AI大模型的快速發(fā)展正對半導體產(chǎn)業(yè)鏈的多個維度引發(fā)旺盛需求，除了備受關(guān)注的GPU計算能力之外，與之相匹配的存力也在同步成長。

AI相關(guān)存儲需求的提振，甚至已經(jīng)在幫助存儲頭部廠商加速擺脫增長緩慢的難題。

調(diào)研機構(gòu)Gartner就預計，2024年全球半導體行業(yè)收入將增長16.8%至6240億美元，存儲器市場將實現(xiàn)66.3%成長性是其中主要驅(qū)動，其中NAND閃存部分預計收入同比增長49.6%至530億美元，DRAM運存部分預計增長88%至874億美元。

當前階段，更重要的是產(chǎn)業(yè)鏈之間積極協(xié)同，以助推算力產(chǎn)業(yè)鏈共同發(fā)展，進而驅(qū)動AI大模型真正落地。

近日，聯(lián)想凌拓首席執(zhí)行官陸大昕在接受采訪時強調(diào)，現(xiàn)在談AI的行業(yè)應用為時過早。“關(guān)于人工智能到底能發(fā)揮什么作用，行業(yè)場景很復雜、細分，更需要有行業(yè)沉淀來支撐模型，形成人工智能的邏輯，這需要有一個共識。”

因此他認為，現(xiàn)在可能還處在人工智能真正改進人類工作和生活的“前夜”。在這個階段，更多是要做好基礎(chǔ)設(shè)施，考慮怎樣圍繞細分行業(yè)打造一個完整的生態(tài)系統(tǒng)。

至于AI引發(fā)的驅(qū)動力將率先來自哪里，聯(lián)想凌拓產(chǎn)品管理與營銷高級總監(jiān)林佑聲對21世紀經(jīng)濟報道記者表示，公司也在觀察探討。“我們當然希望存儲在AI風潮能有快速增長。但AI產(chǎn)業(yè)還在發(fā)展初期階段，有一個演化過程。AI并不能迅速為人類帶來很多改變，這其實是一點點由數(shù)據(jù)、模型、訓練等積累完成，這些積累與存儲的增長都有關(guān)系。”

數(shù)據(jù)即算法 

AI大模型加速發(fā)展背后，迫切需要的是優(yōu)質(zhì)數(shù)據(jù)和計算能力支撐。 

近日舉行的聯(lián)想凌拓2024技術(shù)大會上，聯(lián)想凌拓首席執(zhí)行官陸大昕在演講中指出，作為算力價值發(fā)揮的基礎(chǔ)，數(shù)據(jù)存儲是提升數(shù)據(jù)質(zhì)量和處理效率的利器。數(shù)據(jù)存儲技術(shù)的不斷演進，使得智能數(shù)據(jù)管理的性能及效率日益攀升。某種意義上，數(shù)據(jù)即為算法。

他進一步分析，根據(jù)相關(guān)機構(gòu)測算，中國人工智能產(chǎn)業(yè)市場規(guī)模的年復合增長率已達25.6%，可以說充滿生機和活力。中國政府從2017年開始，從國家政策層面先后推出了12項促進人工智能產(chǎn)業(yè)發(fā)展的重大舉措，足見重視。

人工智能產(chǎn)業(yè)包括多種要素：數(shù)據(jù)、算力、框架、模型及應用，其中算力是推動人工智能發(fā)展的重要基礎(chǔ)，涉及AI芯片、云計算和邊緣計算等技術(shù)，為人工智能提供強大的計算能力和數(shù)據(jù)處理能力。

陸大昕表示，其中數(shù)據(jù)是人工智能時代的原動力，原因在于：其一，數(shù)據(jù)是一切智慧物體傳遞知識的媒介。當前人工智能系統(tǒng)大多是基于機器學習來構(gòu)建，但是作為知識的載體，數(shù)據(jù)才是人工智能體系中最關(guān)鍵的要素。

其二，傳統(tǒng)概念里，算法是由人類設(shè)計并構(gòu)建，但在人工智能系統(tǒng)中其解決具體問題的算法，是由人工智能系統(tǒng)通過對數(shù)據(jù)不斷訓練、學習、推理而形成，也即由數(shù)據(jù)驅(qū)動，其性能高度依賴數(shù)據(jù)的質(zhì)量。

其三，據(jù)分析，高質(zhì)量數(shù)據(jù)可能在2026年前將被耗盡，因此高效地使用數(shù)據(jù)資源是當前人工智能所面臨的重大挑戰(zhàn)。

其四，數(shù)據(jù)的流動性決定了人工智能系統(tǒng)能夠使用的資源范圍，當前可供使用的資源種類包括邊緣計算資源、數(shù)據(jù)中心資源及云資源。但如果數(shù)據(jù)流動性不足，則會嚴重束縛可使用的范圍，限制人工智能技術(shù)的發(fā)展。

其五，數(shù)據(jù)的可獲取性決定了人工智能的效率。如果在數(shù)據(jù)獲取困難的環(huán)境中，無法期盼出現(xiàn)高效率、高質(zhì)量的人工智能系統(tǒng)。

