boyu博鱼中国官方网站，boyu博鱼中国官方网站，近日，“源神”Deepseek 密集开源了一系列代码库，包括FlashMLA、DeepEP、DeepGEMM、DualPipe 等项目及 3FS 系统，几乎实现了对 AI Infra 底层计算、网络、存储的全覆盖式优化，这对于 AI Infra 而言也能提供许多有价值的参考。

　　当前，国内 AI Infra 领域公司围绕 DeepSeek 带来的一系列启发，也正在思考下一步大模型训推优化更好的解决方案，驿心科技便是其中之一。

　　上周 DeepSeek 开源 3FS 等一系列组件，充分说明了从存储到网络往 GPU 里面传输数据的能力是 AI 训练和推理中最重要的问题，这也正是驿心科技想解决的核心技术问题。

　　据了解，驿心科技于 2023 年 9 月由前旷视科技创始合伙人吴文昊成立，致力于从基础架构做研发，基于 GPU 服务器本地存储与通用以太网络，提供与传统智算基于 RDMA 的存储网络、单独部署商业训练存储同等的能力，大幅降低模型落地成本与加速部署，方便后续在 DeepSeek 等通用模型层面做优化，加速模型的运行效率。

　　值得注意的是，驿心所用的硬件完全是使用标准企业服务器以及标准网络，不需要任何的定制硬件、网络和软件。相比之下，过去 AI Infra 部署使用的传统高性能文件存储往往需要使用定制硬件服务器，特定网络交换，以及定制的操作系统内核和客户端。

　　换言之，驿心所提出的 AI Infra 整体解决方案效率更高、性价比更高。

　　在常规视野中，AI Infra 包含供应链和云两层，但经过两年的 AGI 技术跃进，大模型逐渐成为基础设施的趋势已然明朗，许多观点认为模型甚至可能成为新的“OS”。

　　架构方面，HPC、云和 AI 所需要的 Infra 均存在差异。首先，云的计算、网络和存储并非专门为 AI 或者 HPC 设计优化的，当中的不匹配会带来价值差：云围绕网络而生，通过 CPU、网络、存储资源的超卖解决利润问题，不能超卖则没有利润来源。

　　随着 AI Infra 的大规模兴起，这个价值点已经被重构了，因为 AI Infra 以 GPU 为中心，基于此，云大厂很难提供最为优化的底层 Infra，因为其还需要照顾到自身云原生应用的 Infra 需求。

　　此外，AI 虽然从 HPC 孵化而来，二者也都追求千卡万卡的规模，但从计算范式上看存在差距：本质在于 HPC 聚焦于做仿真、模拟世界的运行，追求确定性，需要高精度计算，而 AI 追求概率，需要的是 next token 够准确。

　　除技术架构外，国内芯片供应链重构也正在催生巨大的 AI Infra 机会，DeepSeek 无疑进一步推动了重构的发生。

　　在重构发生的同时，算力设备、能耗、机房空间和资金四大瓶颈也限制了 AI 算力的发展。对此，驿心依托 GPU 服务器本地存储与通用以太网络，构建了一套独具优势的一体化解决方案：

　　首先是 AI 集群一体化方案技术创新：驿心的 Tier-0 存储方案能有效利用 GPU 服务器内部存储，在搭建AI基础集群设施时，不需要再构建专属的存储集群以及存储网络，大幅削减了模型落地成本，显著加速了部署进程。

　　这不仅为企业和科研机构减轻了经济负担，更让先进的人工智能模型能够以更快的速度从理论走向实践，赋能千行百业。

　　其次在 AI 存储层面，驿心科技能支持多云多数据中心的全局文件系统（Global Namespace），让大模型的上载与更新完全无缝进行，提供统一的存储管理，让 AI 数据访问更高效。

　　不仅能够支持传统的文件和对象存储，也能利用好 DeepSeek 刚刚开源的 3FS 并行文件系统；具备智能的数据分层和缓存机制，可快速响应 AI 工作负载对数据的需求，提升训练和推理速度；有强大的数据安全与保护功能，保障 AI 数据的完整性和机密性；还能灵活扩展，轻松应对 AI 项目中不断增长的数据量需求。

　　在模型优化层面，驿心科技立足前沿，积极布局和拥抱开源生态。其解决方案为后续在 DeepSeek 等通用模型的优化工作提供了坚实基础，能够深度挖掘模型潜力，全方位加速模型运行效率，让人工智能真正做到快而准，助力客户在瞬息万变的市场竞争中抢占先机，引领行业发展新潮流。

