从大数据到AI，华为云存储加速企业大模型快速应用

林超结合他对业界的洞察，提出了华为云对大数据与AI时代存储服务的定义:「具备存算分离能力，提供多级加速与海量数据存储能力的高性价比存储底座」

进入AI时代，存储面临诸多挑战

在训练场景，用于训练的数据越来越多，L2级自动驾驶训练就需要400PB路采数据，而L3级别自动驾驶训练所需的路采数据量更为惊人。随着训练的数据量成倍增加，训练时元数据预热时间也变得越来越长，2023年车厂在进行L3级别自动驾驶训练时每次元数据预热的时间超过10小时，GPU长时间空载，造成算力大量浪费，而且在训练时GPU集群需要已亚ms的速度不断读取数据进行训练，这对存储的性能也是极大的挑战。另外，由于当前AI训练是以GPU卡为核心展开的，而客户的GPU卡往往既在线下部署也在线上部署，如何快速高效的为多元化部署的GPU提供数据存储服务也是一件非常有挑战的事。

在推理场景，随着AI在生产生活中的使用越来越广泛，AI已经成为社会高效运转的必要环节，人们对AI处理的速度要求越来越高。当前AI大模型一般是通用大模型，缺乏行业Know How，在面对特定领域、行业的需求时往往无法给出最优解，这给大模型在行业适配落地带来了很大的困难。另外随着AIGC在内容生产的占比越来越高，AIGC所带来的法律、道德、合规风险越来越大，如果不加以管理，AI必将成为不良内容滋生的温床。

针对上述挑战，华为云提出了其应对方案：

在AI训练环节，数据经过采集、上云、预处理、标注进入模型训练环节，模型再通过数据仿真、模型评估、模型部署进入推理环节。

华为云存储首先通过OBS对象存储构建统一数据湖来承载EB级海量的训练数据，并通过基于多种存储规格的数据智能分级功能降低50%的存储成本。同时OBS通过Posix语义支持预处理等环节，从而减少整个训练环节中数据在不同类型存储中传输的次数，提升整体效率。

同时在模型训练的关键环节，GPU集群对存储的性能有着极高的要求，华为云存储通过SFS Turbo在OBS统一数据与GPU集群之间构建高效加速层，提升AI训练效率，通过高效加速层，原本需要上百小时的元数据预热时间被缩短至30分钟，有效减少了GPU空闲时间。同时在训练中的数据读取时延也降低到了亚毫秒级别，训练效率相比直接对接数据湖提升3倍以上。而且SFS Turbo支持贴近GPU在线上、线下多元化部署，满足数据就近加速的需求。

在推理阶段，华为云存储重点优化了推理成本、推理性能、行业落地、内容合规三个痛点。

通过构建弹性缓存，推理过程不再需要通过增加GPU在扩展内存，从而达到将大模型装载到内存的目的，弹性缓存池可以按需提供高性能的缓存空间，满足大模型的加载需求。行业落地的痛点是解决行业Know How的问题，如果使用私域数据、行业数据等对大模型进行重新训练，那么高昂的成本和漫长的时间都是客户无法承担的，通过引入向量存储，相当于在大模型的外面增加了行业Know How的外挂，无需重新训练大模型即可满足行业需求，而且部分问题在向量存储中即可闭环，无需推理，使得整个推理性能大幅提升100倍，而成本却降低了10倍。另外华为DWR数据工坊提供了全面的内容审核服务，可以确保AI推理所输出的内容满足合规要求，避免了由于使用AI带来的业务风险。

随后，叮咚买菜技术副总裁周祥军、趣丸科技数据服务负责人黄强、华为云存储服务产品部高级架构师姚博士也分别演讲了自己的见解。

姚博士则从技术架构角度解读了华为云存储的一站式数据管理、存储、加速方案。华为云通过SFS Turbo与OBS联动提供了大容量、高可靠、低成本的数据持久化层和高效的缓存加速层。作为AI训练加速器的SFS Turbo通过MDS Turbo、CAT Cache和全路径软硬件优化的极致时延数据流传，最终实现了百万级 IOPS 的元数据加速，降低了训练过程中训练数据和checkpoint的读写时延，解决了百亿小文件的预热与数据加载加速问题。