“我們的AI大模型，在萬(wàn)卡集群上訓(xùn)練，三小時(shí)就出一次錯(cuò)。別笑，這已經(jīng)是世界先進(jìn)水平了?！蹦炒涡袠I(yè)峰會(huì)上，一位清華大學(xué)的院士科學(xué)家，講出了AI大模型訓(xùn)練的“大實(shí)話(huà)”。

風(fēng)靡全球的AI大模型，是今年毋庸置疑的風(fēng)口，數(shù)量不斷增長(zhǎng)，達(dá)到了驚人的水平?！鞍亵礌?zhēng)流”之下，大家卻經(jīng)常會(huì)忽略一個(gè)關(guān)鍵問(wèn)題：AI大模型帶來(lái)的數(shù)據(jù)激流，也比想象中更加洶涌。

“三小時(shí)出錯(cuò)一次”，聽(tīng)起來(lái)不可思議的故障率，卻是大模型從業(yè)者要面對(duì)的常態(tài)，甚至是“優(yōu)等生”。目前業(yè)界的普遍做法，是寫(xiě)容錯(cuò)檢查點(diǎn)checkpoint。既然三小時(shí)就報(bào)錯(cuò)，那就2.5小時(shí)停一次，寫(xiě)好檢查點(diǎn)，把數(shù)據(jù)存起來(lái)，再開(kāi)始訓(xùn)練。一旦出現(xiàn)故障，可以從寫(xiě)好的檢查點(diǎn)恢復(fù)，避免“從頭開(kāi)始”、全部白干。而檢查點(diǎn)需要存儲(chǔ)的數(shù)據(jù)多，會(huì)耗費(fèi)大量的時(shí)間。該院士團(tuán)隊(duì)基于llama 2架構(gòu)研發(fā)的大模型，數(shù)據(jù)存一次硬件，就需要十個(gè)小時(shí)，存儲(chǔ)效率直接影響了開(kāi)發(fā)進(jìn)度。

如果說(shuō)大規(guī)模的異構(gòu)數(shù)據(jù)，是肆意奔涌的激流，存儲(chǔ)系統(tǒng)就是承載著數(shù)據(jù)流量的河道，其寬闊堅(jiān)固程度直接決定了數(shù)據(jù)是否會(huì)淤塞甚至停滯，從而卡住AI大模型的生命線(xiàn)?？梢哉f(shuō)，整個(gè)大模型行業(yè)的生產(chǎn)力和效率，都被存儲(chǔ)規(guī)定了“上限”。

這也是為什么，存儲(chǔ)作為AI數(shù)據(jù)基礎(chǔ)設(shè)施，受到越來(lái)越多關(guān)注。

11月29日，“數(shù)智創(chuàng)新 AI未來(lái)”2023中國(guó)數(shù)據(jù)與存儲(chǔ)峰會(huì)在北京舉辦。曙光存儲(chǔ)發(fā)布了面向AI大模型的存儲(chǔ)解決方案。

借此機(jī)會(huì)，我們一起了解一下，AI大模型浪潮來(lái)襲，給存儲(chǔ)帶來(lái)的承載挑戰(zhàn)，以及曙光存儲(chǔ)是如何為智能產(chǎn)業(yè)引航，助推AI大模型百舸揚(yáng)帆。

AI大模型駛?cè)氘a(chǎn)業(yè)深水區(qū)，傳統(tǒng)存儲(chǔ)的數(shù)據(jù)之殤

最近我去了一趟云南，發(fā)現(xiàn)不僅北上廣等科技重地的大模型建設(shè)如火如荼，在昆明、大理等二三線(xiàn)城市，甚至邊疆地區(qū)，都在積極地探索大模型行業(yè)應(yīng)用。

各行各業(yè)走向智能化，幾乎都點(diǎn)燃了對(duì)大模型的熾熱興趣。這時(shí)候，一個(gè)關(guān)鍵問(wèn)題也顯露了出來(lái)：AI大模型的產(chǎn)業(yè)化風(fēng)潮，需要升級(jí)存儲(chǔ)基礎(chǔ)設(shè)施。

