AI大模型已超出人類想象的速度，將我們帶入智能世界。算力、算法、數(shù)據(jù)構(gòu)成了AI的三要素。算力、算法是AI大模型時代的工具，數(shù)據(jù)的規(guī)模和質(zhì)量才真正決定了AI智能的高度。數(shù)據(jù)存儲將信息變?yōu)檎Z料庫、知識庫，正在和計算一起成為最重要的AI大模型基礎(chǔ)設(shè)施。

本文來自“《邁向智能世界白皮書2023版（合集）》”。高可靠、高性能、共享的數(shù)據(jù)存儲，成為以O(shè)racle為代表的數(shù)據(jù)庫的最佳數(shù)據(jù)基礎(chǔ)設(shè)施。面向未來，對企業(yè)數(shù)據(jù)存儲進行了如下展望：

AI大模型將AI帶入新的發(fā)展階段。AI大模型需要更高效的海量原始數(shù)據(jù)收集和預(yù)處理，更高性能的訓(xùn)練數(shù)據(jù)加載和模型數(shù)據(jù)保存，以及更加及時和精準(zhǔn)的行業(yè)推理知識庫。以近存計算、向量存儲為代表的AI數(shù)據(jù)新范式正在蓬勃發(fā)展。

大數(shù)據(jù)應(yīng)用經(jīng)歷了歷史信息統(tǒng)計、未來趨勢預(yù)測階段，正在進入輔助實時精準(zhǔn)決策、智能決策階段。以近存計算為代表的數(shù)據(jù)新范式，將大幅提升湖倉一體大數(shù)據(jù)平臺的分析效率。

以開源為基礎(chǔ)的分布式數(shù)據(jù)庫，正在承擔(dān)越來越關(guān)鍵的企業(yè)應(yīng)用，新的分布式數(shù)據(jù)庫+共享存儲的高性能、高可靠架構(gòu)正在形成。

多云成為企業(yè)數(shù)據(jù)中心新常態(tài)，企業(yè)自建數(shù)據(jù)中心和公有云形成有效互補。云計算的建設(shè)模式從封閉全棧走向開放解耦，從而實現(xiàn)應(yīng)用多云部署、數(shù)據(jù)/資源集中共享。

AI大模型應(yīng)用聚集海量企業(yè)私域數(shù)據(jù)，數(shù)據(jù)安全風(fēng)險劇增。構(gòu)建包括存儲內(nèi)生安全在內(nèi)的完整數(shù)據(jù)安全體系，迫在眉睫。

AI大模型推動數(shù)據(jù)中心的計算、存儲架構(gòu)從以CPU為中心走向以數(shù)據(jù)為中心，新的系統(tǒng)架構(gòu)、生態(tài)正在重新構(gòu)建。

AI技術(shù)正在越來越多地融入在數(shù)據(jù)存儲產(chǎn)品及其管理，從而大幅改善數(shù)據(jù)基礎(chǔ)設(shè)施的SLA水平。

1、AI大模型

AI的發(fā)展遠超過預(yù)期，2022年末，當(dāng)OpenAI發(fā)布ChatGPT時，沒有人能想到，AI大模型接下來將為人類社會帶來歷史性變革。

簡單來說，AI大模型時代的到來，存儲作為數(shù)據(jù)的關(guān)鍵載體，需要在三個方面演進，即海量非結(jié)構(gòu)化數(shù)據(jù)的治理、10倍的性能提升、存儲內(nèi)生安全。在滿足EB級海量擴展性的基礎(chǔ)之上，需要滿足百GBps級的帶寬和千萬級IOPS，實現(xiàn)10倍以上的性能提升。

企業(yè)在使用AI大模型、HPC、大數(shù)據(jù)時均需要豐富的原始數(shù)據(jù)，它們的來源是相同的，均是企業(yè)所積累的生產(chǎn)交易數(shù)據(jù)、科研實驗數(shù)據(jù)和用戶行為數(shù)據(jù)。因此，大模型采用和HPC、大數(shù)據(jù)同源的建設(shè)模式是最經(jīng)濟高效的，實現(xiàn)一份數(shù)據(jù)在不同環(huán)境中協(xié)同工作。

