“大模型時代，數據決定AI智能的高度。作為數據的載體，數據存儲成為AI大模型的關鍵基礎設施。”7月14日，華為數據存儲產品線總裁周躍峰在發布會上說道。

當天，華為發布大模型時代AI存儲新品，為基礎模型訓練、行業模型訓練，細分場景模型訓練推理提供存儲最優解，釋放AI新動能。

周躍峰告訴觀察者網等媒體，現在AI大模型非常熱門，但企業實施AI大模型的過程是一個復雜的系統過程，會面臨很多挑戰。具體來講，企業在開發及實施大模型應用過程中，面臨四大挑戰：

首先，數據準備時間長，數據來源分散，歸集慢，預處理百TB數據需10天左右；其次，多模態大模型以海量文本、圖片為訓練集，當前海量小文件的加載速度不足100MB/s，訓練集加載效率低；第三，大模型參數頻繁調優，訓練平臺不穩定，平均約2天出現一次訓練中斷，需要Checkpoint機制恢復訓練，故障恢復耗時超過一天；最后，大模型實施門檻高，系統搭建繁雜，資源調度難，GPU資源利用率通常不到40%。

華為數據存儲產品線總裁 周躍峰

周躍峰認為，目前大模型算力成本約占整個成本的25%，而數據清洗、預處理等工作，在不算數據存儲硬件的情況下，占到成本的22%。從這個角度看，數據機器存儲過程，在大模型時代越來越重要。這不僅僅是簡單的數據量變大，而且數據的處理過程，以及過程中對于硬件性能的要求越來越高。隨著大模型出現，數據存儲和處理相關領域未來會越來越有前景。

為順應大模型時代AI發展趨勢，華為針對不同行業、不同場景大模型應用，推出OceanStor A310深度學習數據湖存儲與FusionCube A3000訓/推超融合一體機。

OceanStor A310深度學習數據湖存儲，面向基礎/行業大模型數據湖場景，實現從數據歸集、預處理到模型訓練、推理應用的AI全流程海量數據管理。OceanStor A310單框5U支持業界最高的400GB/s帶寬以及1200萬IOPS的最高性能，可線性擴展至4096節點，實現多協議無損互通。全局文件系統GFS實現跨地域智能數據編織，簡化數據歸集流程；通過近存計算實現近數據預處理，減少數據搬移，預處理效率提升30 %。

FusionCube A3000訓/推超融合一體機，面向行業大模型訓練/推理場景，針對百億級模型應用，集成OceanStor A300高性能存儲節點、訓/推節點、交換設備、AI平臺軟件與管理運維軟件，為大模型伙伴提供拎包入住式的部署體驗，實現一站式交付。開箱即用，2小時內即可完成部署。訓/推節點與存儲節點均可獨立水平擴展，以匹配不同規模的模型需求。同時FusionCube A3000通過高性能容器實現多個模型訓練推理任務共享GPU，將資源利用率從40%提升到70%以上。FusionCube A3000支持兩種靈活的商業模式，包括華為昇騰一站式方案，以及開放計算、網絡、AI平臺軟件的第三方伙伴一站式方案。

“數據是很重要的，堪比人類發展歷史上的文字。”對于AI大模型的數據建設現狀，周躍峰認為，目前國內算力較多但存力較少，很多高價值的信息都沒有被記錄下來。

“目前ChatGPT英文大模型訓練效率高于中文的核心原因，就在于英文資料的數字化記錄遠遠多于中文，人工智能產業要得到高速的發展，一定要重視數據和信息的數字化的記錄。”他表示。

周躍峰還提到了未來AI大模型在數據建設方面亟待突破的三個要點：對原始數據進行預處理實現“數據更好用”、數據存儲與GPU更流暢地相配合、數據安全。

華為分布式存儲領域副總裁韓振興在會上表示，在算力和存力的建設過程中，一定是有一個最佳的算存比，并不是靠推算力就能把一個AI推得非常好。他認為，存力建設的落后可能加劇算力閑置，造成資源浪費；相反，高質量的存力將有助于提升AI訓練。