QLC SSD为AI领域储存的重要选择

大普微电子（DapuStor）成立于2016年，作为国际领先的企业级SSD主控芯片设计、SSD产品及储存方案供应商，大普微研发团队超过400名成员，已申请或授权的发明专利超过300项，具备从芯片设计到储存产品量产交付的全栈能力。基于自研DP系列主控芯片及固件，公司产品广泛用于国际云端运算、网际网络、电信营运商及金融等产业数据中心。

在科技的演进历程中，AI技术以其独特的优势逐渐崭露头角。从最初的简单计算到现在的深度学习、生成式AI，AI技术正以前所未有的速度向前发展。在这个过程中，数据成为了推动AI技术进步的关键因素。而为了满足AI对数据储存的需求，QLC SSD凭借其高效扩展能力及极高能效比，成为人工智能应用场景下的重要选择。

AI智能进入新赛道，数据储存面临挑战

2018年，OpenAI发布的GPT模型在AI界引发震动，开启了语言处理技术的新篇章。2019年，GPT-3等预训练模型在自然语言处理领域的革命性进步推动了AI技术的实用化，并渗透到各行各业。2023年，生成式AI以DALL-E和Stable Diffusion为代表，激发了公众对AI创造能力的广泛兴趣。ChatGPT的问世掀起了「自动文本生成」和「自动语言翻译」的热潮，代表着大型AI模型的数据规模进入「爆炸式」成长期。全球科技企业和研究机构竞相投入资源开发自有模型，但在此过程中，数据储存成为一大挑战。

大模型对数据存储规模及处理效率提出高要求

大模型时代，数据决定AI智能的高度。根据IDC预测，全球数据总量将在2025年达到175ZB，新兴的AI应用场景对储存需求有了更高的要求：

高扩展能力：AI工作负载要求储存具备高效扩展的能力，以支撑高品质的输出驱动数据集和日益成长的模型规模所带来的庞大数据量。

满足计算效率：AI服务器计算资源占比高，而存储器容量的约束增加了储存设备的浏览频率，存储效能优化至关重要。 QLC SSD的高速读取能力和低延迟为AI大型模型快速加载提供高效数据支持，确保整体AI工作流的快速响应及连续性。

高能效存储解决方案：QLC SSD效能比远高于HDD，能够提升储存密度，降低功耗需求，提高智算集群效率，降低TCO。

因此，数据价值最大化的关键课题在于提供大容量、高效能、低能耗的存储解决方案，构建可用、可信、可控的先进存力，以应对大模型时代带来的数据浪潮挑战。

DapuStor PCIe 4.0 QLC SSDs

在2024年3月20日CFMS峰会上，DapuStor正式介绍了PCIe4.0 QLC SSD产品，其支持两种典型大容量16TB和32TB，同时支持4K反映及双埠特性。可以在核心储存场景替代SAS/SATA HDD，并且顺序读写以及随机读基本上接近同类TLC产品，兼具了HDD的高容量以及媲美TLC的带宽填补了TLC SSD和HDD之间成本和性能的鸿沟。与此同时，在7G读带宽下仅仅需要12W的功耗，非常适合低功耗、高容量高密储存场景。QLC SSD的高速读取能力及高容量，对于大型AI模型的加载加速、AI推论前的大数据预处理加速、以及为在线推论服务提供高输送量的带宽支持，都可以发挥出巨大作用，确保服务的连续性和可靠性。

DapuStor QLC SSDs vs HDDs

以10PB储存集群配置为例，若使用24TB的HDD，需要595块硬盘和50台服务器。而改用DapuStor的32TB PCIe4.0 QLC SSD，则仅需347块盘片和29台服务器，分别在硬盘和服务器需求上减少了约42%。此外，所需机架空间也减半。在能耗方面，DapuStor QLC SSDs五年的电力消耗成本比HDD方案低30%。作为可直接替换HDDs的产品，DapuStor QLC SSDs解决方案能将总体拥有成本（TCO）降低41%，展现出显着的成本效益。

DapuStor QLC SSDs vs TLC SSDs

DapuStor QLC SSDs在实现读取性能媲美TLC SSDs的同时，其单位bit成本更低，相同储存密度所需的物理空间更小，TCO对比TLC SSDs平均每TB成本降低约20%，因此也成为了储存大量读取密集型数据或对延迟不敏感的应用场景的理想选择，如数据中心的温冷数据存储、内容分发网络的边缘缓存及部分云端运算平台的冷热数据分离策略。

总体来说，DapuStor QLC SSDs虽部分性能与TLC SSDs仍有差距，但能提供相较TLC SSDs更大的储存容量、更低的拥有成本；同时相较HDDs拥有更优的性能、效率、空间、电力、电力、冷却成本。

在技术突破和市场策略的推动下，DapuStor QLC SSDs是大普微电子为助力AI领域发展而投入的重要产品线。期待这一创新产品可发挥其关键数据基础硬件的支持作用，不断推动AI技术的广泛应用。