近日，浪潮信息发布为大模型专门优化的分布式全闪存储AS13000G7-N系列。该系列依托浪潮信息自研分布式文件系统，搭载新一代数据加速引擎DataTurbo，通过盘控协同、GPU直访存储、全局一致性缓存等技术为AI大模型数据归集、训练、数据归档与管理等阶段提供强大存储支撑能力，助力用户加速大模型系统的创新及应用落地。
化解大模型时代的存储挑战 构建坚实的数据存储底座
大模型已经成为驱动数字经济深度创新、引领企业业务变革、加速形成新质生产力的重要动能，随着大模型参数量和数据量的极速膨胀，多源异构数据的传、用、管、存，正在成为制约生成式AI落地的瓶颈之一，用户亟需构建更加高效的存储底座。在数据准备阶段，在规模大、来源广泛、格式多样的原始数据中，筛选和清洗出利用于训练的高质量数据常会耗费大量时间；在模型训练阶段，海量小文件数据加载、Checkpoint数据调用对IO处理效率提出严苛要求；模型训练之后，多个数据资源池无法互通、海量冷数据归档带来较高的数据管理复杂度。
作为率先在业界提出分布式融合存储的厂商，浪潮信息聚焦行业客户的大模型落地需求与核心痛点，基于NVMe SSD研发出高效适配和优化的分布式全闪存储AS13000G7-N系列。硬件方面，AS13000G7-N是一款2U24盘位的全闪存储机型，搭载英特尔至强第四、第五代可扩展处理器，支持400 Gb 网卡，同时每盘位可配置15.36TB 大容量NVMe SSD。软件方面，通过集群控制服务将N个节点联成一套具有高扩展性的文件系统；通过分布式元数据服务提升海量小文件读写性能；通过数控分离架构，实现东西向网络优化，降低IO访问时延，提升单节点带宽。在软硬件协同创新下，AS13000G7-N充分满足大模型应用在存储性能和存储容量方面的严苛需求。
具体来说，在数据准备阶段，通过多协议融合互通技术，面对多份、多种协议的数据，存储底层仅保留一份数据，实现数据共享免搬迁；在模型训练阶段，通过大小IO智能识别和缓存预读技术快速保存和恢复checkpoint（检查点）文件，实现TB级训练数据Checkpoint读取耗时从10分钟缩短至10秒内，大幅提升训练过程中数据加载速度；RDMA/RoCE网络连接技术和数控分离架构的设计，实现东西向数据免转发，极限发挥大模型训练中硬件网络带宽性能；基于盘控协同架构，网络数据直通NVMe SSD，进一步提升单盘带宽；在数据归档与管理阶段，AS13000G7-N提供了多元异构存储的统一纳管能力，保障数据资产高效存储与管理，大幅提升存储资源的利用率且化数据基础设施投资回报比。
