AIGC時代，需要什么樣的云存儲？

　　文|白 鴿

　　編|王一粟

　　AIGC狂飆一年，算法進步和應用落地的爆發，讓中國云計算廠商感受著切實的變化。

　　“今年一季度，大模型企業在云存儲的消耗同比在增加。”

　　4月8日，在騰訊云AIGC云存儲解決方案升級發布會上，騰訊云存儲總經理馬文霜同時預計，今年AIGC對于云端的調用量一定是爆發式的增長。

　　馬文霜還開半玩笑地說，“可能這些企業拿到的投資更多了”。

　　隨著多模態技術的進化和落地應用的逐漸爆發，讓大模型的訓練和推理迎來了一些新的挑戰。

　　事實上，從語言和圖像為主的GPT，到視頻生成模型Sora，大模型參數正在指數級增長。比如ChatGPT在GPT-2時是10億參數量，到現在GPT-4已經有1.8萬億參數。Sora為主的多模態技術，更會讓需要處理的數據量急劇增加，而這才剛剛是視頻生成模型的GPT-1.0時代。

　　參數越大，對云存儲的需求就會越高，包括云存儲的數據量以及吞吐量等，如果云存儲能力不能夠滿足大模型的需求，則會直接影響到大模型的訓練速度和推理效率。

　　在大模型加速發展的階段，大模型企業也越來越重視云存儲這一重要的底層基礎設施能力。但AIGC時代，究竟需要什么樣的云存儲技術?

　　AIGC數據訓練的新需求，云存儲的新挑戰

　　“內卷”之下，大模型企業開始拼算力、拼參數，更拼大模型的更新速度。

　　如百川智能，前期平均一個月發布升級一款大模型，百度文心一言在發布之初，甚至一個月內就完成了4次技術版本的升級。

　　想要保持大模型的更新頻率和速度，就要保證整個大模型數據訓練過程的高效，其中某一個環節出現問題，就可能會拉長整個訓練時長，增加訓練成本。

　　因此，作為整個大模型數據訓練的底座，云存儲的重要性日益凸顯。那么，AIGC時代到底需要什么樣的云存儲技術?

　　存儲作為數據的載體，現如今已經不僅僅只承擔“存”的作用，更需要打通數據從“存”到“用”的最后一公里。

　　始于19年前QQ空間的騰訊云存儲，如今在國內云廠商中存儲能力一直處于領導者象限(沙利文報告)，他們的做法對行業頗有借鑒意義。

　　馬文霜向光錐智能提到，在AIGC數據訓練的4個環節中，存儲需要提供的具體能力，包括：

　　數據采集階段，需要一個大容量、低成本、高可靠的數據存儲底座;

　　數據清洗階段，需要提供更多協議的支持，以及至少GB甚至TB級的數據訪問性能;

　　數據訓練階段，作為大模型訓練的關鍵環節，則需要一個TB級的帶寬存儲保證訓練過程中Checkpoint能夠快速保存，以便于保障訓練的連續性和提升CPU的有效使用時長，也需要存儲提供百萬級IOPS能力，來保證訓練時海量小樣本讀取不會成為訓練瓶頸;

　　數據應用階段，則需要存儲提供比較豐富的數據審核能力，來滿足鑒黃、鑒暴等安全合規的訴求，保證大模型生成的內容以合法、合規的方式使用;

　　在這4個環節中，騰訊云AIGC云存儲解決方案，分別由4款產品提供專屬服務，包括對象存儲COS、高性能并行文件存儲CFS Turbo、數據加速器GooseFS和數據萬象CI。

　　而這次騰訊云存儲面向AIGC場景的升級，就是基于上述4款產品將大模型的數據清洗和訓練效率提升1倍，整體訓練時長縮短一半。

　　首先，在數據采集環節， 基于自研的對象存儲引擎YottaStore，騰訊云對象存儲COS可支持單集群管理百EB級別存儲規模，多種協議和不同數據公網接入能力，可以讓采集的原始數據便捷入湖。

