摘要：OpenAI 发文详解 Habitat 在线存储平台，现每秒处理超 7000 万请求、服务每周超 10 亿用户、管理超 500PB 数据。
OpenAI 发了一篇（系列上篇），把支撑 ChatGPT 的在线存储平台 Habitat 摊开来讲。数字很吓人：现在每秒处理超过 7000 万请求，服务每周超过 10 亿用户，管理超过 500PB 数据，覆盖近 40 个地区。对大部分工程师来说，这种量级的存储系统，光是「别在峰值崩」这一条，就够喝一壶了。
Habitat 要解决的本质问题，是「十亿用户同时往我这里读写各种碎片」：聊天记录、附件、生成结果、用户设置，全都是小而有状态、还要低延迟。这类负载既不像纯对象存储那么冷，也不像数据库那么规整，是典型的多租户、高扇出、强一致与最终一致混用的烂摊子。OpenAI 把它单独做成平台，说明「模型聪明」之外，能稳稳兜住十亿人的状态，才是产品能用的地基。
文章值得工程团队读的，是它怎么在成本和延迟之间做取舍。500PB 不是堆硬盘就完事——跨 40 个地区意味着数据要就近、要容灾、要合规，复制链路一长延迟就上来了。每秒 7000 万请求意味着热点 key、缓存命中率、写放大每一个细节都会被放大成真金白银。Habitat 的演进思路，核心是「分层 + 就近 + 异步化」：热数据贴着用户，冷数据往便宜处沉，能异步的绝不阻塞主链路。
对做 AI 应用的团队，Habitat 是个提醒：很多人盯着模型选型，却低估了「状态管理」这一层的难度。一个 Agent 跑长任务，要记得上下文、要存中间产物、要断点续跑——这些全压在存储上。Habitat 这种级别的平台能力，正是 OpenAI 敢于把 GPT-6 Astra 往专业场景推的底气之一：模型再强，状态存不住、取不快，体验照样垮。
这篇只是上篇，重点在「演进与规模」。后续若讲一致性协议、跨区域复制、故障演练，会更硬核。对国内做 AI 基础设施的团队，Habitat 是一面尺子：你的存储平台，准备好接「亿级日活 + 长上下文 + 多模态附件」这种混合负载了吗？模型竞赛的下半场，底座工程会越来越多地决定天花板。
对创业团队，Habitat 的启示是「先把状态层做厚，再谈智能」。很多 AI 应用卡在「记不住、取不快」，根子在存储设计。把多租户、低延迟、可恢复的状态层当一等公民，Agent 体验才立得住。
跨 40 个地区的部署还点出一个常被忽略的项：数据合规。不同地区的留存、加密、审计要求不同，存储平台从一开始就要把合规当架构约束，而不是事后打补丁。合规前置，全球化才顺。
对架构师，Habitat 的演进提醒：存储平台的「就近 + 分层 + 异步」，是扛十亿用户的通用套路。把热数据贴用户、冷数据下沉、能异步的不阻塞，是大规模系统的老道理，也是真功夫。
对出海产品，40 个地区的部署点出「合规即架构」：留存、加密、审计要当约束写进存储层，而不是上线后打补丁。全球化产品的地基，从第一行代码就要算合规。
举个反例：很多 AI 应用上线后才发现「状态存不住」——用户上下文丢了、Agent 中途断片。Habitat 的启示是，把状态层当产品核心来设计，而不是事后补。
对出海团队，40 地区还意味着「数据要能分身」：哪国数据留哪国、谁有权读、怎么审计，这些在架构图里就要画清楚，否则合规会卡你上线。
