新征程，ODCC即将启动 AI存储实验！

随着AI在大模型等领域的深入应用，数据量激增，传统存算紧耦合架构面临扩展性与性能瓶颈。存算分离技术通过资源解耦，依托高速互连网络构建高性能、易扩展的新型存储架构，成为AI基础设施的核心方向。在此架构下，存储SSD的性能和高速网络环境相辅相成，直接成为了影响AI训练与推理效率的关键。

DPU作为存算分离的关键使能技术，通过其强大的网络处理能力和存储卸载功能，正在重新定义数据中心架构。无论是在计算节点的数据加速，还是在JBOF(Just a Bunch of Flash)场景下，DPU也能够实现存储资源的池化管理和高效访问。

为系统评估和分析新型存储硬件及软件在Benchmark和实际不同AI工作负载网络条件下的性能表现与适配能力，服务于广大AI存储厂商提供高性能存储解决方案，为AI存储用户推荐适合实际应用场景的存储方案，开放数据中心委员会（ODCC）将建设AI存储实验室，聚焦先进的存算分离架构，打造先进的测试平台，为关键部件选型、系统优化和行业标准制定提供实证支撑，推动AI基础设施的技术创新与规模化发展。

聚焦AI场景与标准化体系建设，

构建存算新范式

01 四大AI核心场景，直击AI业务痛点

AI训练场景：模拟多GPU节点并发读数据、频繁写checkpoint，测SSD在网络饱和时的吞吐量稳定性等，保障训练数据传输不中断;

AI推理场景：模拟网络抖动、突发请求，测试SSD平均延迟与尾延迟控制等，保障在线推理“秒响应”;

分布式场景：基于Ceph、HDFS等主流系统或者不同RAID级别、多副本同步对SSD性能的损耗等，实现平衡可靠性与性能;

虚拟化场景：基于VMware/KVM平台测虚拟机迁移时的存储中断时长或者SR-IOV技术的直通与传统虚拟化的IO延迟等，适配云原生AI部署需求。

02 建设标准化测试体系，统一产业评估基准

明确软硬件配置基准：从SSD接口类型(SATA/PCIe)、到存储网络拓扑(Leaf-Spine)、再到传输协议(NVMe/TCP vs RoCE)以及存储系统等软硬件相关配置，都有统一规范;

定义负载模型标准：针对不同的训练/推理的场景特点，定制数据类型、读写比例、IO大小、队列深度等参数，让不同产品的测试结果可横向对比;

建立三维指标体系：不仅测存储性能(吞吐量、IOPS)，还评估网络对存储的性能衰减系数以及长时间负载运行的稳定性等，全方位“透视”SSD的表现。

实战验证：

从实验室测试到产业落地闭环

产品级测试：通过三星、Solidigm等主流厂商的SSD与英伟达网络等核心组件构建基础测试平台， 进行全方位的性能测试与适配性评估，提供测试反馈及建议，助力“选对产品、用好硬件”;

系统级测试：全面验证“计算-网络-存储”全链路在高负载下的性能表现，并通过模拟节点故障、网络中断等异常场景，确保技术方案具备系统级可用性;

场景化验证：联合头部AI企业、云服务商等产业用户，将测试工具与方法部署至真实业务环境，确保测试结果紧贴真实需求，真正实现“测得准、用得上”。

汇聚头部力量，

共建开放协同的产业生态

主导方：依托ODCC由中国信通院联合产业上下游，负责实验室的公正性、标准制定和总体管理;

软硬件厂商：如三星、Solidigm、英伟达等提供服务器、NVMe SSD、DPU、交换机、存算分离软件、NVMe-of 软件等配套软硬件支撑;

使用方：美团等头部AI应用企业作为使用方，提供真实业务场景与典型负载模型，推动测试紧贴实际需求。

未来为AI基础设施“踩实”存储基石

当测试规范升级为行业标准，每块SSD拥有专属的AI场景适配评级，AI基础设施建设效率将大幅提升。未来，实验室将定期发布产品性能榜单，动态迭代规范，构建“测试-反馈-优化”的闭环，为大模型、智能推理等应用夯实存储底座。

目前，ODCC-AI存储实验室已进入建设筹备期。诚邀AI企业、硬件厂商与科研机构关注并参与ODCC，共推AI存储技术发展！

联系人

谢老师：18800199616

段老师：16600265822

ODCC秘书处联系人

刘老师 13488889649(微信同号) 邮箱：liupengyun@caict.ac.cn