　　數據清洗環節，COS訪問鏈路比較長，數據讀取效率并不高，所以騰訊云在這中間添加了一層自研的數據加速器GooseFS。

　　COS通過自研數據加速器GooseFS提升數據訪問性能，可實現高達數TBps的讀取帶寬，提供亞毫秒級的數據訪問延遲、百萬級的IOPS和TBps級別的吞吐能力。

　　“這讓單次數據清洗任務耗時減少一半。”馬文霜說道。

　　相比采集和清潔，大模型的訓練則更加耗時， 短則數周、長則數月，這期間如果任何一個CPU/GPU的節點掉線，都會導致整個訓練前功盡棄。

　　業內通常會采用2～4個小時保存一次訓練成果，即Checkpoint(檢查點)，以便能在GPU故障時能回滾。

　　此時則需要將保存的Checkpoint時間縮短到越短越好，但數千上萬個節點都需要保存Checkpoint，這就對文件存儲的讀寫吞吐提出了非常高的要求。

　　馬文霜表示：“兩年前我們發布高性能并行文件存儲CFS Turbo第一個版本，是100GB的讀寫吞吐，當時覺得這個讀寫吞吐已經足夠大，很多業務用不到。但去年大模型出來以后，用CFS Turbo再去寫Checkpoint，我們發現100G還遠遠不夠。”

　　CFS Turbo底層技術來自于騰訊云自研的引擎Histor。此次升級，騰訊云將CFS Turbo的讀寫吞吐能力從100GB直接升級至TiB/s級別，讓3TB checkpoint 寫入時間從10分鐘，縮短至10秒內，時間降低90%，大幅提升大模型訓練效率。

　　針對數據訪問延遲問題， 騰訊云引擎Histor可支持單個節點GPU與所有存儲節點進行通信，進行并行數據訪問。“另外，我們通過RDMA(遠程直接地址訪問)等技術不斷優化數據訪問延遲，縮短IO路徑，最終可做到亞毫秒級訪問延遲。”馬文霜說道。

　　同時，騰訊云Histor還可以將元數據目錄打散至所有存儲節點上，提供線性擴張能力，從而實現文件打開、讀取、刪除的百萬級IOPS能力。

　　應用階段，大模型推理場景則對數據安全與可追溯性提出更高要求。 騰訊云數據萬象CI是一站式內容治理服務平臺，它可以對AI生成的內容進行一站式管理，可以提供圖片隱式水印、AIGC內容審核、智能數據檢索MetaInsight等能力。

　　此次升級，騰訊云重點講述了智能數據檢索MetaInsight，其能夠基于大模型和向量數據庫進行跨模態搜索服務，也就是可以文搜圖、文搜視頻、圖搜圖、視頻搜視頻，并憑借95%以上的召回率，可以幫助用戶快速鎖定目標內容，提升審核效率。

　　基于這套AIGC云存儲技術底座，騰訊云存儲總經理陳崢表示，騰訊自研項目(比如混元大模型)的整體效率至少提升了2倍以上。

　　目前，除騰訊自己的混元大模型，數據顯示，已有80%的頭部大模型企業使用了這套AIGC云存儲解決方案，包括百川智能、智譜、元象等明星大模型企業。

　　而針對解決方案升級后的產品價格，馬文霜則表示，“不會有變化”。在阿里云和京東云都宣布降價時，騰訊云并沒有選擇降價，而是“加量不加價”。

　　“穩定性、高性能，以及性價比，是大模型時代云存儲的核心。”騰訊云智能存儲總監葉嘉梁說道。

　　當然，在AIGC時代，云廠商都想抓住這一次用云需求爆發的機會。 除了騰訊云外，阿里云、華為云等其他云廠商在AIGC云存儲領域也都有相應的布局。

　　比如2023年，華為云針對大模型時代的云存儲發布了OceanStor A310 深度學習數據湖存儲和FusionCube A3000 訓/推超融合一體機兩款產品。

　　阿里云面向AI時代的云存儲解決方案，也覆蓋了底層對象存儲 OSS數據湖、高性能文件存儲、并行文件存儲 CPFS、PAI-靈駿智算服務以及智能媒體管理IMM平臺等產品。

　　可以看到，圍繞AIGC的需求，云廠商在云存儲領域迅速更新換代。阿里云的思路與騰訊云非常接近，而華為云則加入了自己在硬件方面的優勢。

　　云存儲技術僅是云計算眾多底層核心技術之一，隨著大模型深度發展，云廠商們已經開始在整個PaaS層、IaaS層、MaaS層，都在圍繞AIGC進行迭代升級，為行業提供全鏈路大模型云服務。

