場景一：自動駕駛訓練

場景說明

自動駕駛的每一個業務階段都會涉及到 AI 算法和算力的參與，機器視覺、深度學習、傳感器技術等均在自動駕駛領域發揮著重要的作用。隨著自動駕駛的快速發展，現在每臺測試車每天將產生數十 TB 數據，隨之而來就是要面臨諸多存儲挑戰：

• 海量小文件元數據壓力大

• 存儲性能局限

• 數據管理困難

產品優勢

并行文件服務 HPFS 通過可擴展的元數據架構可支持百億級別的文件數量，同時提升海量文件并發訪問的性能，滿足自動駕駛海量數據處理的業務需求和性能要求，充分適配上層 AI 算力。

場景二：影視渲染

場景說明

在渲染場景中，設計師將素材上傳至工作室掛載的并行文件系統中，即可給渲染所需的數百臺高性能計算服務器提供并發的數據訪問，極大提升整體工作效率。

產品優勢

并行文件 HPFS 為影視渲染場景提供最高千萬級 IOPS 和 TBps 吞吐，支持在線擴容，業務無需中斷。

影視渲染中，文件系統主要用于多個客戶端中共享文件場景，客戶端的應用程序并發訪問文件是高頻操作，并行文件服務HPFS通過分布式文件鎖保證文件一致性，同時大幅提高多客戶端讀寫同一文件的性能。

場景三：AI訓練與推理

場景說明

AI 智算平臺建設中，在以下場景中會遇到存儲挑戰：

• 海量數據的存儲和處理，包括采集導入、清洗、轉換、標注、共享等，這里對存儲的要求主要是高吞吐和大容量。

• 模型開發，主要場景包括實驗管理、交互式開發和效果評估等。對存儲的要求更多集中在 POSIX 兼容性、可靠性等方面。

• 模型訓練的主要場景，一是訓練數據的讀取，二是為了容錯做的 checkpoint 的保存和加載。數據集的部分就是要盡量讀得快，減少計算對 I/O 的等待，而 checkpoint 主要要求高吞吐、減少訓練中斷的時間。

• 模型推理，需要把訓練完的模型快速分發部署到線上，產生業務效果。而這個過程會高頻、反復發生，要求高并發、高吞吐。

將 HPFS 、NAS 等多個存儲產品組合與 GPU 云主機、彈性裸金屬等計算集群無縫對接。通過容器化部署服務實現資源彈性調度，提供超高吞吐和超高 IOPS 能力，支持混合云、線下和云上部署，快速構建 AI 基礎環境。

產品優勢

并行文件服務 HPFS 助力客戶構建高速大模型訓練平臺，根據不同 AI 業務流程特點，調用不同的存儲服務能力，滿足預處理、訓練、仿真等各階段對數據存儲能力的要求。

HPFS 能夠顯著提升訓練數據讀取和 checkpoint 回寫速度，降低數據處理的延遲，使得客戶在 GPU 故障時更快將模型恢復到之前的檢查點，提高企業 GPU 卡的利用率，更高效地將模型精度達到生產水平并推向市場。HPFS 幫助企業降低在 AI 訓練中的成本投入，實現更高的投資回報，滿足企業在 AI 領域中對存儲性能的高要求。