AI 的“超级粮仓”：存储设备如何喂饱算力巨兽？

在 AI 飞速发展的进程中，人们通常关注算力强大的 GPU 芯片，却容易忽视一个关键问题：这些算力核心经常处于数据供应不足的状态。

就像自助餐厅里食客众多而后厨出餐速度滞后一样，当前 AI 领域中，存储系统的性能直接决定了 AI 能否高效运行。西部数据近期公布的 MLPerf 测试结果，清晰地展示了 AI 存储系统的实际性能水平。

什么是MLPerf 测试

MLPerf 由全球顶尖高校、企业和研究机构共同制定，是行业公认的权威 AI 性能基准测试。

它通过模拟真实的 AI 训练和推理场景，对硬件（如 GPU、存储）和软件（如算法、调度系统）的综合表现进行测试。

测试结果公开发布，便于企业和用户直观对比不同方案的性能。此次西部数据公布的 MLPerf 结果，体现了其存储方案在 AI 性能测试中的良好表现。

AI 面临的存储瓶颈问题

AI 的核心过程是 “训练”，即利用海量数据让模型掌握识别图像、理解语言或预测结果等能力。

在这一过程中，数据是基础，GPU 是处理数据的核心。但目前存在明显的供需失衡：以主流的 H100 GPU 为例，其算力需求每年增长 10 倍；而传统的 SSD 等存储设备，传输速度每年仅能提升 20%。

这种差距导致 30% 的 GPU 时间因等待数据而被浪费，形成了 AI 发展的 “存储瓶颈”，并非算力不足，而是数据传输无法满足需求。

西部数据的智能存储解决方案

为解决 AI 的存储难题，西部数据推出了由 OpenFlex Data24 存储柜、铠侠 CM7-V SSD 硬盘和 PEAK:AIO 智能软件组成的 “智能厨房系统” 解决方案，构建了全新的存储架构。

该方案的核心是实现存储与计算分离，建立高效的集中式存储资源池。与传统存储方案相比，其优势显著：传统方案中每个 GPU 绑定本地 SSD，数据传输路径长，扩容需整体更换设备；而西部数据方案通过 NVMe-oF 协议实现直连，存储设备集中成资源池，可单独添加存储柜或 GPU 节点进行扩容。

这使得计算和存储能按需独立扩展，数据传输延迟降至微秒级，成本降低 40% 以上。其中，NVMe-oF 协议大幅提升了以太网传输速度，使其可与本地硬盘媲美，有效解决了数据传输慢的问题。

MLPerf 测试中的典型场景

MLPerf 测试在两种典型场景中对西部数据的方案进行了验证，结果如下：

场景一：医学影像分析（3D-UNet 模型）

医学影像多为三维海量数据，AI 分析需连续读取这些大文件。在该场景下，西部数据的纯硬件方案成功支撑 36 个 H100 GPU 运行，数据吞吐量达到 106.5GB/s；软硬结合方案中，单个存储节点可支撑 22 个 GPU 同时工作，效率大幅提高。

场景二：图像识别（ResNet-50 模型）

图像识别需快速读取大量小文件，对存储的灵活调度能力要求较高。西部数据的方案在此场景下支撑了 186 个模拟 GPU 同时训练，单个节点能满足 52 个 GPU 的需求。其关键突破在于通过智能数据调度，实现了存储设备与 GPU 的最优配比，避免了资源闲置。

基于 MLPerf 测试结果，企业在选择 AI 存储时，可关注西部数据方案的三大核心价值：

一是空间革命，1 个存储柜可替代数十台服务器里的本地 SSD，大幅节省空间；

二是成本控制，能够根据实际需求按需扩容，避免因短期算力需求而过度采购存储设备造成浪费；

三是无缝扩展，存储系统可从支撑 1 个 GPU 平滑扩展至支撑数百个 GPU，适应不同规模的需求。

西部数据的方案揭示了 AI 存储领域的三大发展趋势：

一是协议革命，NVMe-oF 协议正逐步取代传统的存储网络（SAN），成为 AI 存储的新标准；

二是软件定义，PEAK:AIO 等智能软件可实现冷热数据自动调度，将常用数据置于高速存储区域，不常用数据放入储备区域，提升存储效率；

三是解耦架构，计算与存储的独立扩展成为超大规模 AI 集群的标配，就像从各家自备发电机升级到智能电网，显著提高了整体系统的效率和可靠性。

随着 AI 模型参数突破万亿级，存储系统在 AI 领域的地位日益凸显。数据作为智能时代的 “新石油”，其传输依赖于高效的存储系统。西部数据的实践表明，打破 “存算一体” 的传统模式，构建弹性、智能的数据供应链，是让 AI 高效运行的关键。只有确保充足的数据供应，才能支撑 AI 持续发展。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～