在今天开幕的GTC 2024上，NVIDIA展示了最新的GPU技术和AI应用案例，并将介绍与高性能存储相关的技术和解决方案。

以大模型为代表的AI技术快速发展，对存储也提出了更高要求，尤其是在深度学习领域，大规模的训练数据和复杂的模型结构使得存储要求更加苛刻，需要具备更高的读写速度和更大的存储容量。基于当前市场对高效存储的迫切需求，优刻得推出了自主研发的UPFS并行文件存储产品，能够以更高的吞吐量和更低的延迟，提升AI模型训练效率。

（UPFS高性能接入）

（UPFS-GDS技术支持）

客户诉求：在进行大规模的AI模型训练时，需要快速访问和处理海量的特征文件和模型参数，大量数据输入和输出操作要求存储具备高IOPS、高带宽、低延时的读写特性，以确保GPU服务器能够充分利用数据进行训练，从而提高训练效率和模型精度。

实现价值：UPFS实现了小文件顺序读、大文件随机读性能的大幅提升，从而将单个训练任务的时间缩短至几天甚至几小时，效率提升了100%以上。

客户诉求：芯片设计阶段，需要频繁进行大规模仿真和数据处理，因此对存储的读写性能要求非常高，需要保证高IOPS、高带宽、低延时的读写特性。此外，还存在版本备份需求，这是为了确保在设计过程中发生意外情况时能够及时恢复到之前的版本，保证设计的连续性和稳定性。

实现价值：UPFS保证了高IOPS、高带宽、低延时的读写特性，大大提高了仿真效率；版本备份需求的实现可以保证设计过程的连续性和稳定性，避免不必要的风险和损失；成本降低40%的优势，让该芯片客户能够以更具竞争力的成本获得与国际知名存储品牌相媲美的服务和效果。

客户诉求：面临着海量数据存储和访问的挑战，现有的存储设备性能低下，无法满足高速数据读写和扩展需求，因此需要PB级别以上的并行文件存储系统来支持高效的数据访问和存储。

实现价值：通过部署PB级别的并行文件存储集群，该客户可以实现数百GB/s的带宽支持，能够在AI训练过程中实现高速、稳定的数据读写操作，极大地提高了训练效率和模型性能，缩短了训练时间，加快了客户的模型迭代速度。