科大讯飞AI营销，突破存力瓶颈！

当各行各业都在加码算力，积极拥抱大模型时，一家头部券商公司却公开“诉苦”：千亿参数大模型训练时，因存储带宽不足，GPU利用率长期低于30%，巨额投入换来的却是“算力闲置”；无独有偶，另一家车企在自动驾驶模型迭代中，因数据读写延迟过高，单次训练周期延长40%，直接拖慢产品落地进度。

算力被视为大模型时代的核心驱动力，但上述情形展现了硬币的另一面，存力的迭代速度已经落后于存力的提升——即便拥有顶级算力集群，若存储性能不足，模型训练速度仍可能被严重拖了后腿。

也正因如此，大模型时代的存储标准正被重新定义。吞吐性能达千万级IOPS、带宽达TB级、时延低至百微秒，支持千亿级参数AI大模型，成为衡量AI存储性能的核心指标。

科大讯飞AI营销在基于大模型推进AI营销业务时，依托于京东云AI存储云海，成功突破存力瓶颈。

过去，科大讯飞AI营销采用“开源分布式存储软件+服务器硬件”搭建。这样带来的问题在于，读写性能不佳，面对十亿级小文件数据量时，读写性能陡然下降；

可靠性不够充分，出于系统安全性考虑，只能将PB级数据量分成多个存储集群，导致训练时数据要频繁的在存储集群进行搬迁，GPU利用率不足50%，直接影响了模型训练效率。科大讯飞AI营销迫切需要一款新型的分布式存储存储支持大模型训练的需要。

在升级京东云AI存储云海后，科大讯飞AI营销实现了一个集群一个文件系统，即可轻松应对多模态大模型时千亿~十万亿参数规模；同时，基于高性能存储层，以及大容量存储层的自动数据分级，在大幅降低存储成本的同时，实现了大模型训练能力的大幅提升，助力AI营销业务降本增效。