原创力文档- 1、本文档共26页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
为大规模AI构建高效数据
基础设施的技术挑战与实践
演讲人：常亮
目录
AI存储在混合云场景
01AI数据存储的特点02
下面临的技术挑战
CubeFS支撑AI存储面向AI存储构建下一
0304
的技术要点与实践代混合云存储的方案
01
AI数据存储的特点
AI整体架构
AdChatGpt|
AI平台/服务BreenoADS-GPTpytorch/tensorFlow
RecommendationLLAMA……
IDE任务调度任务调度数据加速作业管理弹性训练推理大数据集成
CodesGpusGpu数据管理kubeflow分布式训练推理引擎Spark
云原生
基础设施NotebookGangGang预热arenaDeepSpeed事件处理RAY
框架
模型存储与
共享GPU拓扑缓存流水线生命周期S3/HDFS
管理
基础资源GPU|NPURDMACPUOSSPOSIXHDFS
AI全流程与存储对照
02
AI存储在混合云场景下
面临的技术挑战
模型数据集规模提升
/artificial-intelligence
1.计算资源需求：随着数据点和参数的增加，训练这些模型所需的计算资源和时间大幅提升。
2.性能提升：更大的数据集和更复杂的模型通常可以提高模型的性能，使其在各种任务中表现得更加出色。
3.挑战：虽然更大的数据和参数量可以提升性能，但也带来了数据管理、训练时间、模型部署和环境影响等方面的新挑战。
模型算力需求提升
/artificial-intelligence
模型分发效率要求提升
时效性
全量、增量更新
预热能力
缓存能力、淘汰能力
安全技术
吞吐能力
地域分布需求
•存储成本
•存储单价
•多份存储成本叠加
文档评论（0）