大型语言模型对数据存储的影响是什么

智算时代，算力是生产力，数据是核心生产要素，大型语言模型横空出世后，对数据存储提出更高的要求。

大模型时代华为的AI存储新品

近日，华为发布大模型时代AI存储新品，为基础模型训练、行业模型训练，细分场景模型训练推理提供存储最优解，释放AI新动能。

华为发布的“OceanStor A310深度学习数据湖存储”与“FusionCube A3000 训/推超融合一体机”是商用AI存储新品。

官方称“这两款产品可为AI基础模型训练、行业模型训练，细分场景模型训练推理提供新动能。

OceanStor A310深度学习数据湖存储，主要面向基础/行业大模型数据湖场景，实现从数据归集、预处理到模型训练、推理应用的AI全流程海量数据管理。

OceanStor A310单框5U支持业界最高的400GB/s带宽，以及1200万IOPS的最高性能，可线性扩展至4096节点，可实现多协议无损互通。全局文件系统GFS实现跨地域智能数据编织，简化数据归集流程，通过近存计算实现近数据预处理，减少数据搬移，预处理效率提升30 %。

FusionCube A3000训/推超融合一体机，主要面向行业大模型训练/推理场景，针对百亿级模型应用，集成OceanStor A300高性能存储节点、训/推节点、交换设备、AI平台软件与管理运维软件，为大模型伙伴提供拎包入住式的部署体验，实现一站式“开箱即用”交付，2小时内即可完成部署。

并且该一体机支持两种灵活的商业模式，包括华为昇腾一站式方案，以及开放计算、网络、AI平台软件的第三方伙伴一站式方案。

一体机的训/推节点与存储节点均可独立水平扩展，以匹配不同规模的模型需求。

同时 FusionCube A3000通过高性能容器实现多个模型训练推理任务共享GPU，将资源利用率从40%提升到70%以上。

潮流挺进，构建中国AI“新赛道”

ChatGPT的成功并不是偶然结果，在目前版本开放以前，OpenAI已经在训练大规模语言模型的道路上深耕多年。

目前在国内政策层面，除了在“十四五”期间，针对人工智能的未来发展陆续出台相关指导方案和激励支持政策。

北京5月30日发布《北京市加快建设具有全球影响力的人工智能创新策源地实施方案(2023-2025年)年》和《北京市促进通用人工智能创新发展的若干措施》；

深圳5月31日发布《深圳市加快推动人工智能高质量发展高水平应用行动方案(2023-2024年)》；

成都6月5日发布《成都市关于进一步促进人工智能产业高质量发展的若千政策措施(征求意见稿)》；

杭州6月12日发布《关于加快推进人工智能产业创新发展的实施意见 (征求意见稿) 》；

无锡6月14日发布《无锡市人工智能产业创新发展三年行动计划(2023-2025)》；

上海7月8日发布《上海市推动人工智能大模型创新发展的若干措施》；

重庆7月25日发布《重庆市以场景驱动人工智能产业高质量发展行动计划(2023-2025)年》。

2023年全国两会期间，多位全国人大代表、全国政协委员将视野聚焦“如何发展中国自己的ChatGPT”，为人工智能的发展献言献策。

全国人大代表、科大讯飞董事长刘庆峰表示，应当加快推进我国认知智能大模型建设，在自主可控平台上让行业尽快享受AI红利，让每个人拥有AI助手。

全国政协委员钱家盛则建议加大人工智能科学与技术交叉学科建设，稳步推进“人工智能+学科群”培养模式，构建人工智能领域人才培养体系和科技创新体系。

出品大模型应用面临四大挑战

第一：数据准备时间长，数据来源分散，归集慢，预处理百TB数据需10天左右；

第二：多模态大模型以海量文本、图片为训练集，当前海量小文件的加载速度不足100MB/s，训练集加载效率低；

第三：大模型参数频繁调优，训练平台不稳定，平均约2天出现一次训练中断，需要Checkpoint机制恢复训练，故障恢复耗时超过一天；

第四：大模型实施门槛高，系统搭建繁杂，资源调度难，GPU资源利用率通常不到40%。

目前大模型对存储的需求

现阶段大模型以文本型的单模态为主，但是随着大模型与各个行业相结合，紫东太初大模型、讯飞星火大模型、ChatGLM认知大模型等，都提到过以后会加速多模态的发展，那么数据类型将日益增加。

当然对存储的要求也会变高，一是要完成基于海量多态数据的训练；二是要面向海量终端的数据应用。若存储容量不足可能对模型性能产生影响。

从文本到图片、音频、视频进行拓展，数据量也将大幅增加，预计会从纯文本型的几个TB(太字节、1TB=1024GB)向多模态的PB级(拍字节、1PB=100万GB)容量迈进，这对存储的架构、性能等核心能力提出更高要求。

据相关机构预计，2026年中国人工智能软件及应用市场规模将会达到211亿美元，国内被寄予厚望的各大科技公司都在不断探索大模型运行的新方法、新模式。

然而，只有落地才能实现大模型的价值。

结尾：

数据、算法、算力是AI发展的驱动力，大模型增强了AI技术的通用性，助力AI的实现。

未来，大模型与场景深度融合，配合专业工具和平台支持应用落地，以开放的生态来激发创新，形成良性循环，并通过提供全流程支持应用落地的工具和方法，让更多企业受益。

内容参考来源于：华为：华为发布大模型时代AI存储新品；浦银国际研究：从华为AI存储新品看大模型时代的存储趋势；中国新闻网：大模型催生多样化数据处理 数据存储面临新要求；医疗科技高峰论坛：大模型的深度与速度。

编辑：黄飞