說起“存儲”和“AI”，很多人會說存儲對AI很重要，因為AI的發(fā)展是由海量數(shù)據(jù)支撐起來的，這就使得人們對數(shù)據(jù)處理提出了極高的要求，需要更大的內(nèi)存去存儲更多的數(shù)據(jù)，不得不承認，高性能的存儲能讓AI技術發(fā)揮出最大威力。但其實AI對存儲也很重要，AI 時刻推動著存儲的發(fā)展，究其原因繞不開存內(nèi)計算（PIM ：Processing in-memory）。

存內(nèi)計算是一項打破傳統(tǒng)馮諾依曼架構(gòu)的新型運算架構(gòu)，通過將存儲和計算有機結(jié)合，直接利用存儲單元進行計算，極大地消除了數(shù)據(jù)搬移帶來的開銷，解決了傳統(tǒng)芯片在運行人工智能算法上的“存儲墻”與“功耗墻”問題，可以數(shù)十倍甚至百倍地提高人工智能運算效率，降低成本。

雖然存內(nèi)計算的基本概念早在上個世紀七十年代就已經(jīng)被提出，但直到近些年才逐漸成為人們關注的焦點，原因在于，算力和運算數(shù)據(jù)量的激增導致存儲墻問題愈發(fā)凸顯，想要進一步提高算力，只有解決存儲墻問題，而在各種解決方案中存內(nèi)計算是最直接的一種方式，可以實現(xiàn)高能效、低功耗、低成本。

早在2019年，美光首席執(zhí)行官 Sanjay Mehrotra 就指出，曾經(jīng)的計算架構(gòu)并不適合未來的發(fā)展趨勢，從長遠來看認為計算最好在內(nèi)存中完成。當時美光另一位技術高管也堅信計算和內(nèi)存的融合對于提高性能效率和降低延遲是必要的，并愿意為此付出努力。不少業(yè)內(nèi)人士認為，未來存儲器可能不僅僅是存儲設備，還可能是加速器，或者還會具備其他的功能，例如更好的ECC等。

那么，面對數(shù)據(jù)量激增的未來，如何應對內(nèi)存帶寬挑戰(zhàn)，實現(xiàn)更優(yōu)質(zhì)的 PIM來減輕各種 AI 驅(qū)動所面對的諸如HPC、培訓和推理等工作負載？AI就是一個很好的選擇，隨著技術的演進，越來越多的存儲廠商開始加入AI戰(zhàn)…


AI存儲，百億空間

IDC預測，全球AI（人工智能）市場支出將在2021年達到850億美元，并在2025年增至2,000億美元，五年復合增長率（CAGR）約為24.5%。2025年，全球約8%的AI相關支出將來自于中國市場，市場規(guī)模在全球九個區(qū)域中位列第三。

“十四五”規(guī)劃綱要將“新一代人工智能”作為議題重點提及，加上新基建、數(shù)字經(jīng)濟在內(nèi)的持續(xù)利好政策的推動，中國AI市場將穩(wěn)步發(fā)展。根據(jù)最新預測，2021年，中國在AI市場的支出規(guī)模將達到82億美元。2021-2025的五年預測期內(nèi)，中國市場AI相關支出總量將以22%左右的CAGR增長，有望在2025年超過160億美元。

人工智能市場的高速發(fā)展，也帶動了AI存儲的發(fā)展。根據(jù)IDC，從2018年開始，全球AI存儲的年復合增長率高達37%，到2022年，AI存儲的市場規(guī)模將達100億美金。

也就是說，今年AI存儲的市場規(guī)模就將進入百億美金俱樂部了。


AI 時代，存儲比以往更加重要

在 AI 的快速發(fā)展下，數(shù)據(jù)量出現(xiàn)了爆炸式增長，AI 工具也開始在各種不同的、以存儲為中心的應用程序中展開。比如，在 AI 訓練工程中，需要存儲智能分層；亦或者，從更實際的層面上來看，AI 訓練亟待解決在多云環(huán)境下的存儲問題。

為此，人們開始對于數(shù)據(jù)處理的極高需求與底層存儲技術之間的不匹配感越來越強烈。當數(shù)據(jù)增長得越多，在內(nèi)存和存儲上的數(shù)據(jù)堵塞就越嚴重，人們愈發(fā)希望擴大內(nèi)存，在 DRAM 上存儲更多數(shù)據(jù)，同時需要保持低時延，不能和 CPU 的運算速度相差太遠。于是，我們看到了來自 AI 對存儲的正向驅(qū)動，也了解到企業(yè)對軟件定義存儲有了更大的需求。