　　云廠商狂飆，爭做“最適合大模型”的云

　　云已經成為大模型的最佳載體，大模型也正在重塑云服務的形態。

　　馬文霜認為，云上豐富的資源、計算、存儲、網絡、容器技術和PaaS，都能夠解決AIGC在各個環節上對資源的訴求。云還能夠給AIGC提供成熟的方案和豐富的生態支持，讓客戶可以聚焦在自己產品競爭力的方向進行開發，加速整體研發效率以及應用落地的速度。

　　面對AIGC帶來的大模型發展浪潮，騰訊集團副總裁、騰訊云與智慧產業事業群COO兼騰訊云總裁邱躍鵬曾表示，大模型將開創下一代云服務，騰訊云要打造“最適合大模型的云”。

　　自從大模型熱潮爆發以來，騰訊云在大模型業務推出上不是最快的一個，但卻是最扎實的一個。

　　在2023年9月的騰訊全球數字生態大會上，騰訊云面向AIGC場景推出了基于星脈網絡的大模型訓練集群HCC、向量數據庫以及行業大模型的MaaS服務。

　　也就是說，騰訊云從底層智算能力，到中間件，再到上層MaaS，已經實現了全鏈路大模型云化能力升級迭代，每個業務都很務實。

　　比如，針對大模型對算力的迫切需求，騰訊云高性能計算集群HCC為大模型訓練提供高性能、高帶寬、低延遲的智能算力支撐。通過自研星脈網絡，能提升40%GPU利用率，節省30%~60%模型訓練成本，提升AI大模型10倍通信性能。利用星星海自研服務器的6U超高密度設計和并行計算理念，確保高性能計算。

　　針對在中間層對數據調度應用的需求，騰訊云向量數據庫，可為多維向量數據提供高效存儲、檢索和分析能力。客戶可將私有數據經過文本處理和向量化后，存儲至騰訊云向量數據庫，從而創建一個定制化外部知識庫。在后續查詢任務中，這個知識庫也能為大模型提供必要的提示，輔助AIGC應用產生更精確的輸出。

　　而針對行業大模型開發與落地應用服務，騰訊云則在整個云底座之上推出了MaaS服務解決方案，為企業客戶提供涵蓋模型預訓練、模型精調、智能應用開發等一站式行業大模型解決方案。

　　其中，值得一提的是騰訊云是業界最早提出走“向量數據庫”路線的云廠商，在大家對大模型部署還尚有技術路線爭議之初，騰訊就做了這個選擇。目前，向量數據庫+RAG(檢索增強)也已經成為業內使用頻率最多的大模型部署路線。

　　可以看到，在回歸“產品優先”戰略后，騰訊云在大模型時代的打法也逐漸清晰——不盲目追隨行業，而是基于對AIGC的理解，做自己的產品迭代。

　　不過，面對十年一遇的大模型機會，華為云、阿里云、百度云等云廠商也都在2023年爭先恐后地布局，騰訊云的壓力并不小。

　　過去一年，華為云構建了包括以華為云昇騰AI云服務為算力底座、行業首個大模型混合云Stack 8.3，在MaaS層用盤古大模型在千行百業中落地。華為云還上線了昇騰AI云服務百模千態專區，收錄了業界主流開源大模型。可以看到，華為云集成了算力、政企、行業、生態等多方面的優勢，可謂火力全開。

　　阿里云則是國內大廠中唯一做開源大模型的公司，說明心態最為開放、做平臺的決心最強。 阿里云在智能算力底座之上，打造了以機器學習平臺PAI為核心的PaaS服務，以及上層MaaS服務。其中，在開發者生態層，截至2023年11月1日，阿里云發起的AI模型社區魔搭已經有超過2300個模型，開發者超過280萬，模型下載次數也超過了1億多次。

　　云廠商們掀起了新一輪廝殺，是因為大模型的紅利。

　　AI的發展正在帶動用云需求的增長，并已成為云計算產業發展的第二增長曲線。畢竟，大模型的算力使用幾乎可以說是“無底洞”，此前業界曾預測OpenAI訓練GPT-4可能使用了大約10000-25000張GPU，以及微軟的云上算力支撐。

　　因此，在AIGC時代，各大云廠商都在探索如何基于AI重塑云計算技術和服務體系，開辟全新的服務場景和服務內容，從而能夠抓住這輪AI大模型升級發展所帶來的機會。

　　大趨勢下，Cloud for AI不僅是云廠商的新機會，也是必答題。陳崢也表示，云廠商現階段所能夠做的就是提前進行技術產品布局，并將整個數據價值開放給客戶，從而讓客戶更好的利用數據。