模型開(kāi)發(fā)者的每一次訓(xùn)練，數(shù)據(jù)都在向存儲(chǔ)系統(tǒng)發(fā)起多種挑戰(zhàn)：

1. 數(shù)據(jù)洪潮的沖擊。隨著大模型的產(chǎn)業(yè)落地，許多行業(yè)都開(kāi)始訓(xùn)練專(zhuān)屬模型，大量行業(yè)數(shù)據(jù)、專(zhuān)有數(shù)據(jù)、新的標(biāo)注數(shù)據(jù)被輸送給大模型，澎湃的數(shù)據(jù)數(shù)量對(duì)存儲(chǔ)系統(tǒng)提出了挑戰(zhàn)。云南某數(shù)據(jù)科技公司提到，行業(yè)大模型要用高質(zhì)量的數(shù)據(jù)集、文檔、客戶(hù)私有數(shù)據(jù)進(jìn)行訓(xùn)練，每個(gè)項(xiàng)目都是單獨(dú)成立標(biāo)注組，數(shù)據(jù)規(guī)模持續(xù)增大，存儲(chǔ)訴求和成本也隨之增加。

2.數(shù)據(jù)淤塞的桎梏。超大規(guī)模數(shù)據(jù)預(yù)處理的速度慢、耗時(shí)長(zhǎng)，采集、歸類(lèi)、搬遷等過(guò)程費(fèi)時(shí)費(fèi)力，一旦存儲(chǔ)性能跟不上，海量文件吞吐慢、多讀少寫(xiě)，檢查點(diǎn)Checkpoint等待耗時(shí)久，會(huì)延緩開(kāi)發(fā)進(jìn)度，增加開(kāi)發(fā)成本。

3.數(shù)據(jù)復(fù)雜的暗涌。此外，AI大模型要用到大量異構(gòu)數(shù)據(jù)，文件格式復(fù)雜、數(shù)據(jù)集類(lèi)型多樣，數(shù)據(jù)數(shù)量激增，傳統(tǒng)存儲(chǔ)難以應(yīng)對(duì)數(shù)據(jù)復(fù)雜性的挑戰(zhàn)，容易產(chǎn)生消化不良的問(wèn)題，造成數(shù)據(jù)訪(fǎng)問(wèn)效率低，從而造成模型運(yùn)行效率下降，訓(xùn)練算力消耗增多，無(wú)法充分“壓榨”昂貴的GPU算力資源。比如云南當(dāng)?shù)氐奶?yáng)觀測(cè)站，通過(guò)讓AI科學(xué)計(jì)算模型學(xué)習(xí)海量圖片，呈現(xiàn)太陽(yáng)真實(shí)的樣子，每天產(chǎn)生2TB的圖片數(shù)據(jù)，當(dāng)前存儲(chǔ)的吞吐效率低，會(huì)導(dǎo)致訓(xùn)練集加載慢、數(shù)據(jù)處理周期長(zhǎng)，拖慢研究進(jìn)程。

4. 數(shù)據(jù)安全的隱憂(yōu)。目前，AI大模型已經(jīng)深度滲透各行業(yè)之中，在訓(xùn)練開(kāi)發(fā)及應(yīng)用落地過(guò)程中需要海量的數(shù)據(jù)支撐，其中包含行業(yè)或個(gè)人敏感信息的數(shù)據(jù)，如果沒(méi)有合理的數(shù)據(jù)脫敏和數(shù)據(jù)托管機(jī)制，則可能造成數(shù)據(jù)泄露，給行業(yè)和個(gè)人造成損失。同時(shí)，模型安全風(fēng)險(xiǎn)也需重視，比如，插件可能被植入有害內(nèi)容，成為不法分子欺詐和“投毒”的工具，危及社會(huì)和產(chǎn)業(yè)安全。

