EB 的数据流量。不是存储，是流动——一年之内，全人类在互联网上产生和消耗的数据总量，跨过了这条线。思科在 2008 年前后的《视觉网络指数》（VNI）报告中，正式宣告了这一预测。事实上，据该系列报告的数据追溯，全球 IP 流量在 2001 年突破 1 EB/年大关，到 2007 年左右月均流量突破了 1 EB。（注：思科 VNI 白皮书在 2000 年代末首次广泛进入大众视野，而其数据回溯将 1 EB 年流量的临界点锚定在 2001 年前后）
这意味着什么？意味着在乔布斯掏出第一代 iPod 的同一年——在他把“一千首歌装进你的口袋”的同一年——整个互联网一年的数据流量，已经跨过了 1 EB。GB 和 EB 在同一个历史时刻共存于世界的两端：这是信息尺度最迷人的折叠瞬间。
二、互联网的脊椎：1 EB 的流动比 1 EB 的静止更早到来
在 PB 篇里我们说过，存储从 PB 开始变成了一种像呼吸一样的公用设施。但 EB 时代带来的是一个更深层的变化：在 PB 时代，你先存数据，再考虑怎么用它。在 EB 时代，数据还没存稳，就已经被用掉了。 流动比静止更重要。
我们来看几个可见的证据。
谷歌的爬虫与索引。 谷歌在 2008 年的一篇官方博文中透露，其系统检测到的独立 URL 数量已突破 1 万亿。即使每个页面的平均索引大小只有几十 KB，整个网页索引的规模也已经稳稳进入了 EB 俱乐部的门槛。而这个索引不是“存着不动”的——它需要持续更新、重组、压缩、分发到全球各地的边缘节点。每一次你搜索“天气”，命中的不只是某一个机房里的一块硬盘，而是分布在全球几十个数据中心里、不断被重新计算和排序的一整套 EB 级索引碎片。
Netflix 的视频编码矩阵。 2007 年，Netflix 从 DVD 邮寄业务转型为流媒体服务。到 2010 年代，Netflix 的全球订阅用户突破 1 亿，每人每天观看数小时的高清视频。为了适应从 50 英寸电视到 5 英寸手机屏幕的所有观看场景，Netflix 会对同一部影片生成数百个不同分辨率、码率、编码格式的版本，并将它们分发到全球上千个 CDN 节点。整条管道里的总副本量，是一个 EB 级的数字。你按下的每一次播放键，背后都是几个 EB 的数据在为你冲刷出一个最流畅的观影体验。
科学计算的“一次实验，一辈子看不完”。 我们之前提到了 CERN 的 LHC——大型强子对撞机每年产生超过 30 PB 的原始碰撞数据。但这只是冰山一角。LHC 的四个大型探测器（ATLAS、CMS、ALICE、LHCb）在实验阶段的总数据产出量，加上模拟重建数据、分析派生数据，整个生命周期累计的数据规模早已迈过 1 EB 的门槛，具体数字取决于你如何划分原始数据与派生数据的边界。2012 年发现希格斯玻色子的那个信号，就藏在数十 PB 的背景噪声里。1 EB 是物理学家们淘金的那条数据之河——而金子只有其中一撮。
社交网络的“沉默的大多数”。 你在 Instagram 上发一张照片，它会被自动转码成多种分辨率，复制到多个地理区域的服务器上，塞进自动内容审核的队列里，生成多种视觉特征的索引，最后才出现在你朋友的 feed 流里。你只发了一次，但后台大概存了 6 到 8 份。当全球每天上传数十亿张图片和视频时，整个 Instagram 的存储架构管理着一个 EB 级的持续膨胀的数据池——而你只看得见其中你自己的那个小小剖面。
三、TSMC 与 ASML：EB 时代的看门人
讲到这里，我们还没正面回答一个问题：用什么硬件来承载 EB？
在 PB 篇，我们还能津津乐道地比较 IBM 3380 的 250 公斤和 M.2 SSD 的口香糖大小。在 TB 篇，我们还能说“一块 20 TB 的硬盘塞进 1U 服务器，五台机器拼出一个 PB”。但到了 EB 这个量级，单纯的“硬盘数量”不再有意义。真正决定一个 EB 能否被经济地存储和访问的，是 半导体工艺的制程节点 和 光刻技术的极限精度。
这就是 EB 时代最容易被忽略、却最根本的硬约束：你的全部数据，不论存在哪个云厂商的哪个数据中心里，最终都刻在一张张晶圆上。而晶圆，是用光刻机一根一根线地“画”出来的。
