在中美科技競爭的大背景下，芯片一直是重中之重，說舉國之力也不為過，而以Deepseek為代表的中國公司在芯片被“卡脖子”的情況下，在算法上的突破也獲得了足夠多的關注，但在這場大模型的全球爭霸賽中，芯片（算力）和模型（算法）之外，還有一個至關重要甚至稱得上“卡脖子”的領域，卻被國人忽視，那就是AI存儲。

AI 存儲是AI產(chǎn)業(yè)的 “剛需”

公眾一般都知道AI算力靠GPU，GPU尤其是高端GPU是稀缺資源，實際上在AI計算時還有一個“效率中樞”，決定著GPU的運行效率，這就是AI存儲。

大模型訓練/推理不只是算力競賽，也是“數(shù)據(jù)管道”競賽：把成山的訓練樣本、檢查點（checkpoint）、特征向量在微秒級送進上萬張 GPU。如果存儲端跟不上節(jié)奏，昂貴的 GPU 就會閑著“等數(shù)據(jù)”，高額的算力投資被浪費。

從Google、英偉達、Hugging Face等公司的論文中可以看出，GPU的利用率往往只有50%左右。昂貴的GPU算力在AI計算時大約有一半被浪費，“是可忍孰不可忍”，于是AI產(chǎn)業(yè)界就削尖腦袋加以改進。提高存儲性能，避免讀寫時卡頓就成為“剛需”。

AI存儲是創(chuàng)新技術的藍海

傳統(tǒng)的存儲技術并非為滿足當今AI訓練推理而設計，現(xiàn)有存儲技術在面對規(guī)模越來越大的AI訓練推理集群時已經(jīng)越來越力不從心。

AI 訓練需要處理海量數(shù)據(jù)，且數(shù)萬張GPU卡都要共享訓練參數(shù)。要保證讀訓練數(shù)據(jù)時數(shù)據(jù)流穩(wěn)定，哪怕只有1%的微小抖動，都會導致高達數(shù)百GPU卡頓；AI訓練還需要頻繁寫Check Point（相當于訓練參數(shù)存檔），寫Check Point時這么多GPU同時集中寫，這是傳統(tǒng)存儲系統(tǒng)不會經(jīng)常遇到的情況；在分配訓練數(shù)據(jù)時，海量小文件的讀寫是傳統(tǒng)存儲一直未能解決的難題, 有時僅文件列表加載就需耗時數(shù)小時；在推理時，長上下文又有新的存儲需求……華為 MLPerf 測試數(shù)據(jù)顯示，傳統(tǒng)存儲在AI訓練場景中 GPU 利用率僅 30%。

因此迫切需要構(gòu)建為AI專門設計的數(shù)據(jù)存儲架構(gòu)，能夠低成本高效率地處理數(shù)據(jù)，讓昂貴的算力不再被浪費。

Shared-Everything架構(gòu)撐起300億美元巨頭

分布式存儲是很多臺服務器（稱為服務器集群）組成的存儲系統(tǒng)。傳統(tǒng)分布式存儲是Shared-Nothing架構(gòu)的，即數(shù)據(jù)盤屬于存儲服務器私有。這就像商品都歸本地供銷社管理，每個人只能在本地供銷社買東西，要去買其它地方的商品就必須讓本地供銷社和對方供銷社協(xié)商，將對方貨物調(diào)過來才能買。這種供銷社之間的協(xié)商和調(diào)貨被稱為Cross Talk，是分布式存儲最大的性能瓶頸。

而Shared-Everything架構(gòu)則是數(shù)據(jù)盤在共享存儲池，任何服務器都可以不經(jīng)過其它服務器讀寫所有的盤。這就像電商，任何人不管在什么地點都可以直接下單購買，而無需供銷社之間協(xié)商調(diào)貨。Shared-Everything架構(gòu)下數(shù)據(jù)路徑更短，消除了Cross Talk這一性能瓶頸，性能有質(zhì)的飛躍。

美國創(chuàng)業(yè)公司VAST Data宣稱，Shared-Everything是分布式存儲20年來第一次架構(gòu)性創(chuàng)新，傳統(tǒng)Shared-Nothing架構(gòu)正在走向末路。我們可以理解為相當于電商會取代供銷社。