　　驿心的解决方案无疑精准解决了目前 AI 训练与推理的主要痛点，这些痛点的洞察背后，实际上也与吴文昊横跨 HPC、云计算和 AI 的经历有一定关系：

　　从 1999 年清华本科毕业到美国，直到 2008 年去微软，这期间吴文昊一直在做 HPC，博士期间他主要做矩阵计算高性能实现与并行计算MPI协议研发，2008 年到微软之后负责微软 HPC 及微软云 Azure 产品管理，2011 年，吴文昊作为微软云 Azure 存储团队的 PM 负责了Mellanox进微软云 Azure 的项目。

　　随后的 2013 年，吴文昊离开微软，加入企业闪存市场“开拓者”Fusion-io，并于 2015 年回国加入旷视，此后一直聚集于 AI，一直到 2020 年正式离开旷视。

　　一是云和大模型，这部分客户的痛点主要在于自研、交付及客户服务成本高，继而需要专业存储、独立网络互联互通、多云数据同步与迁移，以及轻量级客户服务界面。

　　据吴文昊介绍，这方面驿心目前已经在国内头部互联网大厂完成了 技术验证，并且后者在全球只评测了两家，除驿心外还有一家美国存储公司。

　　二是AI研发类客户，涵盖汽车、自动驾驶，乃至机器人等垂直行业，其对 AI 和 GPU 存储能力需求不断攀升。这类企业利用 AI 技术最快完成行业内 AI 闭环，如自动驾驶，通常通过物理产品与 VLA 模型服务（视觉 + 语言 + 行动）实现 AI 闭环。

　　对此，就需要驿心提供专业 AI Infra 解决方案以及 VLA 模型与数据能力，来帮助他们构建垂直行业解决方案。目前，驿心也正加深同比亚迪电子的合作，继而提供针对AI研发类客户的一体机联合解决方案。

　　值得一提的是，吴文昊也将这部分客户描述为“AI 工厂”。在他看来，“从第一性原理出发，DeepSeek 的出现正说明了中国是真正的‘AI 工厂’。先不论 GPU 在哪生产，如果要打造 AI 工厂，最终供应链仍将来自中国。”

　　第三类客户为传统客户，包含半导体boyu博鱼官方网站，、制造、金融、能源等行业，它们需要安全、可扩展的存储解决方案。与 AI 研发类企业相比boyu博鱼官方网站，，这类企业 AI 需求增长较快，也在向 AI 领域发力，逐步迭代，完成商业闭环后有望成为 AI 研发类企业。

　　就此，驿心也通过与 OEM 厂商的合作，提供了针对细分行业及整合核心行业应用的存算一体机方案。

　　开源和工程化的实现让 DeepSeek 在 AGI 之路上往前迈进了一步，同时，也揭示了中美两国在 AGI 软硬一体上的两种不同思路：

　　美国的 AGI 在 Infra 上追求平台化发展，而中国的 AGI 如 DeepSeek 更强调通过算法驱动的软硬一体优化来降低底层Infra 成本与提高效率。

　　驿心也是如此——在海外市场联合 HammerSpace 提供的存储方案更为水平化，而驿心则针对国内市场给出了更加垂直的一体化方案。吴文昊认为，正如 DeepSeek 从模型往下软硬一体整体优化的方法论所展示的巨大市场影响力，整个AI Infra的软硬一体优化与整合同样会存在诸多市场空间。

　　他认为，“从存储到网络往 GPU 里面传输数据的能力在 LLM 时代才是关键。因此，我们的 AI Infra 能力聚焦在存储与模型层面boyu博鱼官方网站，。”

　　再次，在存储层面，针对大模型训练和推理，通过 Tier-0 方案直接整合 GPU 服务器内部的存储空间。如无必要，勿增实体，这样直接整合不仅解决成本，机房空间，能耗等核心瓶颈问题，而且极大提升存储性能与数据带宽。

　　在模型优化层面，针对类似于 DeepSeek 这样的主流模型，驿心结合算力、网络、分布式 KV Cache 等能力，提高LLM集群的吞吐，同时通过可靠的 Tier-0/Tier-1 存储方案保证模型与数据的可靠性，同时支持模型的后训练与推理加速。

　　当前，驿心最新一轮融资即将 Close。之后在多模态和端侧方面，驿心将寻求更多突破：“未来 AI Infra 特别是 AI 存储将会迎来巨大增长，因为多模态的数据量较之语言模型要大几十上百倍。”吴文昊告诉 AI 科技评论。

　　另外，“端侧 AI 也需要经过两三个周期才能达到如今语言模型的水平，所以未来在端侧，数据生成、合成、存储使用也存在许多值得关注的问题，这当中也蕴藏着新的机遇。”

　　总得来讲，中国 AI 行业整体迈向 AGI，不仅需要算法人员的创新，也需要更多像驿心一样有实力的 Infra 创业团队加入。如此，整个行业才能携手定义下一代 AI Infra 的发展，这才是核心关键点所在。雷峰网(公众号：雷峰网)雷峰网