TSMC（台积电） 是目前全球最先进的芯片代工厂。它生产的高密度 NAND 闪存控制器、服务器 CPU 和 AI 加速器，是每一座 EB 级数据中心的物理底座。而 TSMC 的产线里站着 ASML——荷兰一家近乎垄断极紫外（EUV）光刻技术的公司，一台 EUV 光刻机售价超过 1.5 亿美元，需要 40 个集装箱才能运输，安装调试耗时数月。每一片先进制程的晶圆，都必须经过 ASML 的光刻机。
这意味着一个看似遥远、实则极其直接的因果链：ASML 产出的光刻机数量，约束着 TSMC 的先进制程产能；TSMC 的产能量，约束着全球高密度 3D NAND 闪存和服务器芯片的出货量；而这些芯片的出货量，又约束着云厂商能以多快的速度、多低的成本扩张 EB 级存储阵列。2023 年到 2024 年间全球围绕 AI 算力爆发的产能争夺，其实就是这条因果链在真实商业世界的一次公开发作。
EB 的存亡，不是被硬盘决定的，而是被光刻机决定。这是信息尺度膨胀到一定数量级之后，物质世界反过来施加的最冷酷的物理制约。
四、比特衰变在 EB 尺度上的终极形态：存档艺术的危机
在 PB 篇我们聊过“比特衰变”——存储介质里的电荷缓慢泄漏，磁畴取向逐渐漂移，导致数据在无人察觉的情况下静默损坏。在 PB 尺度上，这是一个概率问题。在 EB 尺度上，它是一个不容商量的物理定律。
一个 EB 系统中大约有 2^60 个比特。即便每个比特每年出现错误的概率低到 10^-18，一个 EB 的系统每年也会发生大约一次不可检测的比特翻转。而实际的错误率远远高于这个数字——普通消费级内存的软错误率在 10^-12 到 10^-15 每比特每小时的数量级，企业级硬件虽然低几个数量级，但在 EB 尺度下依然杯水车薪。
这就是为什么所有 EB 级系统都必须采用端到端的数据完整性校验——从磁盘扇区的 ECC，到文件系统的校验和，到网络传输的 CRC，到应用层的副本比对。每一层都在和比特衰变搏斗。你的数据能在云盘里安然无恙地躺十年，不是因为硬盘不会坏，而是因为有一整套算法体系在持续不断地自查、修复和迁移副本。存储，在 EB 尺度上，不再是一个硬件问题，而是一个数学问题。
但比比特衰变更隐蔽的威胁是 人类知识格式的断代。你在 1990 年代用 WordPerfect 写的文档，今天大概率已经打不开了。你在 2000 年代刻录的 CD-R，镀层可能已经开始氧化剥落。一个 EB 的存储系统每时每刻都在刷新自己的硬件——硬盘换成 SSD 再换成下一代持久内存，接口从 SATA 变成 SAS 变成 NVMe 变成未来的 CXL。每一次硬件代际更迭，都意味着数据必须被迁移。而这个迁移过程本身，就是一次大规模复制，带着引入新错误的可能性。
云厂商解决这个问题的方式是“永远在迁移”——数据从老旧硬件向新硬件持续流动，从不给任何一个平台安静老去的时间窗口。这听起来像是永生的技术承诺，但它也带来一个令人不安的哲学问题：如果一个数据被持续重建了五十年，经历了三代文件系统和两种编码标准的变迁，它还是原来那个数据吗？你还能肯定地说，这份从祖父硬盘里抢救出来的数码档案，和五十年前存档人保存进去的那一张唯一的底本是同一个文件吗？
这不是杞人忧天。CERN 在管理 LHC 数据时就遇到了这个问题：早期的实验数据存进了某种磁带格式，十几年后，能读取这种格式的驱动器和软件环境已经不存在了。他们需要专门维护一套“格式遗产系统”，用来持续把旧数据转换成新格式——永无止境。
五、1 EB 能装什么
让我们来做最后一次换算。以下换算主要采用二进制前缀（1 EB = 1024 PB），但由于 EB 实在太大，微小误差不影响直觉感受：
- 约 2.5 亿部高清电影（每部 4 GB）——假设你从公元前 3000 年埃及第一王朝建立开始每天看一部电影，到今天还没看完一个零头。
- 约 3000 亿首 MP3 歌曲——地球总人口 80 亿，每人分 37 首，还剩一大堆。
- 整个人类有史以来说过的所有话——据语言学家估算，所有人类在所有时代说出的话语，如果全部转换成纯文本，大约在 1 到 5 EB 之间。也就是说，1 EB 大约等于全人类历史上所有口头语言的文字记录的五分之一到等身。这个数字小得让人吃惊——我们说了几十万年的话，总量不过几个 EB。而今天全球互联网一年的 IP 流量已经超过 5000 EB。
