IT选型好物分享：AI时代，如何选择不拖后腿的存储？

60多年前的吉恩·罗登贝瑞并未想到，他笔下的种种“通讯设备”后来纷纷成为了现实——翻盖手机、触摸屏技术与平板电脑；75年前的坦利·温鲍姆也没想到，如今的VR几乎完美地呈现了他笔下“神奇眼镜”的功能；100多年前的狄娅·冯·哈堡更不知道，她笔下的“玛利亚”已然“改邪归正”，并成为正迅速进化发展的新科技——人工智能。

从Runway到Pika Labs再到Sora，人们再次刷新了对人工智能技术发展之迅速的认知。不同于聊天和文生图应用，文字生成视频需要考虑从静态到动态、从平面到不同时段下展示出的立体效果，并且需要解决视频内容的连贯性、逻辑性等问题。而这些，都离不开十分强大的算力和算法支持。

于是，你就会发现，AI模型对算力的投入愈发膨胀，而作为提供与管理数据的关键因素——存力，却被普遍忽视。据英伟达的官方资料显示，在一个AI数据中心购置预算的构成中，存储仅占20%。

如果说算力是人工智能发展的引擎，那么数据就是人工智能发展的燃料。为避免用户在进行模型训练时因“燃料”不够而无法“启航”，戴尔科技集团于前不久推出了专为下一代工作负载和AI创新而设计的新一代戴尔PowerScale。

作为影视行业的“守护神”、医疗行业的“生命线”的戴尔PowerScale，到了AI领域，依然“发光发热”，成为AI工作负载的“金牌辅助”。

PowerScale凭什么？

作为全球首个通过英伟达DGX SuperPOD认证的以太网存储，戴尔PowerScale与GPU直通，用户无需安装光纤通道或InfiniBand即可在本地处理高性能工作负载，更轻松地使用AI。

不止于此，PowerScale在三个架构层面满足了用户对AI存储的高性能和效率需求。

客户端访问层：

拥有高速以太网连接并支持NFS、SMB和HDFS等多种协议，并采用NVIDIA GPU Direct Storage和远程直接内存访问 (RDMA) 等尖端技术，加速在人工智能应用程序的GPU内存和存储设备之间的直接数据传输，可确保从各种客户端和工作负载无缝访问非结构化数据。

OneFS文件表示层:

通过最新的OneFS 9.7无缝集成卷管理、数据保护和分层功能，简化了跨各种存储类型的大数据量的管理，使用户能够轻松升级、扩展和迁移，确保文件系统智能高效，适应多样化需求。

PowerScale计算和存储集群层:

该层提供节点和节点间网络元素，从而实现可扩展且高度可用的文件集群。从处理基本容量和计算任务的小型、经济实惠的集群，到容纳PB级数据的扩展配置，PowerScale可轻松扩展和自动平衡集群，减轻管理负担。并且，节点专为轻松的生命周期管理而设计，可在不中断集群运行的情况下促进升级、迁移和技术更新。

这些基础层构成了部署人工智能的基石，以灵活且“始终在线”的方式实现高性能数据摄取、处理和分析。

而从核心功能来看，在戴尔PowerEdge服务器的驱动下，PowerScale可加速高级人工智能模型的流式读取和写入。结合高性能和高密度节点，PowerScale的核心功能为超高速、超精准地进行智能数据驱动决策铺平了道路：

▶首先，利用GPU Direct Storage，PowerScale在GPU内存和存储之间建立了直接路径，大幅降低了延迟并提高带宽。并对可启用GPU Direct的服务器和NFS over RDMA提供支持，PowerScale增强了吞吐量并降低CPU利用率，提供多达8倍的带宽和吞吐量提升。

其次，客户端驱动程序允许同时利用多个TCP连接到不同的PowerScale节点，这种分布式架构实现了更高的I/O操作吞吐量，提高了单个NFS挂载性能并平衡网络流量以防止出现瓶颈。

▶再者，专为无缝可扩展性而设计的PowerScale，可满足从小型集群到多PB环境不断变化的人工智能需求。通过轻松添加和升级节点，即使跨不同的节点类型和配置，PowerScale也能确保一致且可预测的性能。

▶最后，PowerScale提供全闪存、混合和存档节点，可满足不同的存储需求和预算。智能负载平衡策略优化了资源利用率，同时在线数据缩减通过消除重复或冗余数据降低了有效存储成本，PowerScale在支持存储层方面有着强大的灵活性。