全閃存存儲將帶來性能大幅提升，加快AI大模型開發(fā)落地的速度；以數(shù)據(jù)為中心的架構(gòu)可以帶來硬件資源的解耦與互聯(lián)，加速數(shù)據(jù)的按需流動；數(shù)據(jù)編織、向量存儲與近存計算等新興數(shù)據(jù)處理技術(shù)，將最大程度降低企業(yè)整合數(shù)據(jù)、使用數(shù)據(jù)的門檻，滿足資源的高效利用，降低行業(yè)接入AI大模型的難度；存儲內(nèi)生安全體系將保護企業(yè)核心私密數(shù)據(jù)資產(chǎn)，讓企業(yè)更加放心地使用AI大模型。

2、大數(shù)據(jù)

大數(shù)據(jù)應(yīng)用的發(fā)展可以描述為傳統(tǒng)數(shù)據(jù)應(yīng)用、預(yù)測分析和主動決策三個階段。

傳統(tǒng)數(shù)據(jù)倉庫時代：企業(yè)通過數(shù)據(jù)倉庫構(gòu)建面向主題的、可隨時間變化的數(shù)據(jù)集合，從而實現(xiàn)對歷史數(shù)據(jù)進行準(zhǔn)確的描述和統(tǒng)計，為分析決策服務(wù)，但僅能處理TB級結(jié)構(gòu)化數(shù)據(jù)。

傳統(tǒng)數(shù)據(jù)湖時代：企業(yè)使用Hadoop技術(shù)構(gòu)建數(shù)據(jù)湖，處理結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù)，實現(xiàn)基于歷史數(shù)據(jù)預(yù)測未來的發(fā)展趨勢。這個階段形成了數(shù)據(jù)湖和數(shù)據(jù)倉庫并存的“煙囪”架構(gòu)，數(shù)據(jù)需要在數(shù)據(jù)湖和數(shù)據(jù)倉庫之間流轉(zhuǎn)，因而無法實現(xiàn)實時決策、主動決策。

湖倉一體時代：企業(yè)開始嘗試從IT堆棧優(yōu)化上尋找實時決策、主動決策解決方案，將大數(shù)據(jù)平臺快速推向湖倉一體的新架構(gòu)。其核心舉措是與存儲廠商聯(lián)合創(chuàng)新，將大數(shù)據(jù)IT堆棧存算解耦，以數(shù)據(jù)湖存儲實現(xiàn)數(shù)據(jù)湖和數(shù)據(jù)倉庫共享同一份數(shù)據(jù)，無需在數(shù)據(jù)湖和數(shù)據(jù)倉庫間進行數(shù)據(jù)流轉(zhuǎn)，從而實現(xiàn)實時、主動決策。

3、分布式數(shù)據(jù)庫

開源數(shù)據(jù)庫MySQL和PostgreSQL占據(jù)全球數(shù)據(jù)庫市場格局TOP2。開源數(shù)據(jù)庫正在重構(gòu)企業(yè)核心系統(tǒng)。同時為確保業(yè)務(wù)平穩(wěn)運行，分布式數(shù)據(jù)庫存算分離架構(gòu)正在成為事實標(biāo)準(zhǔn)。

目前，全球主要銀行均已通過存算分離架構(gòu)分布式數(shù)據(jù)庫建設(shè)新核心系統(tǒng)，亞馬遜Aurora、阿里PolarDB、華為GaussDB、騰訊TDSQL等主要新型數(shù)據(jù)庫廠商均已將其架構(gòu)轉(zhuǎn)向存算分離，存算分離架構(gòu)已經(jīng)成為分布式數(shù)據(jù)庫建設(shè)的事實標(biāo)準(zhǔn)。

4、云原生

企業(yè)云計算基礎(chǔ)設(shè)施已經(jīng)從單云走向多云。不論哪一朵云都無法同時滿足企業(yè)所有對應(yīng)用與成本的訴求。因此，89%的企業(yè)選擇建設(shè)多個公有云和私有云并存的多云IT架構(gòu)。

