大模型er话聊：国产算力正值“当打之年”，存储不能当拖后腿的

AI大模型往多模态走，数据量翻倍涨。训练集群常常面临一个尴尬局面：GPU集群算力很足，但数据喂不上去，GPU大部分时间在闲置等待，算力空转成了行业内公开的秘密。

曙光的FN9000除了在硬指标上进阶：单控400万+ IOPS，集群直接达到2亿，亚毫秒级时延，此外，还在两个方向做了针对性设计，个人觉得值得拿出来摆摆。

一个是存储-显存直达，数据不经过CPU中转，直接供到GPU近侧存储。配合KV Cache offload和多层数据分级，推理环节的延迟大幅降低，GPU有效利用率肉眼可见地提升。

另一个是AI数据工厂。这个概念值得深挖。它本质上是在构建一套全流程AI加速中枢：从数据清洗、标注到向量化生成，再到训练和推理部署，整个管线打通。配合向量数据库优化、AI算子加速库，存储主动参与数据处理和预处理的角色。

这个思路其实挺超前的。当存储能主动做向量化、数据分级和缓存卸载，GPU就可以专注于计算，算力产出密度会高出一个量级。

目前看，存储行业从容量支撑升级为性能+可靠+兼容+安全的一体化存力，这个价值坐标迁移的趋势已经很明显了。