AI大模型駛向產(chǎn)業(yè)深水區(qū)，欣喜的是，這一技術(shù)創(chuàng)新正在高度融入千行萬(wàn)業(yè)，滿(mǎn)足智能化需求，生命力旺盛。擔(dān)憂(yōu)的是，數(shù)據(jù)工程貫穿大模型的全生命周期，從收集、清理、訓(xùn)練、推理部署、反饋調(diào)優(yōu)等各個(gè)階段，都需要用到大量數(shù)據(jù)。存儲(chǔ)成為瓶頸，意味著AI大模型的各個(gè)階段都需要消耗在大量的數(shù)據(jù)淤塞、故障、低效之中，這會(huì)讓大模型的開(kāi)發(fā)周期與綜合成本極高，是產(chǎn)業(yè)所無(wú)法承受的。

疏浚存儲(chǔ)“河道”，避免數(shù)據(jù)淤塞，為大模型的產(chǎn)業(yè)揚(yáng)帆提供支持和滋養(yǎng)，曙光存儲(chǔ)帶來(lái)的新解決方案，讓我們發(fā)現(xiàn)了有價(jià)值的參考案例。

高質(zhì)數(shù)據(jù)“航道”，曙光存儲(chǔ)給大模型行業(yè)一個(gè)答案

經(jīng)過(guò)與AI大模型開(kāi)發(fā)者的交流，我得出了一個(gè)清晰的結(jié)論：構(gòu)建一個(gè)適配AI大模型的全新存儲(chǔ)體系，已經(jīng)不再是需要討論的問(wèn)題，關(guān)鍵是誰(shuí)能率先完成方案升級(jí)、給出實(shí)用解法。

洞察行業(yè)的存力需求，曙光存儲(chǔ)打造了以ParaStor大模型專(zhuān)用存儲(chǔ)為底座的AI大模型存儲(chǔ)解決方案，寫(xiě)下了自己的答案。

曙光存儲(chǔ)AI大模型存儲(chǔ)集群，擁有異構(gòu)融合、極致性能與原生安全三大領(lǐng)先能力。

首先，可提供千億級(jí)文件存儲(chǔ)服務(wù)，接近無(wú)限擴(kuò)展規(guī)模。針對(duì)數(shù)據(jù)訪(fǎng)問(wèn)協(xié)議多樣性問(wèn)題，同時(shí)支持文件、對(duì)象等多種存儲(chǔ)協(xié)議，避免數(shù)據(jù)跨存儲(chǔ)系統(tǒng)復(fù)制。

其次，針對(duì)AI大模型開(kāi)發(fā)過(guò)程中對(duì)數(shù)據(jù)處理效率的高需求，曙光存儲(chǔ)AI大模型存儲(chǔ)集群可提供多級(jí)緩存加速、XDS數(shù)據(jù)加速及智能高速選路等多種數(shù)據(jù)IO性能優(yōu)化能力。

最后，為保障全流程數(shù)據(jù)安全，曙光存儲(chǔ)節(jié)點(diǎn)還提供芯片級(jí)安全能力，并支持國(guó)密指令集，通過(guò)多級(jí)可靠性，保障存儲(chǔ)集群在訓(xùn)練開(kāi)發(fā)全周期內(nèi)穩(wěn)定運(yùn)行，符合政策和未來(lái)安全趨勢(shì)。

有人可能會(huì)問(wèn)了，市面上的存儲(chǔ)方案這么多，有的也宣傳為模型開(kāi)發(fā)提供專(zhuān)業(yè)支持。曙光存儲(chǔ)的方案有哪些差異化價(jià)值？

如果對(duì)各家的技術(shù)名詞和產(chǎn)品細(xì)節(jié)云里霧里，大家不妨用幾個(gè)詞，記住曙光存儲(chǔ)AI大模型存儲(chǔ)集群的差異化價(jià)值：

