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，或者應用于本地的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算力一下子得到了空前的釋放，允許廠商將更多的資源集中到其它關鍵硬件中，比如更強大的并行能力，以及更優秀的存儲方案。很顯然，常規的存儲方案已經不能很好的解決效率和存儲的問題，在企業級和數據中心級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

　　由于DeepSeek不僅降低了計算成本，多模態處理能力、說是知識圖譜和推理能力的優秀表現，使得廠商擁有足夠的資源調用更多的數據。這使得原本大量的冷數據變成了溫數據。溫數據對存儲有著更高的要求，需要相對HDD更快的傳輸速率，并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，并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，可以輕松將企業級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，基于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，還有助于節能。

　　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升級的存儲制造商之一。例如，鎧俠率先推出支持PCIe? 5.0的企業級固態硬盤CM7系列。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系列SSD在多個GPU并行訪問時，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并行處理為例，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?規范下實現可靠的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) 系統的重要性更勝以往，關系數據庫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，并致力于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，并進一步降低成本。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前沿進行了諸多嘗試。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。并在數年前與NVIDIA展開深度合作，從加速StyleGAN、NeRF等算法，到協助NVIDIA搭建Omniverse平臺，包括搭建最新的物理AI開發平臺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系列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規范，并支持開放計算項目(OCP)數據中心NVMe SSD v2.5規范。

　　鎧俠XD8系列專為云和超大規模環境設計，滿足數據中心對高性能、高效率和高可擴展性的日益增長的需求。通過這款新的固態硬盤，云服務提供商和超大規模企業能夠優化基礎設施，在保持運營效率的同時提供卓越的性能。

　　讓AI移動起來

　　DeepSeek另一個實現領域則是在移動平臺。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臺式機電腦上，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。

　　對于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系列為例，鎧俠 BG6 系列在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 規范，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系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 系列提供了多種容量選擇，包括 256GB、512GB、1,024GB 和 2,048GB，適用于不同用戶需求。其采用 M.2 Type 2230 和 Type 2280 模組封裝，可靈活應用于各類薄型設備，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，并與合作伙伴展開深度合作，從軟件和硬件層面入手，利用高性能固態硬盤的特性，為AI計算提供可靠的存儲后盾，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。