從AI服務器到AI PC，如何快速的用上DeepSeek成為熱門問題。無論DeepSeek Janus-Pro把多模態提升到了一個新層次，還是媲美主流的DeepSeek-V3
，或者應用於本地的DeepSeek-V3
，對存儲都提出了新的需求。以完整未蒸餾的DeepSeek R1模型為例
，這是一個擁有6710億參數的混合專家（MoE）模型
，未量化版本的文件體積高達720GB
，而動態量化版本也達到150GB到400GB之間。

DeepSeek讓GPU算(suan)力(li)一(yi)下(xia)子(zi)得(de)到(dao)了(le)空(kong)前(qian)的(de)釋(shi)放(fang)，允(yun)許(xu)廠(chang)商(shang)將(jiang)更(geng)多(duo)的(de)資(zi)源(yuan)集(ji)中(zhong)到(dao)其(qi)它(ta)關(guan)鍵(jian)硬(ying)件(jian)中(zhong)，比(bi)如(ru)更(geng)強(qiang)大(da)的(de)並(bing)行(xing)能(neng)力(li)


，以(yi)及(ji)更(geng)優(you)秀(xiu)的(de)存(cun)儲(chu)方(fang)案(an)。很(hen)顯(xian)然(ran)，常(chang)規(gui)的(de)存(cun)儲(chu)方(fang)案(an)已(yi)經(jing)不(bu)能(neng)很(hen)好(hao)的(de)解(jie)決(jue)效(xiao)率(lv)和(he)存(cun)儲(chu)的(de)問(wen)題(ti)
，在(zai)企(qi)業(ye)級(ji)和(he)數(shu)據(ju)中(zhong)心(xin)級(ji)SSD為AI提供存儲支持時，以QLC和CXL為例的新技術也正在協助AI以更低成本和更高的效率運行。

QLC與CXL：為AI鋪路

由於DeepSeek不僅降低了計算成本
，多模態處理能力
、說(shuo)是(shi)知(zhi)識(shi)圖(tu)譜(pu)和(he)推(tui)理(li)能(neng)力(li)的(de)優(you)秀(xiu)表(biao)現(xian)，使(shi)得(de)廠(chang)商(shang)擁(yong)有(you)足(zu)夠(gou)的(de)資(zi)源(yuan)調(tiao)用(yong)更(geng)多(duo)的(de)數(shu)據(ju)。這(zhe)使(shi)得(de)原(yuan)本(ben)大(da)量(liang)的(de)冷(leng)數(shu)據(ju)變(bian)成(cheng)了(le)溫(wen)數(shu)據(ju)。溫(wen)數(shu)據(ju)對(dui)存(cun)儲(chu)有(you)著(zhe)更(geng)高(gao)的(de)要(yao)求(qiu)，需(xu)要(yao)相(xiang)對(dui)HDD更快的傳輸速率，並且存儲數據可能每年以EB級增長。這導致SSD的需求往大容量和低成本的方向發展。

其中QLC能夠更好的在單位空間內提升存儲容量，第八代BiCS FLASH™ 2Tb QLC的位密度比鎧俠目前所采用的第五代BiCS FLASH™的QLC產品提高了約2.3倍，寫入能效比提高了約70%。不僅如此
，全新的QLC產品架構可在單個存儲器封裝中堆疊16個芯片，為業界提供領先的4TB容量，並采用更為緊湊的封裝設計

，尺寸僅為11.5 x 13.5 mm
，高度為1.5 mm。

這意味著，未來采用第八代BiCS FLASH QLC的存儲產品在存儲空間擁有質的飛躍，可以輕鬆將企業級SSD和數據中心級SSD容量提升至120TB以上。

密集的DeepSeek計算也意味著對內存有著海量的要求，但動輒數百GB的訓練模型全部存儲在內存中也意味著高昂的成本，如何利用BiCS FLASH™降低成本也是未來的思考方向。例如利用相變存儲原理，基於BiCS FLASH™結構打造的XL-FLASH存儲級內存（Storage Class Memory, SCM）與CXL相結合，開發相較內存功耗更低、位密度更高，相較閃存讀取速度更快的存儲器。這不僅會提高存儲器利用效率，還有助於節能。

CXL技術本身通常也意味著更先進的PCIe版本支持
，鎧俠則是積極響應PCIe升級的存儲製造商之一。例如，鎧俠率先推出支持PCIe^® 5.0的企業級固態硬盤CM7係列。PCIe^® 5.0 SSD與傳統存儲設備（如PCIe^® 4.0 SSD）的對比測試，結果顯示
， CM7係列SSD在多個GPU並行訪問時
，能夠提供91%的I/O吞吐量提升
，此外，它的讀取延遲比傳統SSD低57%。同時
，PCIe^® 5.0 SSD能機器學習訓練時間能夠得到顯著減少。以16個GPU並行處理為例，使用PCIe^® 5.0 SSD可以減少32到44天的訓練時間。