AI 激活存儲的隱藏潛力

盡管 AI 時刻在推動存儲發(fā)展，但是想要進一步激活存儲潛力，仍需要解決 AI 場景下，存儲容易面臨的挑戰(zhàn)：

海量小文件，由于訓練任務需要的文件數(shù)量都在幾億到十幾億的量級，所以存儲需要能承載幾十億甚至上百億的文件數(shù)量。同時，由于很多訓練模型都是依賴于圖片、音頻片段、視頻片段文件，而這些文件基本上都是在幾 KB 到幾 MB 之間。

讀多寫少，在大部分場景中，訓練任務只讀取文件，中間很少產(chǎn)生中間數(shù)據(jù)，即使產(chǎn)生了少量的中間數(shù)據(jù)，也是會選擇寫在本地，很少選擇寫回存儲集群。

目錄熱點，由于訓練時，業(yè)務部門的數(shù)據(jù)組織方式不可控，很有可能用戶會將大量文件存放在同一個目錄，容易導致多個計算節(jié)點在訓練過程中，會同時讀取這一批數(shù)據(jù)，這個目錄所在的元數(shù)據(jù)節(jié)點就會成為熱點。

“工欲善其事，必先利其器”，要想發(fā)揮出 AI 人工智能技術的最大威力，解決存儲挑戰(zhàn)就成為企業(yè)構(gòu)建強有力的 IT 基礎設施的重要一環(huán)。如果沒有高性能的存儲，就會導致整個系統(tǒng)性能出現(xiàn)延遲的情況。

因此 AI 對存儲性能的要求是很苛刻的，企業(yè)希望存儲系統(tǒng)能滿足高吞吐量和低延時的需求，讓更多的數(shù)據(jù)能更及時地傳輸和執(zhí)行，那么對于這個愿望應該如何實現(xiàn)呢？


卡位AI，投資先行

如何最快獲得一項新技術，投資/收購就是極為常見的一種方式，存儲廠商開啟AI投資熱潮大約是在2018年前后，這一年也是人工智能的狂歡年，Google Duplex代替人類自動接打電話、歐盟正式發(fā)布的人工智能道德準則草案、OpenAI的5v5 DOTA AI“Open AI Five”再次完勝人類、全球第一個“AI合成主播”正式上崗…種種一切似乎讓人們意識到，只在小說中存在的AI時代真的要來了。

2018年6月，存儲龍頭三星公布了一項專注于 AI 科技和初創(chuàng)公司的新基金“Samsung NEXT Q Fund ”，將為那些解決AI問題以及使用AI解決計算機科學問題的初創(chuàng)公司提供種子輪和 A 輪融資支持，公告中特別提到，包括的領域涉及模擬學習、場景理解，問題學習方案和人機交互。

到了2018年8月，三星集團宣布，未來三年將在AI、汽車零部件等領域投資逾220億美元，其中大部分投資由三星電子承擔；2021年8月，三星再次公布未來三年會投資240萬億韓元（約合2055億美元）到生物制藥、人工智能、半導體、機器人等領域。從2018年的220億美元，到2021年的2055億美元，十倍的增長，雖然AI并不是三星電子加大投資的惟一領域，但顯然已經(jīng)是被鎖定的新成長領域。

在2018年三星宣布成立新基金后不久，美光也宣布通過美光創(chuàng)投投入一億美元在人工智能及機器學習新創(chuàng)公司，當時消息顯示，投資新創(chuàng)不僅有助于加速人工智能的發(fā)展，還能間接帶動對于DRAM與NAND內(nèi)存與3D Xpoint等次世代內(nèi)存的需求。

或許是投資已經(jīng)沒辦法滿足需求，又或許是美光進一步認識到了存內(nèi)計算的重要性，到了2019年，美光科技直接收購了人工智能硬件和軟件初創(chuàng)公司Fwdnxt，這在當時的行業(yè)內(nèi)掀起了不小的波瀾。美光認為，F(xiàn)wdnxt的技術與美光的存儲芯片結(jié)合使用時，能夠使美光具備探索數(shù)據(jù)分析所需的深度學習AI解決方案的能力，尤其是物聯(lián)網(wǎng)和邊緣計算。