1.先進(jìn)。異構(gòu)融合，極致性能，芯片級(jí)原生安全，展現(xiàn)了曙光存儲(chǔ)的技術(shù)先進(jìn)性，也針對(duì)性地解決了大模型開(kāi)發(fā)的數(shù)據(jù)量大、數(shù)據(jù)形態(tài)復(fù)雜多樣、吞吐效率低、存算時(shí)間長(zhǎng)等實(shí)實(shí)在在的痛點(diǎn)。

2.可靠。高性能AI數(shù)據(jù)基礎(chǔ)設(shè)施基于曙光存儲(chǔ)的自研創(chuàng)新，更加可靠安全，符合信創(chuàng)政策和未來(lái)安全趨勢(shì)，可以幫助國(guó)內(nèi)大模型服務(wù)商規(guī)避海外供應(yīng)鏈風(fēng)險(xiǎn)，從供應(yīng)鏈安全、數(shù)據(jù)安全、模型安全等多個(gè)角度，為大模型產(chǎn)業(yè)的發(fā)展護(hù)航。

3.全面。曙光存儲(chǔ)打造了涵蓋從網(wǎng)絡(luò)、計(jì)算到平臺(tái)的全維度AI解決方案，支持訓(xùn)練開(kāi)發(fā)全周期內(nèi)穩(wěn)定運(yùn)行，可以降低綜合成本，讓大模型開(kāi)發(fā)者和行業(yè)客戶(hù)無(wú)憂(yōu)前行。

總結(jié)一下，在曙光存儲(chǔ)構(gòu)建的高質(zhì)“航道”上，大規(guī)模數(shù)據(jù)高效吞吐，AI大模型加速開(kāi)發(fā)，因此，行業(yè)和企業(yè)可以快人一步，將大模型與垂直場(chǎng)景和業(yè)務(wù)深度融合，率先獲得通往智能時(shí)代的船票。

第五范式的新起點(diǎn)，看百舸爭(zhēng)流、萬(wàn)業(yè)揚(yáng)帆

圖靈獎(jiǎng)獲得者吉姆·格雷（Jim Gray），曾提出第四范式，核心是數(shù)據(jù)驅(qū)動(dòng)。而隨著大語(yǔ)言模型“智能涌現(xiàn)”，“智能驅(qū)動(dòng)”的第五范式，更側(cè)重于數(shù)據(jù)和智能的有機(jī)結(jié)合，成為支撐科學(xué)革命、產(chǎn)業(yè)革命的新底層邏輯。

所有過(guò)往，皆是序章。AI如此，存儲(chǔ)亦如此。

此次大會(huì)上，憑借20年行業(yè)深耕，與在AI存儲(chǔ)技術(shù)突破、液冷存儲(chǔ)研發(fā)等領(lǐng)域的領(lǐng)先實(shí)踐，曙光存儲(chǔ)公司總裁惠潤(rùn)海獲評(píng)“存儲(chǔ)先鋒”。在其領(lǐng)導(dǎo)下，多年來(lái)曙光分布式文件存儲(chǔ)在市場(chǎng)中持續(xù)領(lǐng)跑，市場(chǎng)份額名列前茅。面向AI大模型的數(shù)據(jù)存儲(chǔ)解決方案，讓曙光存儲(chǔ)又一次站到了時(shí)代前沿。

曙光存儲(chǔ)的AI大模型存儲(chǔ)集群，正是積極踐行范式轉(zhuǎn)換，對(duì)應(yīng)數(shù)據(jù)新范式，用數(shù)據(jù)基礎(chǔ)設(shè)施的飛躍，助推大模型產(chǎn)業(yè)化的漲潮。

接下來(lái)，在存儲(chǔ)行業(yè)的新范式、新起點(diǎn)，在曙光存儲(chǔ)的高質(zhì)數(shù)據(jù)“河道”上，我們會(huì)看到，行業(yè)大模型百舸爭(zhēng)流，AI應(yīng)用千帆競(jìng)渡，加速駛向智能中國(guó)。