“AI发展需要海量数据,海量数据需要基础设施,基础设施需要效率,效率需要Solidigm,简而言之,Solidigm是AI的核心支撑之一。”Solidigm亚太区销售副总裁倪锦峰说,Solidigm现在的定位是AI基础设施提供商。
过去两年间,生成式AI的崛起犹如一股急速扩张的浪潮,从算力的高速增长到数据的大量爆发,行业格局几乎在一夜之间发生了翻天覆地的变化。
年初时,整个存储行业依然处于低迷期,但随着AI需求的迅猛上升,存储需求也随之激增,推动了行业的快速复苏与发展。这一波技术创新与市场需求的双重浪潮,给Solidigm带来了前所未有的机遇,也考验着其应对行业变革的能力。
Solidigm亚太区销售副总裁倪锦峰
理解AI工作负载,打造高效存储解决方案
AI不仅深刻改变了存储技术的发展方向,还在多个层面加速了创新。为什么这么说?
首先,AI使GPU算力的需求激增,但存储能力却未能同步跟上。为了弥补这一差距,Solidigm正通过创新SSD技术替代传统HDD,确保更多数据能够迅速反馈到GPU,提升其计算效率。
其次,AI的普及推动了对电力的需求,促使行业更为关注能源问题。客户在规划数据中心时,已开始将电力供应的充足性纳入考量,确保设施能够支持AI相关的计算负荷。
最后,AI的普及使得数据量呈现爆炸式增长,这对存储空间提出了更高要求。这一趋势直接推动了大容量SSD的快速部署,成为行业发展的关键推动力。
现在业界越来越认识到高效存储的重要性,里瑞通(Digital Realty)在今年8月进行的一项调研也对此进行了验证。调研显示,企业实施AI战略的最大障碍是缺乏足够的存储空间支撑海量数据集的存储。
倪锦峰强调,存储已成为实施AI战略的重要挑战,甚至超越了算力和网络的需求。
要理解存储在AI中的价值,首先需了解AI的工作负载,才能提供更适应AI应用的高效存储解决方案。倪锦峰谈到,设计存储产品时,关键是明确客户需求,例如数据存取模式(顺序或随机)、延迟和带宽要求等。
一个典型的AI数据工作流程,涵盖了数据摄取、准备、模型开发、调整和优化等多个步骤。每个步骤对存储的需求和工作负载特性各不相同,在了解数据流动过程后就能够识别瓶颈并加以优化。
举例来说,在AI训练阶段,存储的随机读性能要求非常高,但对容量的需求相对较低。此时,超高性能的TLC盘能够满足数据流动的需求。而在数据存档和摄取阶段,存储容量需求较高,但对性能要求相对较低,大容量QLC盘则显得尤为合适。
为满足不同AI工作负载的需求,Solidigm推出了丰富的SSD产品系列。其首款PCIe Gen5 SSD——D7-PS1010/PS1030系列,不仅具备卓越的性能,还专门针对AI工作负载进行了优化,确保在实现高性能的同时,能够大幅降低能耗。
D7-PS1010/PS1030系列在主要工作负载下,不仅实现了40%-50%的性能提升,还在多个典型负载中展现了卓越的能效比。最近,在MTS 2025存储产业趋势研讨会上,Solidigm也获得了“AI存储解决方案引领奖”。
122TB SSD,重新定义大容量存储的边界
在QLC领域,Solidigm已经深耕多年。从2018年发布第一代产品起,Solidigm便开始在这一领域不断创新。
一段时间以来,大家可能对QLC还有或多或少的担忧,但一系列数据已经表明,QLC技术在行业中的应用已经相当广泛。到目前为止Solidigm的QLC SSD累计出货超过100EB;全球财富500强企业中的前五名,以及70%以上的OEM AI解决方案供应商,已在大规模采用Solidigm QLC SSD。
而且QLC SSD在今年也迎来了爆发,背后的关键驱动力无疑是AI的崛起,为整个行业注入了强劲的动力。
近期,Solidigm推出了全新的122.88TB D5-P5336数据中心SSD,其与传统的HDD JBOD或替代TLC SSD JBOF方案相比,在空间占用上减少了4到8倍,在总功耗、散热、电力和空间利用方面也表现出了卓越的优势。
全新的122.88TB Solidigm D5-P5336已经开始向部分客户送样,预计将在明年Q1实现大规模量产。P5336系列采用了16K IU,专为AI数据密集型应用设计,特别优化了大块读写。
随着容量的增加,质量和可靠性的重要性也愈加突出。122.88TB的容量并非简单的叠加,它意味着将一整片晶圆,大约800多个die,集成到一个SSD中,这一过程要求从原厂、原材料选型,到生产、售前和售后的质量管控,要求都比以前更严格。
Solidigm的质量控制严格遵循JEDEC标准,包括P5336、P5620、P5520和PS1010等型号,确保MTBF等关键指标的一致性。
“制造大容量SSD在质量控制上要求更高,与小容量SSD有着本质区别。”倪锦峰谈到,如果晶圆质量不达标,是无法达到122.88TB容量,可能需要降级或完全废弃。此外,电容、电阻等小型非NAND组件的问题也会导致整块SSD失效。
今年年初以来, AIGC on Prime算力服务提供商开始大规模使用32TB、64TB,并且在等待即将大规模量产的122TB SSD。大容量已经成为客户的普遍需求,目前国内大客户已开始关注用大容量SSD替代HDD,在经历了存储服务器需要从SATA切换到PCIe,CPU、网络、软件等各环节的重新调整后,国内大容量SSD的落地已近在眼前。
这对于已经在QLC上深耕多年,且在质量和可靠性上都有着强大保证的Solidigm而言,是一个好消息。在这一场AI变革中,Solidigm已然勾画出了一幅更加广阔的存储蓝图,迈向全新的创新高地。
好文章,需要你的鼓励
来自耶路撒冷希伯来大学的研究团队开发了WHISTRESS,一种创新的无需对齐的句子重音检测方法,能够识别说话者在语音中强调的关键词语。研究者基于Whisper模型增加了重音检测组件,并创建了TINYSTRESS-15K合成数据集用于训练。实验表明,WHISTRESS在多个基准测试中表现优异,甚至展示了强大的零样本泛化能力。这项技术使语音识别系统不仅能理解"说了什么",还能捕捉"如何说"的细微差别,为人机交互带来更自然的体验。
这项研究提出了"力量提示"方法,使视频生成模型能够响应物理力控制信号。研究团队来自布朗大学和谷歌DeepMind,他们通过设计两种力提示——局部点力和全局风力,让模型生成符合物理规律的视频。惊人的是,尽管仅使用约15,000个合成训练样本,模型展现出卓越的泛化能力,能够处理不同材质、几何形状和环境下的力学交互。研究还发现模型具有初步的质量理解能力,相同力量对不同质量物体产生不同影响。这一突破为交互式视频生成和直观世界模型提供了新方向。
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。