從AI服務(wù)器到AI PC，如何快速的用上DeepSeek成為熱門(mén)問(wèn)題。無(wú)論DeepSeek Janus-Pro把多模態(tài)提升到了一個(gè)新層次，還是媲美主流的DeepSeek-V3，或者應用于本地的DeepSeek-V3，對存儲都提出了新的需求。以完整未蒸餾的DeepSeek R1模型為例，這是一個(gè)擁有6710億參數的混合專(zhuān)家（MoE）模型，未量化版本的文件體積高達720GB，而動(dòng)態(tài)量化版本也達到150GB到400GB之間。
DeepSeek讓GPU算力一下子得到了空前的釋放，允許廠(chǎng)商將更多的資源集中到其它關(guān)鍵硬件中，比如更強大的并行能力，以及更優(yōu)秀的存儲方案。很顯然，常規的存儲方案已經(jīng)不能很好的解決效率和存儲的問(wèn)題，在企業(yè)級和數據中心級SSD為AI提供存儲支持時(shí)，以QLC和CXL為例的新技術(shù)也正在協(xié)助AI以更低成本和更高的效率運行。
QLC與CXL：為AI鋪路
由于DeepSeek不僅降低了計算成本，多模態(tài)處理能力、說(shuō)是知識圖譜和推理能力的優(yōu)秀表現，使得廠(chǎng)商擁有足夠的資源調用更多的數據。這使得原本大量的冷數據變成了溫數據。溫數據對存儲有著(zhù)更高的要求，需要相對HDD更快的傳輸速率，并且存儲數據可能每年以EB級增長(cháng)。這導致SSD的需求往大容量和低成本的方向發(fā)展。
其中QLC能夠更好的在單位空間內提升存儲容量，第八代BiCS FLASH? 2Tb QLC的位密度比鎧俠目前所采用的第五代BiCS FLASH?的QLC產(chǎn)品提高了約2.3倍，寫(xiě)入能效比提高了約70%。不僅如此，全新的QLC產(chǎn)品架構可在單個(gè)存儲器封裝中堆疊16個(gè)芯片，為業(yè)界提供領(lǐng)先的4TB容量，并采用更為緊湊的封裝設計，尺寸僅為11.5 x 13.5 mm，高度為1.5 mm。
這意味著(zhù)，未來(lái)采用第八代BiCS FLASH QLC的存儲產(chǎn)品在存儲空間擁有質(zhì)的飛躍，可以輕松將企業(yè)級SSD和數據中心級SSD容量提升至120TB以上。
密集的DeepSeek計算也意味著(zhù)對內存有著(zhù)海量的要求，但動(dòng)輒數百GB的訓練模型全部存儲在內存中也意味著(zhù)高昂的成本，如何利用BiCS FLASH?降低成本也是未來(lái)的思考方向。例如利用相變存儲原理，基于BiCS FLASH?結構打造的XL-FLASH存儲級內存（Storage Class Memory, SCM）與CXL相結合，開(kāi)發(fā)相較內存功耗更低、位密度更高，相較閃存讀取速度更快的存儲器。這不僅會(huì )提高存儲器利用效率，還有助于節能。
CXL技術(shù)本身通常也意味著(zhù)更先進(jìn)的PCIe版本支持，鎧俠則是積極響應PCIe升級的存儲制造商之一。例如，鎧俠率先推出支持PCIe? 5.0的企業(yè)級固態(tài)硬盤(pán)CM7系列。PCIe? 5.0 SSD與傳統存儲設備（如PCIe? 4.0 SSD）的對比測試，結果顯示， CM7系列SSD在多個(gè)GPU并行訪(fǎng)問(wèn)時(shí)，能夠提供91%的I/O吞吐量提升，此外，它的讀取延遲比傳統SSD低57%。同時(shí)，PCIe? 5.0 SSD能機器學(xué)習訓練時(shí)間能夠得到顯著(zhù)減少。以16個(gè)GPU并行處理為例，使用PCIe? 5.0 SSD可以減少32到44天的訓練時(shí)間。
特別是在PCIe? 5.0與NVMe?規范下實(shí)現可靠的RAID兼容性和互操作性能。特別是生成式AI與檢索增強生成 (RAG) 系統的重要性更勝以往，關(guān)系數據庫PostgreSQL和向量數據庫需求變得格外重要。例如通過(guò)Xinnor的RAID 解決方案的兼容性和互操作性測試，與采用相同硬件配置的軟件 RAID 解決方案相比，在數據降級模式下執行PostgreSQL，效能更提升達25倍。
搶先布局