- 整个人类有史以来说过的所有话——按语言学文献中的中位估算，每人每天约说 16,000 词，平均词长 5 字符，70 年寿命，一生约产生 2 GB 纯文本原始数据。以历史总人口约 1,000 亿人（绝大多数未活到成年）、去重压缩 10 倍计，所有人类在所有时代说出的话语，全部转换成纯文本存储，粗略估计为 50 EB。这个数字小得让人吃惊——我们说了几十万年的活话，总量不过几十个 EB。而今天全球互联网一年的 IP 流量已经超过 5,000 EB。
- 谷歌在 2010 年代中后期管理的索引与网页库规模——虽然谷歌从不公布精确数字，但多方分析师估算其原始网页库与索引的总和早已进入 EB 俱乐部，且正在向更高量级迈进。
- 全人类基因组数据的总量——假设为 80 亿人做全基因组测序，每人原始数据约 150 GB（haploid），总数据量约为 1200 EB。1 EB 大概能装下全球千分之一人口的全基因组数据。
而承载这些数据的物理载体——在 2026 年的今天，一块 30 TB 的企业级硬盘重量约为 690 克。要达到 1 EB 的原始容量，大约需要 36,000 块这样的硬盘，总重量约 25 吨。加上服务器机箱、电源、网络设备和制冷系统，一整套 1 EB 存储集群大概需要一个中等规模的数据中心大厅来容纳，耗电量足够一个万人小镇的所有生活用电。
六、1 EB 的公共面孔：你已经是它的原住民
和 PB 一样，EB 也没有完全把自己关在数据中心里。它有几个你在日常生活中反复接触、却从没和“艾字节”这个拗口词联系起来的公共面孔。
短视频平台。 TikTok 和抖音的全球日活用户超过 15 亿，每天产生的视频数据量在 PB 级，月度数据量轻松突破 EB。你在地铁上划过的每一个 15 秒视频，都经过编码、分发、缓存、推荐算法的无数次读写——整个系统围绕一个 EB 级的动态内容池在运转。你每天刷 2 小时，就是在 2 小时的物理时间里，以大约 10 到 30 Mbps 的速度穿过自己那根细管，贪婪地在这个 EB 大池里切下属于你一个人的一道薄片。
大语言模型。 GPT-4 和类似规模的大模型在训练阶段需要处理数十 TB 到 PB 级的高质量文本语料，而整个互联网级原始语料的总规模——包括 Common Crawl 的全部网页爬取结果——在 2020 年代已达数十 PB 级别，单次月爬取约 344-363 TiB。这些语料在被清洗、去重、分词之前，以原始形态存储在 PB 甚至 EB 级的分布式文件系统上。你每次和 ChatGPT 聊天，背后是一套从 EB 级语料库中被蒸馏出来的权重，在你打出每一个字的时候沉默地运算。
自动驾驶。 一辆 L4 级自动驾驶测试车每天产生的传感器数据——激光雷达、摄像头、毫米波雷达、高精度 GPS——在 4 到 20 TB 之间。以 Waymo 测试车为例，每小时产生约 1,100 GB 数据，按一天运行 24 小时计算约 26 TB。一个拥有 100 辆测试车的车队，每月产生的数据量超过 30 PB。而自动驾驶公司需要将这些数据全部回传、标注、清洗并用于模型训练。行业头部玩家的累计数据量已经摸到了 EB 的门槛。硅谷的路口和北京的高架桥，正在以艾字节的精度被数字化重造。
七、EB 的告别：始于犹他，不止于犹他
让我们回到 2013 年的香港，回到斯诺登和记者们待过的那间酒店房间。
为什么是犹他州？为什么 NSA 要在一片沙漠里建造一个艾字节级别的数据中心？官方的解释是：为了支撑情报分析。但更深层的逻辑，EB 这个单位自己的物理属性，已经替他们回答过了。
EB 需要荒凉。EB 需要廉价的电力、稳定的地质、远离飓风和地震带的土地。EB 不能生活在人类旁边——它太热、太吵、太耗电。于是它被发配到沙漠、北极圈、海底和废弃的矿山里。在 PB 时代，数据中心还像一座仓库。在 EB 时代，数据中心更像是这个文明偷偷埋在地下的维生装置——它不体面，不显眼，但断了电整个数字世界就会窒息。
如果整个信息尺度是一个正在不断扩张的文明——从 1 bit 的烽火台到 1 PB 的都市，那么 1 EB 就是这个文明建造的第一座“大陆级工程”。它不再是某个公司或某个国家的财产，它是人类这个物种作为整体产出的信息废气的总汇集。
而从 1 EB 再跨出下一步，就不再是“更大”，而是“另一种东西”。在那里，1 EB 只不过是一块即将被吞没的垫脚石。人类给这个下一级取了一个名字，它本身就是一整个海洋。
下一个单位：1 ZB。在那个尺度上，我们不再谈论地球上的数据，而是开始谈论全人类作为一个文明所拥有的全部数字储备。欢迎来到信息世界的半球尺度。