QLC SSD為AI領域儲存的重要選擇

大普微電子（DapuStor）成立於2016年，作為國際領先的企業級SSD主控晶片設計、SSD產品及儲存方案供應商，大普微研發團隊超過400名成員，已申請或授權的發明專利超過300項，具備從晶片設計到儲存產品量產交付的全棧能力。基於自研DP系列主控晶片及固件，公司產品廣泛用於國際雲端運算、網際網路、電信營運商及金融等產業資料中心。

在科技的演進歷程中，AI技術以其獨特的優勢逐漸嶄露頭角。從最初的簡單計算到現在的深度學習、生成式AI，AI技術正以前所未有的速度向前發展。在這個過程中，數據成為了推動AI技術進步的關鍵因素。而為了滿足AI對數據儲存的需求，QLC SSD憑借其高效擴展能力及極高能效比，成為人工智慧應用場景下的重要選擇。

AI智能進入新賽道，數據儲存面臨挑戰

2018年，OpenAI發布的GPT模型在AI界引發震動，開啟了語言處理技術的新篇章。2019年，GPT-3等預訓練模型在自然語言處理領域的革命性進步推動了AI技術的實用化，並滲透到各行各業。2023年，生成式AI以DALL-E和Stable Diffusion為代表，激發了公眾對AI創造能力的廣泛興趣。ChatGPT的問世掀起了「自動文本生成」和「自動語言翻譯」的熱潮，代表著大型AI模型的數據規模進入「爆炸式」成長期。全球科技企業和研究機構競相投入資源開發自有模型，但在此過程中，數據儲存成為一大挑戰。

大模型對數據存儲規模及處理效率提出高要求

大模型時代，數據決定AI智慧的高度。根據IDC預測，全球數據總量將在2025年達到175ZB，新興的AI應用場景對儲存需求有了更高的要求：

高擴展能力：AI工作負載要求儲存具備高效擴展的能力，以支撐高品質的輸出驅動數據集和日益成長的模型規模所帶來的龐大數據量。

滿足計算效率：AI伺服器計算資源佔比高，而記憶體容量的約束增加了儲存設備的瀏覽頻率，存儲效能優化至關重要。 QLC SSD的高速讀取能力和低延遲為AI大型模型快速加載提供高效數據支援，確保整體AI工作流的快速響應及連續性。

高能效存儲解決方案：QLC SSD效能比遠高於HDD，能夠提升儲存密度，降低功耗需求，提高智算集群效率，降低TCO。

因此，數據價值最大化的關鍵課題在於提供大容量、高效能、低能耗的存儲解決方案，構建可用、可信、可控的先進存力，以應對大模型時代帶來的數據浪潮挑戰。

DapuStor PCIe 4.0 QLC SSDs

在2024年3月20日CFMS峰會上，DapuStor正式介紹了PCIe4.0 QLC SSD產品，其支援兩種典型大容量16TB和32TB，同時支援4K反映及雙埠特性。可以在核心儲存場景替代SAS/SATA HDD，並且順序讀寫以及隨機讀基本上接近同類TLC產品，兼具了HDD的高容量以及媲美TLC的帶寬填補了TLC SSD和HDD之間成本和性能的鴻溝。與此同時，在7G讀帶寬下僅僅需要12W的功耗，非常適合低功耗、高容量高密儲存場景。QLC SSD的高速讀取能力及高容量，對於大型AI模型的加載加速、AI推論前的大數據預處理加速、以及為線上推論服務提供高輸送量的帶寬支援，都可以發揮出巨大作用，確保服務的連續性和可靠性。

DapuStor QLC SSDs vs HDDs

以10PB儲存集群配置為例，若使用24TB的HDD，需要595塊硬盤和50台伺服器。而改用DapuStor的32TB PCIe4.0 QLC SSD，則僅需347塊盤片和29台伺服器，分別在硬盤和伺服器需求上減少了約42%。此外，所需機架空間也減半。在能耗方面，DapuStor QLC SSDs五年的電力消耗成本比HDD方案低30%。作為可直接替換HDDs的產品，DapuStor QLC SSDs解決方案能將總體擁有成本（TCO）降低41%，展現出顯著的成本效益。

DapuStor QLC SSDs vs TLC SSDs

DapuStor QLC SSDs在實現讀取性能媲美TLC SSDs的同時，其單位bit成本更低，相同儲存密度所需的物理空間更小，TCO對比TLC SSDs平均每TB成本降低約20%，因此也成為了儲存大量讀取密集型數據或對延遲不敏感的應用場景的理想選擇，如資料中心的溫冷數據存儲、內容分發網路的邊緣緩存及部分雲端運算平台的冷熱數據分離策略。

總體來說，DapuStor QLC SSDs雖部分性能與TLC SSDs仍有差距，但能提供相較TLC SSDs更大的儲存容量、更低的擁有成本；同時相較HDDs擁有更優的性能、效率、空間、電力、電力、冷卻成本。

在技術突破和市場策略的推動下，DapuStor QLC SSDs是大普微電子為助力AI領域發展而投入的重要產品線。期待這一創新產品可發揮其關鍵數據基礎硬體的支援作用，不斷推動AI技術的廣泛應用。