人工智能和对象存储，能擦出什么样的火花？

我个人认为，AI训练有个特点，它一次性将原始训练集的数据加载到计算节点的内存或者SSD后，需要经过一段较长的时间(也即计算或说训练)，才会再次读取存储上的数据。因此，对象存储的延迟可能不会构成障碍，这一点可以通过高并发来弥补。

3)还可将SwiftStack用于数据提取，或者数据归档阶段。海量的数据，采用对象存储是一个不错的选择。

4)维护原有使用习惯

NVIDIA内部大量使用SwiftStack来存储数据，几年下来，习惯已经养成，而且猜测数据量也非常庞大。通过收购SwiftStack，以免未来受人制肘，也是有可能的。

无论如何，对象存储在云计算和AI迅猛普及的情况下，一定会迎来它的春天。IDC中国SDS市场数据显示，2019年对象存储增长率55.3%，是中国软件定义存储市场里增速最快的细分领域。

在中国的对象存储市场中，浪潮的AS13000做出了贡献。2019年，AS13000对象存储成功地在某银行(国内排名前15)总行的影像系统中部署，并实现了同城容灾功能。如下图所示：

浪潮AS13000对象存储的实际案例

浪潮分布式存储在不断迭代的过程中，除了前面提到的同城容灾之外，还开发了大量的其他高级特性。一是小对象聚合。浪潮对象存储针对海量小文件场景，通过小对象聚合，节约HDD的磁盘IO，提升存储效率。二是读Cache加速。在卡口图片、AI计算场景，通过读Cache加速提升数据读取效率。三是元数据检索。在存储系统内集成索引引擎，实现根据对象元数据多条件模糊检索对象的技术，有效地提升了海量非结构化数据中“大海捞针”的效率。四是企业级WORM，满足企业客户数据的法规性要求，结合应用特点，灵活设置宽限期和保护期。此外，还有存储OS加固、桶策略配置等等。

展望未来

受“新冠疫情”影响，在线化、数字化、分散化、自动化等新形态新模式，也对AI、大数据中心(含计算、存储、网络和安全)等的发展提出了迫切的需求。

疫情趋势预测、风险预警、医疗资源和物质的预测和调配，要做到快速、准确、科学的判断，需要和AI结合。

另外，非接触的服务和工作、自动化、快速分析决策和响应的需求等，将会爆发。例如，人脸识别(包括免摘口罩的人脸识别)、AI辅助诊断、应急管理、安防监控、知识图谱、基因研究、医药研发、金融服务、智能配送、各行各业的无人值守(例如零售)、物流运输、个人画像、轨迹追踪、舆情分析等等。

我们相信，作为新基建的一部分，包含AI和存储在内的信息基础设施将迎来更好更快的发展。

（编辑：PHP编程网 - 黄冈站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!