透过DeepSeek，聊聊存储是如何给AI加速的

从AI服务器到AI PC，如何快速的用上DeepSeek成为热门问题。无论DeepSeek Janus-Pro把多模态提升到了一个新层次，还是媲美主流的DeepSeek-V3，或者应用于本地的DeepSeek-V3，对存储都提出了新的需求。以完整未蒸馏的DeepSeek R1模型为例，这是一个拥有6710亿参数的混合专家（MoE）模型，未量化版本的文件体积高达720GB，而动态量化版本也达到150GB到400GB之间。

DeepSeek让GPU算力一下子得到了空前的释放，允许厂商将更多的资源集中到其它关键硬件中，比如更强大的并行能力，以及更优秀的存储方案。很显然，常规的存储方案已经不能很好的解决效率和存储的问题，在企业级和数据中心级SSD为AI提供存储支持时，以QLC和CXL为例的新技术也正在协助AI以更低成本和更高的效率运行。

QLC与CXL：为AI铺路

由于DeepSeek不仅降低了计算成本，多模态处理能力、说是知识图谱和推理能力的优秀表现，使得厂商拥有足够的资源调用更多的数据。这使得原本大量的冷数据变成了温数据。温数据对存储有着更高的要求，需要相对HDD更快的传输速率，并且存储数据可能每年以EB级增长。这导致SSD的需求往大容量和低成本的方向发展。

其中QLC能够更好的在单位空间内提升存储容量，第八代BiCS FLASH™ 2Tb QLC的位密度比铠侠目前所采用的第五代BiCS FLASH™的QLC产品提高了约2.3倍，写入能效比提高了约70%。不仅如此，全新的QLC产品架构可在单个存储器封装中堆叠16个芯片，为业界提供领先的4TB容量，并采用更为紧凑的封装设计，尺寸仅为11.5 x 13.5 mm，高度为1.5 mm。

这意味着，未来采用第八代BiCS FLASH QLC的存储产品在存储空间拥有质的飞跃，可以轻松将企业级SSD和数据中心级SSD容量提升至120TB以上。

密集的DeepSeek计算也意味着对内存有着海量的要求，但动辄数百GB的训练模型全部存储在内存中也意味着高昂的成本，如何利用BiCS FLASH™降低成本也是未来的思考方向。例如利用相变存储原理，基于BiCS FLASH™结构打造的XL-FLASH存储级内存（Storage Class Memory, SCM）与CXL相结合，开发相较内存功耗更低、位密度更高，相较闪存读取速度更快的存储器。这不仅会提高存储器利用效率，还有助于节能。

CXL技术本身通常也意味着更先进的PCIe版本支持，铠侠则是积极响应PCIe升级的存储制造商之一。例如，铠侠率先推出支持PCIe^® 5.0的企业级固态硬盘CM7系列。PCIe^® 5.0 SSD与传统存储设备（如PCIe^® 4.0 SSD）的对比测试，结果显示， CM7系列SSD在多个GPU并行访问时，能够提供91%的I/O吞吐量提升，此外，它的读取延迟比传统SSD低57%。同时，PCIe^® 5.0 SSD能机器学习训练时间能够得到显著减少。以16个GPU并行处理为例，使用PCIe^® 5.0 SSD可以减少32到44天的训练时间。

特别是在PCIe^® 5.0与NVMe™规范下实现可靠的RAID兼容性和互操作性能。特别是生成式AI与检索增强生成 (RAG) 系统的重要性更胜以往，关系数据库PostgreSQL和向量数据库需求变得格外重要。例如通过Xinnor的RAID 解决方案的兼容性和互操作性测试，与采用相同硬件配置的软件 RAID 解决方案相比，在数据降级模式下执行PostgreSQL，效能更提升达25倍。

抢先布局

任何前沿技术不可能一蹴而就，AI技术的积累更是如此。流畅体验的AI服务对数据传输速度有着很高的要求。在多年前，铠侠已经开始对AI展开布局，并致力于为人工智能的发展提供高性能的存储解决方案。

为了推动检索增强生成（RAG）扩展获得更好的性能支持，并进一步降低成本。铠侠在近期宣布开源AiSAQ™技术，这是一项专为SSD优化的新型“近似最近邻”搜索（ANNS）算法，跳过将索引数据载入内存（DRAM）的步骤，直接在SSD上执行检索操作，帮助企业/应用针对特定数据优化，从而实现帮助大语言模型（LLM）训练节省成本。

利用高性能存储特性，铠侠在AI前沿进行了诸多尝试。包括通过Memory-Centric AI技术解决企业级SSD中图像分类任务中灾难性丢失问题，在神经网络不通过调整的前提下，在深度学习中快速获得图像特征辨别和标签添加。并在数年前与NVIDIA展开深度合作，从加速StyleGAN、NeRF等算法，到协助NVIDIA搭建Omniverse平台，包括搭建最新的物理AI开发平台NVIDIA Cosmos，为LLM训练整理自定义数据集的NVIDIA NeMo Curator。

针对前瞻性存储，铠侠在近期还正式发布了全新XD8系列PCIe^® 5.0 EDSFF（企业和数据中心标准型）E1.S固态硬盘。它是铠侠第三代E1.S固态硬盘，符合PCIe^® 5.0（32 GT/s x 4）和NVMe™ 2.0规范，并支持开放计算项目（OCP）数据中心NVMe SSD v2.5规范。

铠侠XD8系列专为云和超大规模环境设计，满足数据中心对高性能、高效率和高可扩展性的日益增长的需求。通过这款新的固态硬盘，云服务提供商和超大规模企业能够优化基础设施，在保持运营效率的同时提供卓越的性能。

让AI移动起来

DeepSeek另一个实现领域则是在移动平台。即便是春节假期，多个版本针对AI PC本地化AI部署的DeepSeek R1已经成型，例如蒸馏版本的7B和14B参数模型在笔记本和消费级台式机电脑上，可利用NPU和GPU实现离线运作，进一步确保了私有信息的安全。

对于AI PC而言，除了提供独立GPU或者NPU进行AI加速，大容量NVMe SSD也同等重要，另外还要考虑到有限的AI PC内部空间，固态硬盘需要同时兼顾性能与散热。以铠侠BG6系列为例，铠侠 BG6 系列在AI PC上能够展现卓越的性能和灵活性。采用 PCIe^® 4.0 和 NVMe 1.4c 规范，搭载高达2,048GB存储空间。顺序读取速度最高可达 6,000 MB/s，随机读取速度更是高达 900,000 IOPS。这使得BG6系列成为紧凑型固态硬盘中的佼佼者，为用户提供了更快速、更高效的数据处理体验。

另外BG6 系列提供了多种容量选择，包括 256GB、512GB、1,024GB 和 2,048GB，适用于不同用户需求。其采用 M.2 Type 2230 和 Type 2280 模组封装，可灵活应用于各类薄型设备，如超薄笔记本电脑、嵌入式设备。也给不同形态的AI PC部署本地AI提供了丰富的解决方案。

从数据中心、服务器，到个人计算机，铠侠为AI计算提供了丰富、高效的存储方案，并与合作伙伴展开深度合作，从软件和硬件层面入手，利用高性能固态硬盘的特性，为AI计算提供可靠的存储后盾，共同探索更多AI的可能性，充分利用AI与数据，创造更多价值。