VAST Data基于Shared-Everything架構(gòu)的AI存儲系統(tǒng)使得GPU利用率比傳統(tǒng)存儲技術提升 10–25 %，Checkpoint 時間從 10 分鐘級降到 1分鐘級。數(shù)據(jù)恢復速度提升 5–8倍，迅速成為了AI存儲市場的獨角獸。該公司2016年成立以來，獲得了包括英偉達在內(nèi)的多輪投資，客戶名單包括馬斯克旗下大模型創(chuàng)企x AI、皮克斯動畫、zoom、谷歌，最新一輪估值更是高達驚人的300億美元。

300億美元估值意味著什么？要知道世界上最大的傳統(tǒng)存儲廠商EMC（也就是常說的“去IOE”中的“E”），2016年EMC被Dell時存儲業(yè)務價值也不過245億美元。這就像特斯拉的市值超越豐田、奔馳、寶馬等傳統(tǒng)汽車廠商一樣，代表新架構(gòu)對傳統(tǒng)架構(gòu)的超越。同時，這個數(shù)字甚至也超過了中國聯(lián)通的市值。

Shared-Everything是中國原創(chuàng)技術

雖然Shared-Everything技術在美國大放異彩，但事實上該技術卻是中國首創(chuàng)。多年前，中國的IT科學家王東臨和他領銜的書生公司技術團隊就發(fā)明了Shared-Everything技術（當時稱為分布式共享存儲技術），并研發(fā)了基于該技術的第一代SurFS分布式存儲系統(tǒng)，性能非常出色，在當時世界上最快的分布式存儲系統(tǒng)性能在500微秒左右時，SurFS提高到了60微秒左右，充分展現(xiàn)了Shared-Everything技術的優(yōu)越性。

王東臨是得過多項國家級科技榮譽、在中國IT業(yè)歷史上留下多個足印的技術專家，陸續(xù)發(fā)明了多項國際領先的創(chuàng)新技術，有的（如電子印章技術）已經(jīng)得到廣泛應用，有的（如果中國軟件業(yè)首個國際標準）樹立了中國IT業(yè)的里程碑，有的（如Shared-Everything架構(gòu)）仍然待字閨中。就在今年，他基于Shared-Everything架構(gòu)設計的量子模擬機集群也同樣打破了記錄，用兩顆普通CPU跑出了比英偉達8張GPU卡還高的性能；前不久，他還帶領南開大學人工智能團隊和北京大學量子神經(jīng)網(wǎng)絡團隊做出了全球首個基于量子算力實現(xiàn)智能對話的AI大模型成果，其預印版論文剛剛發(fā)表……

2016年2月，書生公司申請了一批Shared-Everything技術架構(gòu)的發(fā)明專利，并隨后對第一代SurFS進行了開源，倪光南院士、時任工信部電子信息發(fā)展產(chǎn)業(yè)研究院院長盧山等領導出席了SurFS開源儀式。

開源的意義在于讓公眾都能共享創(chuàng)新成果（尤其是架構(gòu)性的重大創(chuàng)新）,讓新技術能得到更廣泛的應用。但開源也會被不勞而獲的同行竊取，經(jīng)常有人調(diào)侃說“美國一開源，中國就有了創(chuàng)新技術”。但這一次，在書生公司SurFS開源后不久，VAST Data公司成立了；在SurFS開源21個月后，VAST Data“發(fā)明了”Shared-Everything技術，并于2017年11月在美國申請了相關技術的專利。根據(jù)知識產(chǎn)權專業(yè)機構(gòu)的分析，雙方專利高度相似，技術方案完全覆蓋，屬同一個技術。

中國原創(chuàng)技術，會被美國用來收割中國嗎？

目前，書生公司已經(jīng)重啟了新一代SurFS技術的研發(fā)，宣稱新技術在核心技術指標上將超越VAST Data。日前，書生公司還向?qū)＠痔峤涣诵鎂AST Data專利無效的申請。

AI競賽的大幕已經(jīng)拉開，芯片、模型……刀光劍影，電力、基礎設施枕戈待旦，現(xiàn)在，存儲領域的漁陽鼙鼓聲響起。當VAST Data身后集結(jié)了英偉達、迪士尼、谷歌、x AI、chatGPT、CoreWeave等一系列美國AI公司，其客戶名單中還包括NASA和美國能源部時，王東臨、書生公司和他的Shared-Everything專利背后，應該有誰？VAST Data數(shù)月前剛在中國設立了總代理，將來會不會出現(xiàn)美國人用中國技術卡中國脖子的景象？