新眸原创·作家 | 桑明强

当环球科技巨头为AI大模子大肆加码GPU算力时，一家头部券商公司却公开衔恨：劳作搭建的GPU集群，利用率却耐久卡在30%，算力空转导致每月仅电费等于一笔不小的支出，中枢瓶颈果然是一块“看不见的短板”：存储带宽。

这并非孤例——某车企自动驾驶团队在迭代模子时发现，因数据读写蔓延过高，单次检修周期被动延长40%，径直拖慢产物落地程度。这些故事背后，揭示了大模子时期最装璜的真相，存储正成为大模子落地的最大暗礁。

大模子检修场景下，数据集一般以文档、图片、音视频等非结构化数据为主，这些文献不异很小，在几十字节到几百kb级别，但数目弘远，约莫几亿到几十亿量级，这就条目存储系统具有鉴定的元数据不休才略，用来撑握海量小文献的高模糊。

据爱分析测算，在同等GPU算力畛域下，存储性能相反可导致3倍模子检修周期波动。以GPT-4为例，它检修需处理超100PB数据，存储带宽条目600GB/s，尽头于每分钟填满45块10TB硬盘，而传统4节点存储集群仅能提供24GB/s带宽，差距达25倍。

在这种配景下，产业界堕入两难困局：既要支握千亿级参数AI大模子、TB级带宽的“暴力模糊”，又要扛住30年数据留存、11个9可靠性的“马拉松正经”，还要餍足国产化和市集确切切需求。

“这中间的挑战其实相等大。”京东云关系厚爱东说念主告诉《新眸》，一方面，存储厂商需要跟主流芯片厂商以及国产操作系统相互兼容认证；另一方面，还要在世界产化环境里作念到高性能、高结识性和低老本，这背后意味着多量的对接、优化和自主研发责任。

这些问题亦然脚下好多CTO、CIO惊骇的场合。尽管DeepSeek等模子才略让东说念主高潮，也让外界看到了大模子落地千行百业的可能性，但摆在他们眼前的，除了买GPU、堆算力外，还要念念考怎样从存储端切入，为企业算明晰大模子落地和数字化的“经济账”。

01

GPU空转背后：一场被冷落的存储鼎新

存储老本就像是房间里的大象，通盘东说念主齐看见，但没东说念主敢动。据业内东说念主士深刻，有的企业光里面存储系统就采购了5套，每一套齐需要单独宝贵，由于这些数据分裂在不同系统，不休难度陡增的同期，也为后续数据价值挖掘平添了拦阻。

一项窥探傲气，大模子检修中存储老本占比高达10%-20%，但多数企业仍将其视为“必要损耗”。拿一台L3级别的自动驾驶测试车来讲，平均每天产生60TB的数据，完满测试产生的数百PB数据需要存储30年以上。

存储老本居高不下，是大模子时期的一大痛点，枢纽在于短缺对数据的有用分层。传统存储决策下，为了保证企业分娩活跃度和数据安全，不异需要作念到3个副本，这亦然导致存储空间利用率低的径直原因，肖似问题在互联网、金融、医疗等行业浩繁存在——冷数据占用多量资源，却鲜少被造访。

更别谈一些特定畛域，它们对于存量数据的存储条目更为尖刻。比如政府电子档案条目保存周期为5年致使更长，公检法司数据条目保存周期至少30年以上。

问题的复杂性在于技艺门槛。要知说念，大模子检修的实质是海量数据的处理与流动，经过中需要及时处理数百PB级数据，存储系统需同期餍足千万级IOPS、TB级带宽、微秒级蔓延。比较之下，传统措置决策不异捉衿肘见：高端存储阵列性能达标但老本不菲；开源决策虽老本低，却濒临结识性问题。

“一定程度上，云海AI存储的出现填补了市集空缺。”据京东云关系厚爱东说念主深刻，这款历经京东618、双11等复杂场景打磨的产物，以全自研调散伙布式存储引擎为中枢，终了4K随即写性能毁坏千万级IOPS，平均蔓延在100微秒级，并通过1.1x副本技艺简约全体基础标准老本超30%。

“近几年市集对国产存储的宝贵度赫然提高。”尤其在大模子波澜下，存储性能已从后台支握系统，跃升为AI分娩力中枢身分。一种主流不雅点以为，当参数畛域毁坏千亿量级时，对存储的条目会更高，届时独一具备弹性膨胀才略的散布式存储架构，才能撑握往常3-5年的AI进化需求。

在与多个客户深入疏导后，京东云方面发现，除了国产化层面的条目，对国外存储厂商的祛魅精真金不怕火成为行业共鸣，国外的月亮不一定更圆，这亦然云海AI存储为什么能在银行、证券、汽车、零卖等畛域世俗落地——它既能作念到不输国外存储厂商的高性能、高可用性，还在于它是京东100%自研产物，中枢技艺十足自主可控。