美光方面還表示，收購Fwdnxt不僅不會與英特爾、英偉達等有更多的競爭，相反反而會有更多的合作。在美光看來，沒有人可以在數(shù)據(jù)中心領域與他們競爭，存儲廠商想要分得一杯羹，為英特爾等提供更多幫助，那么在邊緣計算方面進行研究，將會是美光獲得最大效率和規(guī)模經(jīng)濟的地方。

數(shù)據(jù)中心是互聯(lián)網(wǎng)、云計算和人工智能等領域的通用支撐技術，中國信通院《數(shù)據(jù)中心白皮書2022》報告顯示，2021年全球數(shù)據(jù)中心市場規(guī)模超過679億美元，預計2022年市場收入將達到746億美元。而存儲和AI都是數(shù)據(jù)中心不可缺少的重要部分，一方面任何數(shù)據(jù)中心的數(shù)據(jù)最終都要放置到存儲設備上。另一方面，AI能夠幫助數(shù)據(jù)中心提高能源效率，進而節(jié)省成本，還能幫助優(yōu)化運維，使用預測分析來幫助數(shù)據(jù)中心分配工作負載。那么，當數(shù)據(jù)中心的“左膀右臂”結(jié)合在一起，勢必會帶來奇效，這或許也是美光收購Fwdnxt的一部分考量。

而在2019年，SK海力士也加入了這場AI投資戰(zhàn)，甚至攻勢十分兇猛。2019年年初，SK海力士投資了地平線；2020年9月，宣布投資Gauss Labs公司，旨在通過工業(yè)人工智能（AI）解決方案引領半導體制造業(yè)創(chuàng)新；2022年1月，SK 海力士又同SK Telecom 以及 SK Square一起宣布，成立聯(lián)合發(fā)展協(xié)會，首先將砸 800 億韓元，在美國設立 AI 半導體公司 SAPEON，SK 海力士持有25%的股份，這對于SK 海力士來說，在 NAND 閃存以及AI領域的事業(yè)也會更進一步擴張。

國產(chǎn)廠商，迎頭趕上

國產(chǎn)廠商，推出類似Pure Storage這樣的AIRI通用AI一體機的不多，但推出AI存儲的廠商就很多了。

比如華為，就專門推出了針對HPDA的OceanStor Pacific系列。

其中高端AI場景，就需要采用Pacific最高端的全閃型號Pacific 9950了。但從華為官網(wǎng)宣傳的規(guī)格看，目前Pacific 9950雖然同時支持以太網(wǎng)和IB，但是最高速率還是100G。

反而國內(nèi)專門做高性能文件系統(tǒng)的初創(chuàng)公司焱融科技，最近發(fā)布的全閃分布式文件存儲一體機焱融追光 F8000X 系列，率先支持200G IB雙端口，令人眼前一亮。


下一代存儲助攻邊緣AI發(fā)展

將存儲進行異質(zhì)整合的近存儲運算（Near Memory Computing；NMC）與PIM形成兩大派別，雖然在業(yè)界各有擁護者，但多家存儲大廠多半采取同步進行的雙重布局，其中，近存儲運算的異質(zhì)整合設計雖然具有較多I/O數(shù)量，但存儲與邏輯芯片進行疊加的設計較為成熟，并可達到節(jié)省連接線及降低功耗的效益。

PIM技術仍處于初期研究階段，至于異質(zhì)整合則與多家潛在客戶進行合作及討論相關規(guī)格，包含云端AI運算、服務器運算、AI獨角獸等相關客戶，并希望在DRAM芯片進行灌孔設計，類似于讓訊號可以透過灌孔進行對外傳輸，未來希望將導入于邊緣服務器等相關應用。

不同于過去AIoT主要集中于工控客戶，邊緣AI將全面開發(fā)全球軟件及新應用客戶，邊緣AI將是未來5~10年的重要成長動能。

邊緣AI落地需要整合要多方串連，因此必須透過集團力量去符合客戶需求，舉例在AI智能城市的智能電桿，其監(jiān)控環(huán)境功能需搭配參考判斷，也需要高度整合模組進行針對空氣感測、遠端監(jiān)控和標案部分，并加入頻外遠端管理等功能，透過結(jié)合軟硬整合、遠端管理及數(shù)據(jù)安全等三大關鍵要素，將可望助力全球客戶加速達成AI最佳化目標。