容量、性能与存算协同：同有科技与西部数据如何助力构建AI存储底座 “当AI的“胃口”越来越大，存储如何跟上？走进数据猿联合同有科技、西部数据的线上技术研讨会，解锁新思路。** 大数据产业创新服务媒体** ——聚焦数据**·**改变商业 如果说GPT-3作为早期具有代表性的通用大模型，其1750亿参数规模还可以被想象成一间不断扩建的“大厨房”，那么今天已经能够实际运行的万亿参数模型，更像是一座持续运转的“食品加工厂”。 厨房时代，决定效率的可能更多是厨师的手速；但当规模进入工厂时代，仅仅让“厨师”变得更快已经不够了，原材料能不能及时运进来、生产线能不能持续运转、仓储和运输能不能跟上，都会成为决定最终产能的关键。 这恰恰是今天AI基础设施正在面对的变化。 今天我们所处的，正是这样一个关键节点：一边是大模型参数规模不断扩大，另一边是AI应用开始从实验性探索走向更大范围的实际部署。当计算能力持续向前推进，存储能否同步演进，已经成为决定AI基础设施效率的重要变量。 8月25日，数据猿联合同有科技与西部数据，以“万亿参数大模型时代：AI存储的容量、性能与存算协同新挑战”为主题，邀请两位长期深耕存储