558万美元，是DeepSeek披露的训练成本，相较于ChatGPT等主流AI，成本不到1/10。而在性能上，DeepSeek已达到业界领先水平。当我们惊叹于DeepSeek以超低成本实现顶尖性能突破时，不禁想要追问：除了算力，AI竞赛的另一决胜点，究竟是什么？

强大存力成就顶尖智慧

从V3到R1系列，DeepSeek的技术演进实现了训练效率的突破，而大模型训练本质上是一个数据密集型的计算过程，大规模的参数与海量的数据处理贯穿始终。为满足DeepSeek等大模型的技术演进需要，存储系统必须具备以下几大关键能力：

● 高性能读写：大模型训练涉及海量数据的频繁读写，存储系统必须提供高IOPS和高吞吐量，以支撑计算过程中的高速数据交换；

● 海量小文件处理：大模型通常由数以亿计的小文件组成，传统存储处理效率低下。因此，存储系统需优化聚合访问，将零散的小文件快速“打包整理”，从而提高访问效率，保障模型训练的流畅性；

● 高可靠性与自愈能力：在大规模数据集群中，故障风险大，数据丢失重训成本高。因此，存储系统需具备99.9999%的高可靠性，并配备故障自愈机制，如亚健康检测与恢复管理、数据容错技术等，以确保数据的安全性和完整性；

● 弹性扩展：随着大模型规模和任务复杂度的增长，存储系统需支持千节点并发访问，并实现无缝扩展，不影响业务运行；

● 高效数据治理：存储系统需具备统一的数据湖管理能力，实现数据全局可视、可管、高效流动，降低治理成本并精准分级存储。

创新方案从容应对大模型训练存储挑战

面对DeepSeek等大模型训练对存储系统提出的严苛挑战，宏杉科技MC27000万象高性能并行文件系统通过四大创新从容应对：

分布式并行架构

NVMe介质+RDMA网络，单节点混合读写性能突破70GB/s，为大模型训练提供强大读写支持；

智能IO优化

文件聚合技术，将元数据操作性能提升8倍，适配频繁权重更新场景，显著提高存储系统对海量小文件的处理效率；

并行客户端

支持POSIX和MPI-IO接口，实现客户端并发读写和负载均衡，最大程度发挥节点性能，确保多节点并发访问时存储系统的稳定高效运行；

高可靠数据引擎

22+2纠删码技术，实现90%的高存储利用率，结合亚健康磁盘预测与热修复机制，年故障率低于0.01%，为数据安全提供可靠保障；

智能数据分级

尽可能将用户频繁读取的数据存储在NVMe介质中，提升热数据访问命中率，同时利用QLC/HDD大容量盘存储温冷数据，实现存储资源的合理配置与高效利用。

DeepSeek的技术突破，是算力与存力协同进化的生动印证——模型规模的扩张与算法的创新不断挑战着存储极限，而存储系统的每一次跃迁又为更大规模、更高效率的训练铺平道路。在这场效率革命中，软硬一体的协同设计将成为AI竞争的新高地。宏杉科技将持续推动存储技术与AI发展的深度融合，携手业界共同探索AI时代的无限可能。