随着接入ChatGPT的数据越来越多，相信单独存储数据的需求会出现爆发式增长。5月3日，传微软将推私有版ChatGPT服务数据单独存储价格是常规版十倍，相信后续也会充分发酵。

这凸显了分布式存储在人工智能（AI）领域的重要性。

人工智能团队经常遇到以下挑战：

一是大型数据集：随着数据和模型规模的增长，独立存储无法满足应用需求。在 AI 场景中，随着企业使用 GPU 越来越多，底层存储的 IO 已经跟不上计算能力。 企业希望存储系统能提供高吞吐的数据访问能力，充分发挥 GPU 的计算性能。举个例子，在智能制造生产线上通过高精度相机给物品拍照，用缺陷识别模型自动找出质量问题。这类模型的训练集只有 1~2 万张图片，但每张都是 GB 大小的高精度照片，总容量有 10TB 了。训练过程中，如果存储系统吞吐不足，会成为 GPU 训练的瓶颈。因此，分布式存储解决方案成为解决这些问题的当务之急。

三是小文件和非结构化数据过多：传统的分布式文件系统难以管理大量小文件，导致元数据存储负担沉重。这对于视觉模型来说尤其成问题。为了解决这个问题，我们需要一个针对存储小文件进行优化的分布式存储系统。这样既保证了上层训练任务的高效，又保证了海量小文件的轻松管理。

四是训练框架的 POSIX 接口：在模型开发的初始阶段，算法科学家通常依赖本地资源进行研究和数据访问。然而，当扩展到分布式存储以满足更大的训练需求时，原始代码通常需要最少的修改。因此，分布式存储系统应该支持POSIX接口，最大限度地兼容本地环境开发的代码。

五是共享公共数据集和数据隔离：在计算机视觉等某些领域，需要在公司内的不同团队之间共享权威的公共数据集。为了促进团队之间的数据共享，这些数据集通常被集成并存储在共享存储解决方案中，以避免不必要的数据重复和冗余。

相信随着人工智能的快速发展，布局分布式存储行业的企业业绩也会出现爆发式增长。

相关个股：

同有科技：根据企业2022年年报及2023年一季报披露。公司在2022年分布式存储领域业绩大幅增长，同比实现790%的增长。此外，2023年一季度实现280%的增长，相信随着人工智能的不断发展，企业将会充分受益。

深信服：企业从2013年开始布局此块业务，但此类业务增速未披露。