大模型时代存储系统的重要性 - 存储系统是大模型正常运行的基础 保障数据安全留存和高效调取 缺乏高质量存储会导致算力陷入"无米之炊"困境 [2] - 大模型从训练到推理需要EB级海量数据持续供给 技术基建的核心逻辑是"存储支撑"底层托举"算力突破" [2] 中国存力缺口现状 - 2023-2024年数据年产量从32.85ZB增至41.06ZB 增速25% 而存储总量仅从1.73ZB提升至2.09ZB 增速20.81% 存储增量落后生产速度 [3] - 智算能力体现为算力+存力+网络运力综合能力 某算力集群因计算访存比过小导致工作负载仅维持10% 优化后提升至20%-30%使用范围 [3] 镇岳510的技术特性与性能优势 - 实现4μs超低时延 比业界主流水平低30%以上 具备340万IOPS随机读性能和14GB/s顺序读带宽 [8] - 支持pSLC模式降低随机读时延 兼容ZNS+QLC方案通过分区顺序写入消除垃圾回收开销 [8] - 在混合读写场景下为阿里云EBS提供99%时延表现 QoS时延仅为两款国外竞品的56%和84% [14] - 基于pSLC方案实现对傲腾的性能超越 随机读带宽提升17% 随机写IOPS提升4% [11] 镇岳510在阿里云的应用成效 - 解决阿里云HDD存储带宽与IOPS不足问题 规避傲腾停产造成的供应链风险 [11] - 时延较行业其他主控压缩92% 同等资源条件下有效提升并发访问量 [16] - 已在阿里云OSS开展灰度测试 技术成熟度与场景适配性通过初步验证 [12] 镇岳510的生态合作与产品化 - 与忆恒创源合作打造PBlaze7 7A40系列企业级SSD 实现4K随机写入100万IOPS [16] - 与得瑞领新合作推出支持PCIe5.0接口的D8000系列NVMe SSD 满足AI训练等高性能计算场景 [17] - 支持大规模模型训练和推理任务 优化OLTP和数据分析性能 满足金融电商等行业需求 [16] 阿里AI基建投入与战略布局 - 未来五年全球AI累计投入金额将超过4万亿美元 阿里宣布三年投入超3800亿元建设云计算和AI硬件基础设施 [6] - 过去四个季度累计投入超1000亿元 2025年资本支出预计1100-1200亿元 其中700-800亿元用于服务器采购与数据中心建设 [6] - 加速织密全球算力网络 扩建墨西哥日本数据中心 首次在巴西法国荷兰布局云计算节点 [7]