02

自主可控：国产存储的“性能逆袭”密码

“每一个架构好在那里、坏在那里，咱们有富饶的底气来判断。”京东云关系厚爱东说念主告诉《新眸》，从2012年运行缱绻，云海AI存储在京东场景如故推论了进步13年。

手脚下一代枢纽技艺，存储是AI基础标准进犯一环，亦然国产化的重心，ag百家乐真实性尤其对于金融、政务畛域来讲。在这个配景下，中枢技艺是否自主可控将成为枢纽门槛，比较之下，国外存储厂商的营业化产物天然在性能上全体当先，但无法手脚优先采选；至于国内厂商，则需要考证其技艺自主可控才略，以及产物与左近国产化生态软硬件系统的兼容性。

和传统散布式不同，云海散布式存储主要聚焦于AI检修和推理场景，而非仅限于数据处理。由于它继承十足自研的架构，而非基于开源平台，“每一瞥代码齐是我方写的”使得云海在面对大畛域数据存储和高性能需求时更具竞争力。过自后看，这是一条沉重但正确的采选。

事实上，除了京东云云国外，这些年国内发力AI存储并不在少数，但最终效用却反响平平，据业内东说念主士深刻，有的厂商费了放浪气挖东说念主、插足了多量资源，却于今未能推出老练的产物。

这同期亦然互联网厂商自研存储的难点所在，不仅要措置监控组件、数据库组件、工程化条目品级三方依赖问题，针对不同客户需求进行模块化单独输出，还要辩论到业界主流存储架构突变带来的风险性。

背后的考量与衡量了然于目。回忆起打磨云海AI存储的那段履历，京东云关系厚爱东说念主坦言中间也履历过好多里面的争论，比如数据保护的技艺道路采选上，其时里面就采选障翳写如故追加写时，盘考过好屡次。

障翳写手脚业界主流的技艺旅途，相对来说设立难度、风险齐比较小，但坏处是，在存储故障处理才略、包括故障后反映时延方面相等弱，况兼性能也没法作念到极致。详细考量下，云海AI存储最终采选了更有难度的追加写技艺旅途，为了让它有更高的结识性，团队前后就存储架构优化方面又花了快要一年时刻。

03

存力即战力

京东云云海怎样改写存储经济账

当环球AI竞赛进入耐力赛阶段，存储价值正在从“后勤保险”升级为“中枢战力”。

拿汽车场景例如，在自动驾驶等模子检修、研发经过中，存储和GPU的关系不异是精粹耦合的，一朝GPU集群出现闲置情状，就会导致极大的资源铺张。对于这点，业界有一个经典测算，要是GPU集群出现5%足下的闲置时刻，其老本就尽头于重建一套散布式存储集群。

云海的推论也考证了这少许——某自动驾驶公司通过存力优化，餍足了该企业上百个GPU缱绻节点在模子检修经过中造访存储数据，并搪塞缱绻节点的高并发造访的需求，大大镌汰了检修周期；某国有大行基于云海构建存力底座，继承调散伙布式存储的相貌，既餍足大模子检修的海量数据存储需求，还有用谴责了老本。

肖似的故事也发生在某著名券商。为了撑握业务发展，该券商需要进行系统架构的全面云原生化升级，但问题在于，传统存储架构不够生动，很难稳当“小微化、高频化”的业务新款式，更别谈撑握业务系统快速上线、快速变更。

“这恰正是云海的私有上风所在。”据京东云方面深刻，基于云海散布式存储搭建的调和存储平台，该券商构建了超大畛域数据湖，调和不休结构化与非结构化数据，在终了数据高效存储与流动的同期，存储平台还兼容多存储接口类型，真确作念到与用户业务系统无缝连气儿。

荔枝FM里面也曾算过一笔账：4.5亿用户音频数据若沿用传统3副本机制，年存储老本将是一笔无数支出，而基于京东云自研云海存储系统，详细存储老本直降30%，背后玄机在于京东云独创的冷热数据自动分层机制——热数据保留3副本保险毫秒级反映，冷数据则继承EC低冗余技艺（1.1x副本率），磁盘利用爽径直擢升至90%。

值得一提的是，云海这套组合拳还能同步构建跨机架多节点容灾体系，终了每次读写自动多副本备份，撑握荔枝FM4.5亿用户的高品性音频行状零中断。在业内东说念主士看来，大模子竞赛下半场，存力正从幕后走向台前，京东云云海通过性能、老本、自主可控的三重毁坏，不仅措置了企业的实践痛点，更再行界说了AI基础标准的价值链——存储系统的ROI=性能增益+老本简约+故障止损。

“国产存储崛起的枢纽不只单是性能、可靠性的比拼，更需要你站在往常念念考。”按照京东云关系厚爱东说念主的判断，往常通用大模子措置用户通盘需求的可能性较低，拔旗易帜的是，将呈现多种应用化大模子笔据用户场景并应用用的情况，跟着DeepSeek等LLM的应用发展，后续推理的需求将握续走高，展望将远高于检修需求。

事实也确切如斯，笔据IDC发布的一份敷陈傲气，环球数据将从2018年的33ZB增至2025年的175ZB。而中国的数据总量也在环球首屈一指，窥探数据傲气，中国数据占环球数据比重正在从2018年的23.4%，发展到2025年的27.8%。

从这个角度来看，关系"存储经济学"的价值重构AG真人百家乐，如故成为企业AI政策的赢输手。

• AG真人百家乐
• 模子
• amp
• quot
• 吞金