迎接AIGC浪潮 Gooxi为智慧存储筑基

ChatGPT4.0的发布掀起人工智能的新一轮风暴，让人们窥见了科幻电影走向现实的可能。当前，AIGC已经成为了AI产业化必争之地，随着大模型类型的增多，数据的存储正在成为制约AI落地的瓶颈之一。

ChatGPT涵盖了文本生成、语音生成、图片生成、视频生成、代码生成、虚拟人生成等应用。而每种应用的背后是基于行业上下游对数据的采集、标准、训练、推理、归档。存储训练时间决定了大模型的生产时间，需要服务器存储提供更快的速度、更强的可靠性、更简单的管理以及可弹性扩展的能力。有人形象比喻大模型数据训练的过程像是在“炼丹”，GPU算力卡就相当于柴火，只要GPU火力旺、数据配料足，那么很快就能得到仙丹即大模型。这样的比喻有其形象之处，但它忽略了数据也就是原材料存储的困难与挑战。

首先是异构数据存储困难：随着大模型规模的扩大，过去单一的数据存储模式无法满足多模态形式要求。大模型导致AIGC处理的数据并不仅仅局限在文本，图像、音频、视频数据也将加入其中，这会让AIGC数据呈现来源多、格式多的多源异构现状。大模型除了CPU运算更多的是GPU的运算，因此需要存储去适配GPU存储的加速。

EB级的数量存储容量：大模型的精度来自于数据喂养的规模，数据是大模型算法的养料。大模型训练数据来源越广，覆盖的种类越多决定着大模型训练存在深度学习网络层数多、连接多的特性。其次大模型的数据采集到标注、到训练、推理整个过程都需要在数据存储管道里来回进行数据拷贝、常规的服务器处理的效率无法满足AIGC大模型的应用处理要求。因此需要服务器可以弹性扩展，同时也需要存储更加稳定才能让模型训练更加可靠。

高存储密度和高速I/O：在大模型的训练过程中，往往涉及到大规模计算和数据处理，IO特征更为复杂，对于存储的综合能力要求会更高：需要频繁从数据集取Token，非常容易形成高并发的海量I/O，需要极低的延迟来保障性能；此外，大模型在存储模型Checkpoint时，需要高带宽来支撑数据的快速写入。

Gooxi Purley平台4U36盘位服务器，具备大容量节点，极致可靠、极致稳定等多重优势，可以用于大模型的数撼采集，数据质处理，数越归档，适用于医学科研、AI绘画、自动驾驶等AI数据存储场景。

Gooxi AMD双路标准服务器，具备高性能、高可靠、灵活的扩展容量等优势，快速的数据传输和处理能力，能全面满足AI、虚拟化、数据库等全场景存储需求。除此之外还能通过软硬件协同升级实现性能、可靠性及功能的大幅增强，基于分布式存储架构创新实现智能IO优化，发挥系统性能潜力，通过软硬件协同升级。良好的兼容性与可扩展，兼容多种常见的AIGC软件和硬件平台，易于集成和扩展，满足不同规模和需求的客户需求。

此外，Gooxi基于自身在服务器领域多年的持续实践积累，推出了分布式存储系统，够提供大规模的存储空间，满足AIGC应用对大数据的需求。其次，分布式存储具有高速的读写性能，能够支持AIGC应用对实时性的需求。基于分布式存储具有高可用性和可扩展性，能够保证AIGC应用的稳定运行，支持AIGC应用的大规模部署。随着AIGC的发展，数据的产生和处理将会更加分散，这将推动着分布式存储系统融合进化。

随着AIGC时代的到来，Gooxi将持续关注AIGC行业发展，通过打造可靠的数据存储平台，更好应堆AIGC时代的存储挑战，加速AI商业落地。