摘要：在大模型技术蓬勃发展的浪潮中，存储系统作为支撑其高效运行的关键基石，正经历着前所未有的变革。这一变革不仅体现在技术层面的迭代升级，更在于市场格局的深刻重塑。

【ITBEAR】在大模型技术蓬勃发展的浪潮中，存储系统作为支撑其高效运行的关键基石，正经历着前所未有的变革。这一变革不仅体现在技术层面的迭代升级，更在于市场格局的深刻重塑。

存储，这一在AI产业中常常被忽视却至关重要的环节，正逐步从大模型的幕后走向台前。它不仅需要承载海量多模态数据的存储与管理，还要确保数据的安全可靠，同时支持快速数据读取、并行计算、实时数据获取以及缓存优化，以提升训练与推理效率。随着大模型产业的飞速发展，存储系统的要求也水涨船高，传统存储方案已难以满足当前的需求。

近日，全球权威AI基准测评组织MLCommons公布的MLPerf v1.0存储性能基准测试结果，揭示了存储领域的新格局。国内存储厂商焱融科技凭借其全闪存储产品F9000X，在带宽、模拟GPU数量以及GPU利用率等关键性能指标上，取得了多项世界第一，标志着国内AI存储技术的重大突破。

焱融科技CTO张文涛表示，大模型的发展对存储系统在性能、稳定性和成本方面提出了更高要求。为满足这些需求，焱融科技不断进行产品研发和优化，最终推出了全闪F9000X这一里程碑式产品。该产品搭载了自研的高性能分布式并行文件存储YRCloudFile，实测显示，3节点存储集群的性能可达到750万IOPS和270GBps带宽，轻松应对大规模训练及高算力场景的挑战。

MLPerf Storage的测试结果不仅验证了焱融科技产品的卓越性能，更揭示了存储系统在大模型训练与推理中的重要性。在测试中，焱融科技是唯一一家参与了全部模型测试的国内存储厂商，包括3D-Unet、CosmoFlow和ResNet 50等。测试规则要求存储系统支持大规模分布式训练集群场景，多个客户端模拟真实数据并行的方式并发访问存储集群，以评估存储系统在支持机器学习工作负载方面的性能。

测试结果显示，在分布式训练集群场景下，焱融存储在所有三个模型的测试中，能够支撑的每个计算节点平均ACC数量和存储带宽性能均排名第一。这意味着焱融存储能够高效利用GPU资源，提升模型训练效率，同时降低成本。张文涛指出，高效的算力利用率和成本效益是存储系统在大模型场景中的两大关键点。

焱融科技的成功并非偶然。自成立以来，公司始终专注于文件存储领域，是SDS赛道中唯一一家专注于此的企业。在私有云崛起、开源云计算管理平台OpenStack爆火、开源容器编排引擎Kubernetes刚面世的背景下，焱融科技敏锐地洞察到了文件存储在未来AI和高性能计算场景中的潜力。

随着AI技术的不断发展，文件存储的优势逐渐凸显。与块存储和对象存储相比，文件存储在处理海量文件、高并发访问、频繁的元数据操作等AI工作负载时表现出独特的优势。焱融科技凭借对技术路线的深刻洞察和坚持不懈的追求，成功将文件存储与大模型等高性能计算场景的需求相结合，推出了多款备受市场认可的存储产品。

自2018年起，焱融科技开始大量上线大规模集群，成功服务了包括智谱AI、智源研究院、中国移动、海尔、美的在内的众多行业领军企业。2021年，公司进一步入局自动驾驶行业，与多家知名的自动驾驶技术公司达成合作。这些成功案例不仅验证了焱融科技产品的卓越性能，更彰显了其在AI存储领域的领先地位。

如今，焱融科技已成为大模型时代存储领域的佼佼者。其全闪F9000X产品不仅在国内市场取得了显著成绩，更在国际舞台上展现了中国AI存储技术的实力。未来，随着大模型技术的不断发展和应用场景的不断拓展，焱融科技将继续深耕AI存储领域，为更多企业提供高效、稳定、低成本的存储解决方案。

来源：ITBear科技资讯