特別是在PCIe^® 5.0與NVMe™規範下實現可靠的RAID兼容性和互操作性能。特別是生成式AI與檢索增強生成 (RAG) 係統的重要性更勝以往，關係數據庫PostgreSQL和向量數據庫需求變得格外重要。例如通過Xinnor的RAID 解決方案的兼容性和互操作性測試，與采用相同硬件配置的軟件 RAID 解決方案相比
，在數據降級模式下執行PostgreSQL
，效能更提升達25倍。

搶先布局

任何前沿技術不可能一蹴而就，AI技術的積累更是如此。流暢體驗的AI服務對數據傳輸速度有著很高的要求。在多年前，鎧俠已經開始對AI展開布局，並致力於為人工智能的發展提供高性能的存儲解決方案。

為了推動檢索增強生成（RAG）擴展獲得更好的性能支持
，並進一步降低成本。鎧俠在近期宣布開源AiSAQ™技術，這是一項專為SSD優化的新型“近似最近鄰”搜索（ANNS）算法，跳過將索引數據載入內存（DRAM）的步驟，直接在SSD上執行檢索操作，幫助企業/應用針對特定數據優化，從而實現幫助大語言模型（LLM）訓練節省成本。

利用高性能存儲特性
，鎧俠在AI前沿進行了諸多嚐試。包括通過Memory-Centric AI技術解決企業級SSD中圖像分類任務中災難性丟失問題，在神經網絡不通過調整的前提下，在深度學習中快速獲得圖像特征辨別和標簽添加。並在數年前與NVIDIA展開深度合作
，從加速StyleGAN、NeRF等算法
，到協助NVIDIA搭建Omniverse平台
，包括搭建最新的物理AI開發平台NVIDIA Cosmos
，為LLM訓練整理自定義數據集的NVIDIA NeMo Curator。

針對前瞻性存儲
，鎧俠在近期還正式發布了全新XD8係列PCIe^® 5.0 EDSFF（企業和數據中心標準型）E1.S固態硬盤。它是鎧俠第三代E1.S固態硬盤
，符合PCIe^® 5.0（32 GT/s x 4）和NVMe™ 2.0規範
，並支持開放計算項目（OCP）數據中心NVMe SSD v2.5規範。

鎧俠XD8係列專為雲和超大規模環境設計
，滿足數據中心對高性能、高(gao)效(xiao)率(lv)和(he)高(gao)可(ke)擴(kuo)展(zhan)性(xing)的(de)日(ri)益(yi)增(zeng)長(chang)的(de)需(xu)求(qiu)。通(tong)過(guo)這(zhe)款(kuan)新(xin)的(de)固(gu)態(tai)硬(ying)盤(pan)，雲(yun)服(fu)務(wu)提(ti)供(gong)商(shang)和(he)超(chao)大(da)規(gui)模(mo)企(qi)業(ye)能(neng)夠(gou)優(you)化(hua)基(ji)礎(chu)設(she)施(shi)，在(zai)保(bao)持(chi)運(yun)營(ying)效(xiao)率(lv)的(de)同(tong)時(shi)提(ti)供(gong)卓(zhuo)越(yue)的(de)性(xing)能(neng)。

讓AI移動起來

DeepSeek另一個實現領域則是在移動平台。即便是春節假期，多個版本針對AI PC本地化AI部署的DeepSeek R1已經成型，例如蒸餾版本的7B和14B參數模型在筆記本和消費級台式機電腦上
，可利用NPU和GPU實現離線運作
，進一步確保了私有信息的安全。

對於AI PC而言，除了提供獨立GPU或者NPU進行AI加速
，大容量NVMe SSD也同等重要，另外還要考慮到有限的AI PC內部空間
，固態硬盤需要同時兼顧性能與散熱。以鎧俠BG6係列為例
，鎧俠 BG6 係列在AI PC上能夠展現卓越的性能和靈活性。采用 PCIe^® 4.0 和 NVMe 1.4c 規範，搭載高達2,048GB存儲空間。順序讀取速度最高可達 6,000 MB/s，隨機讀取速度更是高達 900,000 IOPS。這使得BG6係列成為緊湊型固態硬盤中的佼佼者

，為用戶提供了更快速、更高效的數據處理體驗。

另外BG6 係列提供了多種容量選擇，包括 256GB、512GB、1,024GB 和 2,048GB，適用於不同用戶需求。其采用 M.2 Type 2230 和 Type 2280 模組封裝

，可靈活應用於各類薄型設備


，如超薄筆記本電腦、嵌入式設備。也給不同形態的AI PC部署本地AI提供了豐富的解決方案。

從數據中心、服務器，到個人計算機，鎧俠為AI計算提供了豐富、高效的存儲方案，並與合作夥伴展開深度合作
，從軟件和硬件層麵入手，利用高性能固態硬盤的特性，為AI計算提供可靠的存儲後盾，共同探索更多AI的可能性，充分利用AI與數據，創造更多價值。