火热的大模型AIGC对数据中心存储趋势有什么影响？_大模型gc方向

随着人工智能和大数据技术的不断发展，业内AIGC（人工智能、图形处理和云计算）和大模型的发展趋势正在对数据中心存储发展方向产生深远的影响，主要集中对数据量和高性能计算的诉求。

大模型的普及要求数据中心存储具备更大的容量。大模型需要大量的计算资源和存储空间，因此，数据中心需要使用更大的存储系统来满足这些需求。同时，存储系统的可扩展性也非常重要，以便在需要时增加存储容量。随着AIGC应用的不断扩大，数据中心需要处理的数据量也在不断增长。因此，数据中心需要采用更高效、更可靠的存储方案来满足不断增长的数据需求。

根据IDC的预测，2025年的数据将达到175ZB。这将是一个非常庞大的数据量。这个数据量到底有多大呢？举个可以感知到的栗子，如果把这些数据全部存在DVD光盘上，那么这些DVD堆起来的高度将可以绕地球222圈。如果当前的网速水平，全部下载下来也许要18亿年。

产生的这些巨量数据，存储的归宿在哪里呢？随着发展趋势，个人本地存储的需求越来越小，公有云的数据存储量将会有迅速的攀升。

存储数据的介质，也更加多元化。包括磁带、光盘、非易失性存储、固态硬盘SSD，机械硬盘等。其中，在2025年，数据存储市场，HDD机械硬盘依然占据50%左右的份额。同时，磁带和固态硬盘的存储需求也在逐步的攀升。

SSD领域，QLC SSD是提升容量的先锋。根据有关数据统计，目前SSD出货的DWPD小于1的占比达到85%，这几年一直维持在85%-86%，后续可能会继续扩大占比。也就是说，这个市场上的对SSD的寿命的诉求并不是很强烈，不需要DWPD很高的SSD。这也侧面说明了，行业内对已不再完全SSD硬件本身的特性来达到整个系统的可靠性。分布式存储，全闪存阵列，各种针对SSD优化的存储软件系统也是遍地开花。这个也给了QLC SSD大规模普及提供了有力的条件。

SLC的Program/Erase(P/E) Cycle可以达到10万，MLC P/E cycle可以到1万，到TLC 3000次P/E cycle，再到QLC NAND只有1000 P/E cycle。P/E cycle是表征SSD寿命的最重要的参数。

我们可以看到，随着单个cell含有的bit数越多，NAND的可靠性也会有所降低，自然成本也会继续下降，QLC的成本只有SLC成本的1/4。除了寿命可靠性，QLC处于劣势，还有在性能方面也有所降低，如下图，QLC NAND单个page页的写延迟是SLC的8倍，是TLC的2倍，读延迟是SLC的4倍，是TLC的约1.3倍。

HDD领域：为了提升容量，出现叠瓦式机械硬盘SMR。SMR的技术核心就是把传统PMR整齐排练的磁道，转换成类似房顶瓦片层叠的方式，目的是增加存储密度，降低硬件成本TCO。

同时，针对HDD容量提升，业内也在大力推广HAMR和MAMR技术。HAMR：全称，Heat Assisted Magnetic Recording，是一种热辅助磁记录技术。HAMR 采用了一种新型的介质磁技术，数据颗粒位的占用空间会更小，密度也会相应增加，从而达到提升容量的目的，同时保持磁稳定和热稳定。

MAMR：全称Microwave Assisted Magnetic Recording，是一种微波辅助磁记录技术。MAMR技术的原理是通过自旋力矩震荡器（STO）产生的微波场，进而提供能量辅助完成磁记录。

磁带目前也是提升存储容量的优选方案。LTO磁带已经远远超过机械硬盘的容量了，目前拥有HAMR/MAMR新技术加持的HDD最大容量也只有30TB。在LTO Gen5以及之前的LTO代次，实现的压缩比主要是2:1, 在Gen6以后的压缩比已经达到2.5:1. LTO Ultrium目前已经设计了Gen14，单个磁带盒最大压缩数据可以存储1.44PB，数据存储量实在恐怖。

其次是高性能计算的需求：AIGC应用通常需要高性能计算，这意味着数据中心需要使用更快、更稳定的存储硬件来支持这些应用。SSD（固态硬盘）是当前最流行的高性能存储硬件之一，因为它具有更快的读写速度和更低的延迟。

为了追求高性能，PCIE SSD是数据中心的高性能标配，PCIE SSD在数据中心的占比还在继续攀升。

pcie协议5.0还没完全普及，pcie 6.0 spec已经发布，pcie 7.0 spec也在路上了，这个世界都在狂奔。

NAND ONFI接口速率也提升至了3600MT/s.

此外，还有一个为高性能而生的一种新型的存储器架构-计算存储。计算存储的核心思想是将一些计算任务迁移到存储器中，从而减少数据在存储器和处理器之间的传输。这样一来，不仅可以减少数据传输的能耗，还可以提高处理器的利用率，从而提高整个系统的性能和能效。

计算存储的优点有很多，其中最显著的是提高数据处理效率。在传统的存储系统中，处理器需要从存储器中读取数据，然后在处理器中进行计算。这个过程不仅慢，而且会增加系统的能耗。而计算存储可以将一些计算任务直接在存储器中完成，从而减少数据传输的时间和能耗。

另一个优点是减少数据访问延迟。在传统的存储系统中，数据访问需要经过多个环节，比如寻道、旋转延迟等。这些环节都会增加数据访问的延迟。而计算存储可以将计算和存储集成在一起，从而减少数据访问的环节，进而降低访问延迟。

比如，ScaleFlux CSD 2000是一种计算存储驱动器，它采用透明压缩技术，可以在不牺牲性能的情况下提高OP并延长NAND的使用寿命。据该公司称，这可以有效地将容量翻两番，性能翻番 。CSD 2000的数据路径压缩/解压缩引擎可以更有效地储存更多的数据，同时保持一定的性能表现，即使是在不同的读写混合状况下也能保持稳定的低延迟。

三星SmartSSD是在SSD中整合数据管理功能，集成了一颗ARM内核的处理器，可以直接处理数据的硬件。它可以在数据的存放处就近进行高速计算，从而提高数据处理速度和效率。SmartSSD内置FPGA，支持在数据的存放处就近进行高速计算，从而提高数据处理速度和效率，可为视频处理、数据库管理和人工智能等多种应用场景提供加速。

除了上面的大容量和高性能诉求，对存储的诉求还有数据的可靠性和安全性。在AIGC应用中，数据的可靠性和安全性非常重要。因此，数据中心需要采用高可靠性和安全性的存储解决方案。AIGC应用通常需要灵活和可扩展的存储解决方案，以便快速适应不同的工作负载和需求。

总之，AIGC和大模型的发展趋势对数据中心存储发展方向产生了重大影响。数据中心需要使用SSD、HDD等存储硬件，同时结合新型存储技术，如云存储、分布式存储和对象存储等，来满足更高的性能、更大的容量和更低的成本需求。