任何前沿技術(shù)不可能一蹴而就，AI技術(shù)的積累更是如此。流暢體驗的AI服務(wù)對數據傳輸速度有著(zhù)很高的要求。在多年前，鎧俠已經(jīng)開(kāi)始對AI展開(kāi)布局，并致力于為人工智能的發(fā)展提供高性能的存儲解決方案。
為了推動(dòng)檢索增強生成（RAG）擴展獲得更好的性能支持，并進(jìn)一步降低成本。鎧俠在近期宣布開(kāi)源AiSAQ?技術(shù)，這是一項專(zhuān)為SSD優(yōu)化的新型“近似最近鄰”搜索（ANNS）算法，跳過(guò)將索引數據載入內存（DRAM）的步驟，直接在SSD上執行檢索操作，幫助企業(yè)/應用針對特定數據優(yōu)化，從而實(shí)現幫助大語(yǔ)言模型（LLM）訓練節省成本。
利用高性能存儲特性，鎧俠在A(yíng)I前沿進(jìn)行了諸多嘗試。包括通過(guò)Memory-Centric AI技術(shù)解決企業(yè)級SSD中圖像分類(lèi)任務(wù)中災難性丟失問(wèn)題，在神經(jīng)網(wǎng)絡(luò )不通過(guò)調整的前提下，在深度學(xué)習中快速獲得圖像特征辨別和標簽添加。并在數年前與NVIDIA展開(kāi)深度合作，從加速StyleGAN、NeRF等算法，到協(xié)助NVIDIA搭建Omniverse平臺，包括搭建最新的物理AI開(kāi)發(fā)平臺NVIDIA Cosmos，為L(cháng)LM訓練整理自定義數據集的NVIDIA NeMo Curator。
針對前瞻性存儲，鎧俠在近期還正式發(fā)布了全新XD8系列PCIe? 5.0 EDSFF（企業(yè)和數據中心標準型）E1.S固態(tài)硬盤(pán)。它是鎧俠第三代E1.S固態(tài)硬盤(pán)，符合PCIe? 5.0（32 GT/s x 4）和NVMe? 2.0規范，并支持開(kāi)放計算項目（OCP）數據中心NVMe SSD v2.5規范。
鎧俠XD8系列專(zhuān)為云和超大規模環(huán)境設計，滿(mǎn)足數據中心對高性能、高效率和高可擴展性的日益增長(cháng)的需求。通過(guò)這款新的固態(tài)硬盤(pán)，云服務(wù)提供商和超大規模企業(yè)能夠優(yōu)化基礎設施，在保持運營(yíng)效率的同時(shí)提供卓越的性能。
讓AI移動(dòng)起來(lái)
DeepSeek另一個(gè)實(shí)現領(lǐng)域則是在移動(dòng)平臺。即便是春節假期，多個(gè)版本針對AI PC本地化AI部署的DeepSeek R1已經(jīng)成型，例如蒸餾版本的7B和14B參數模型在筆記本和消費級臺式機電腦上，可利用NPU和GPU實(shí)現離線(xiàn)運作，進(jìn)一步確保了私有信息的安全。
對于A(yíng)I PC而言，除了提供獨立GPU或者NPU進(jìn)行AI加速，大容量NVMe SSD也同等重要，另外還要考慮到有限的AI PC內部空間，固態(tài)硬盤(pán)需要同時(shí)兼顧性能與散熱。以鎧俠BG6系列為例，鎧俠 BG6 系列在A(yíng)I PC上能夠展現卓越的性能和靈活性。采用 PCIe? 4.0 和 NVMe 1.4c 規范，搭載高達2,048GB存儲空間。順序讀取速度最高可達 6,000 MB/s，隨機讀取速度更是高達 900,000 IOPS。這使得BG6系列成為緊湊型固態(tài)硬盤(pán)中的佼佼者，為用戶(hù)提供了更快速、更高效的數據處理體驗。
另外BG6 系列提供了多種容量選擇，包括 256GB、512GB、1,024GB 和 2,048GB，適用于不同用戶(hù)需求。其采用 M.2 Type 2230 和 Type 2280 模組封裝，可靈活應用于各類(lèi)薄型設備，如超薄筆記本電腦、嵌入式設備。也給不同形態(tài)的AI PC部署本地AI提供了豐富的解決方案。
從數據中心、服務(wù)器，到個(gè)人計算機，鎧俠為AI計算提供了豐富、高效的存儲方案，并與合作伙伴展開(kāi)深度合作，從軟件和硬件層面入手，利用高性能固態(tài)硬盤(pán)的特性，為AI計算提供可靠的存儲后盾，共同探索更多AI的可能性，充分利用AI與數據，創(chuàng )造更多價(jià)值。