目前基礎(chǔ)設(shè)施面向多云打造的關(guān)鍵能力大致可分為兩類。第一類是使能數(shù)據(jù)跨云流動，如華為和NetApp存儲支持?jǐn)?shù)據(jù)跨云分級、跨云備份能力，使數(shù)據(jù)始終使用性價比最高的存儲服務(wù)；另一類是數(shù)據(jù)跨云管理，讓用戶通過全局?jǐn)?shù)據(jù)視圖把握數(shù)據(jù)總體情況，并將數(shù)據(jù)調(diào)度到產(chǎn)生價值最大的應(yīng)用中。

企業(yè)采用開放解耦架構(gòu)建設(shè)，讓硬件資源可被多個云共享，數(shù)據(jù)可在多個云間按需流動，方可真正發(fā)揮多云架構(gòu)優(yōu)勢。

從硬件、平臺到應(yīng)用，最優(yōu)的服務(wù)往往來自不同供應(yīng)商，因此通過開放解耦的建設(shè)方式企業(yè)能搭建最優(yōu)的IT堆棧。以AI為例。當(dāng)前市面上最為火熱的AI大模型供應(yīng)商，如openAI、Meta等，其硬件基礎(chǔ)設(shè)施能力遠不如NVIDIA、DDN、華為等IT巨頭。沒有任何一個廠商能夠提供端到端的最優(yōu)AI訓(xùn)練/推理方案，因此企業(yè)在搭建自己的AI訓(xùn)練/推理集群時，會選擇開放解耦的架構(gòu)，選擇最優(yōu)的硬件和訓(xùn)練/推理模型。

5、非結(jié)構(gòu)化數(shù)據(jù)

隨著5G、云計算、大數(shù)據(jù)、AI、高性能數(shù)據(jù)分析（HPDA）等新技術(shù)、新應(yīng)用的蓬勃發(fā)展，企業(yè)非結(jié)構(gòu)化數(shù)據(jù)快速增長，如視頻，語音，圖片，文件等，容量正在從PB到EB級跨越。例如，一臺基因測序儀每年產(chǎn)生數(shù)據(jù)達到8.5PB，某運營商集團每天平均處理數(shù)據(jù)量達到15PB，一顆遙感衛(wèi)星每年采集數(shù)據(jù)量可以達到18PB，一輛自動駕駛訓(xùn)練車每年產(chǎn)生訓(xùn)練數(shù)據(jù)達到180PB。

首先需要讓數(shù)據(jù)“存得下”：以最低的成本、最小的機房空間、最低的功耗存下更多的數(shù)據(jù)。

其次要讓數(shù)據(jù)在都要“流得動”：數(shù)據(jù)中心間和數(shù)據(jù)中心內(nèi)的數(shù)據(jù)需要根據(jù)策略按需高效流動。

最后還需要讓數(shù)據(jù)“用得好”：企業(yè)的視頻、音頻、圖片、文本等多種混合負載應(yīng)用都能滿足要求。

6、存儲內(nèi)生安全

數(shù)據(jù)作為AI的根基，其重要性進一步凸顯，數(shù)據(jù)的安全就是企業(yè)核心資產(chǎn)的安全。據(jù)splunk公司發(fā)布的《2023年安全現(xiàn)狀報告》顯示，超過52%的組織遭受了惡意攻擊導(dǎo)致數(shù)據(jù)泄露，66%的機構(gòu)遭受勒索軟件攻擊，數(shù)據(jù)安全的重要性正在不斷上升。

數(shù)據(jù)在產(chǎn)生、采集、傳輸、使用、銷毀的全生命周期處理過程中始終離不開存儲設(shè)備。存儲作為數(shù)據(jù)的最終載體，數(shù)據(jù)的“保險箱”，擁有近數(shù)據(jù)的保護能力，近介質(zhì)的控制能力，在數(shù)據(jù)安全防護、數(shù)據(jù)備份與恢復(fù)、數(shù)據(jù)安全銷毀等領(lǐng)域有不可替代的作用。