“綜上，數(shù)據(jù)在人工智能時代是不可替代的核心要素，直接決定了人工智能系統(tǒng)的發(fā)展速度、效率。而數(shù)據(jù)的獲取、存續(xù)、流動，以及高效使用都需要依賴優(yōu)秀的數(shù)據(jù)存儲及數(shù)據(jù)管理平臺。”陸大昕總結(jié)道。

AI+存儲的挑戰(zhàn)

IDC數(shù)據(jù)研究表明，全球數(shù)據(jù)量正迅速增長，預計2026年將達221ZB。在企業(yè)數(shù)字化轉(zhuǎn)型過程中，云計算、大數(shù)據(jù)及AI等技術(shù)的迅速發(fā)展，對數(shù)據(jù)管理的容量、性能和全生命周期管理等帶來全新需求。 

它也對存儲行業(yè)提出了挑戰(zhàn)。林佑聲對21世紀經(jīng)濟報道記者分析，人工智能是一個技術(shù)創(chuàng)新總集，如果只看重算力、只強調(diào)高帶寬，但是沒有其他技術(shù)、數(shù)據(jù)種類進行匹配，其對大模型的能力支持也將有限。

“因此，要從底層的介質(zhì)到應用的匹配，到帶寬、算力，整體安全性配套、甚至節(jié)能都考慮在內(nèi)，才能有一套可持續(xù)的產(chǎn)品體系。現(xiàn)在人工智能引發(fā)算力風潮，但后來會發(fā)現(xiàn)，當你要套用具體行業(yè)模型的時候，是不完整的，它需要有一套完整的體系支持。” 他指出。

談及存儲行業(yè)如何與AI發(fā)展需求的適配，林佑聲受訪時強調(diào)，在AI應用落地過程中，如果沒有一系列配套，會發(fā)現(xiàn)訓練將面臨瓶頸。

“因為數(shù)據(jù)有不同格式，從不同維度得到的數(shù)據(jù)，必須做數(shù)據(jù)規(guī)整、清理、建模、訓練等，這將由不同IT應用推進。算力也不是簡單堆疊GPU就可以，如果沒有充足、可自由流轉(zhuǎn)的數(shù)據(jù)，沒有數(shù)據(jù)管理、數(shù)據(jù)安全，AI也無法做成。同時相關(guān)產(chǎn)業(yè)鏈設(shè)備需要軟件和硬件良好結(jié)合，進而達到節(jié)能、可持續(xù)發(fā)展的訴求。”他續(xù)稱，綜上，要考慮數(shù)據(jù)的萃取、流動、管理、安全、節(jié)能，這將需要一個生態(tài)，而不是單一技術(shù)可以解決問題。

對于產(chǎn)品構(gòu)建思路，林佑聲分析，AI應用對現(xiàn)代數(shù)據(jù)管理技術(shù)的訴求，主要有四方面：性能、簡化管理、安全、節(jié)能。

具體來說，AI需要有海量數(shù)據(jù)、高速計算處理，那么性能如何適配；海量數(shù)據(jù)需要有數(shù)據(jù)的收集、準備，從訓練到計算到應用部署提供相關(guān)服務，還涉及從邊緣到云端的數(shù)據(jù)流動和管理，如何簡化管理非常關(guān)鍵；同時面對海量數(shù)據(jù)計算，如果一味講數(shù)據(jù)訪問更快、數(shù)據(jù)容量更大，沒法可持續(xù)發(fā)展，因此節(jié)能、綠色非常重要。

“另外，伴隨容器技術(shù)的發(fā)展，存算一體，尤其是存算聯(lián)動以釋放資源流動性，成為數(shù)據(jù)驅(qū)動AI堅實的技術(shù)基礎(chǔ)。人工智能的算力和技術(shù)其實是緊密結(jié)合體，基于容器技術(shù)可以實現(xiàn)存與算的資源整體調(diào)度，幫助人工智能應用更為靈活。所以存算聯(lián)動將是人工智能應用部署非常重要的發(fā)展方向。”他進一步分析，海量的存儲趨勢下，分布式存儲成為聯(lián)想凌拓增長最快的存儲細分領(lǐng)域。

據(jù)介紹，聯(lián)想凌拓應用了如下一代SSD（固態(tài)硬盤），能夠有更大容量、更高性能并且更加節(jié)能，甚至可以部分取代未來傳統(tǒng)的機械式硬盤（HDD）；NetApp AFF C系列和Lenovo ThinkSystem DG系列則具備大量數(shù)據(jù)快速處理能力；MagnaScale數(shù)據(jù)管理平臺V4.0可以承載海量非結(jié)構(gòu)化數(shù)據(jù)，通過冷熱分層，提升數(shù)據(jù)管理功能。

“存儲系列產(chǎn)品將更需要軟硬結(jié)合、高度集成，不是簡單的通用服務器、數(shù)據(jù)庫，它是存儲技術(shù)和介質(zhì)，要求整個存儲系統(tǒng)有非常強的底層適配能力。”陸大昕總結(jié)道。

來源：21世紀經(jīng)濟報道 作者：駱軼琪