存儲內(nèi)生安全體系通過先天的架構(gòu)與設(shè)計，不斷增強存儲的安全能力，包含兩個方面：存儲設(shè)備自身的安全能力、存儲的數(shù)據(jù)安全防護能力。

7、全場景閃存

根據(jù)市場統(tǒng)計到2022年，SSD的市場份額和出貨數(shù)量已經(jīng)是機械盤的2倍以上，占比超過了65%。我們有理由相信企業(yè)正在迎來全面閃存化的時代。

企業(yè)級?SSD?的核心組成部分——NAND顆粒，很大程度上決定其成本。而3D NAND堆疊層數(shù)升級與QLC顆粒的應(yīng)用，推動全閃存物料成本不斷降低。目前，主流顆粒廠商量產(chǎn)的3DNAND顆粒堆疊層數(shù)已經(jīng)達到176L，并紛紛給出200層以上設(shè)計路標(biāo)，比2018年提升接近2倍。除了堆疊層數(shù)，在顆粒類型方面，TLC顆粒已經(jīng)成為企業(yè)級SSD主流選擇，QLC SSD也已登上舞臺。

更多SSD內(nèi)容，參考“2023年計算機SSD固態(tài)硬盤詞條報告”，“企業(yè)級SSD技術(shù)和行業(yè)發(fā)展（匯總）?”、“《中國企業(yè)級SSD行業(yè)技術(shù)合集》”、“《SSD技術(shù)白皮書系列》”和“《SSD介質(zhì)技術(shù)》”。

8、以數(shù)據(jù)為中心的架構(gòu)

近年來，AI和實時大數(shù)據(jù)分析應(yīng)用蓬勃發(fā)展，以CPU為主的算力向CPU+GPU+NPU+DPU的多樣化算力發(fā)展。

未來，隨著AI、大數(shù)據(jù)等應(yīng)用更高的性能時延要求、CPU性能增速放緩，在服務(wù)器架構(gòu)演進為Composable架構(gòu)的同時，存儲架構(gòu)也將演進為以數(shù)據(jù)為中心的Composable架構(gòu)，從而大幅提升存儲系統(tǒng)的性能。存儲系統(tǒng)的多樣化處理器（CPU、DPU）、內(nèi)存池、閃存池、容量盤池，將通過新型數(shù)據(jù)總線互聯(lián)，從而實現(xiàn)數(shù)據(jù)進入存儲系統(tǒng)之后可以直接存放至內(nèi)存或閃存，避免CPU成為數(shù)據(jù)訪問的瓶頸。

9、AI賦能存儲

基于傳統(tǒng)AI實現(xiàn)性能、容量、備件故障等趨勢提前預(yù)測，降低異常發(fā)生概率；在復(fù)雜的異常處理場景，存儲管理系統(tǒng)可基于AI大模型快速強化交互邏輯，輔助人工快速定位問題，從而大幅縮短故障處理周期。

10、存儲綠色節(jié)能

在“碳達峰、碳中和”大背景下，綠色低碳成為數(shù)據(jù)中心的重要發(fā)展方向。存儲能耗在數(shù)據(jù)中心占比超過30%。因此，除了降低PUE之外，降低以存儲為代表的IT設(shè)備能耗，對于促進數(shù)據(jù)中心零碳排至關(guān)重要。

通過多協(xié)議融合和孤島融合，實現(xiàn)多合一，提升資源利用率。一套存儲可支持文件、對象、HDFS等多種協(xié)議，滿足多樣化需求，整合多種類型存儲；同時通過融合資源池，實現(xiàn)資源池化，從而提升利用率。

存儲有83%的能耗來自于存儲介質(zhì)，在相同容量下，SSD相比機械硬盤的能耗降低70%，空間占用節(jié)省50%。通過大容量SSD和高密硬盤框，提升存儲容量功耗占比，減少相同數(shù)據(jù)量附帶產(chǎn)生的數(shù)據(jù)處理和存儲能耗，進而推動存儲單位容量能耗降低，用更小的空間存儲更大的容量。

編輯：黃飛

?