一、存储正在成为AI基础设施的关键瓶颈
过去几年，企业在讨论AI基础设施时，话题几乎离不开GPU：采购哪款显卡、如何调度资源、利用率能达到多少。然而，当平台真正搭建并运行后，许多团队发现，最令人头疼的往往不是算力，而是存储。
原因并不复杂——AI负载对存储的要求与传统企业应用完全是两套不同的逻辑。训练阶段，需要将海量样本快速送入GPU，考验的是带宽；推理阶段，要迅速加载模型、响应请求，考验的是延迟；数据预处理环节，则经常面对海量小文件，考验的是元数据性能。如果使用为数据库和虚拟机设计的传统存储来应对这些任务，带宽和IOPS很难满足需求，结果高价购入的GPU只能空闲等待数据到来。
与此同时，私有云自身也在经历新一轮存储架构的重新选择：继续采用超融合将存储与计算绑定，还是将存储独立出来实现扩展？AI负载引入后，这个问题变得更加紧迫——因为AI对存储的需求量和增长速度，往往与计算并不同步。
接下来，我们围绕企业最常问的几个问题，梳理分布式存储的选型逻辑。
二、存算分离与超融合，如何选择？
这是近期讨论最广泛的问题之一。戴尔在2026年主推存算分离架构，声称在特定配置下比超融合可节省最高65%的采购成本。这一数据一经公布，许多企业开始重新审视自己的架构选择。
存算分离与超融合架构对比示意图
先说结论：两种架构并无绝对优劣之分，关键在于计算和存储的增长节奏是否同步。
超融合适合计算与存储同步增长的场景。计算和存储打包在同一批节点上，部署简单、运维统一，增加节点意味着算力和容量同步提升。如果业务规模可预测、计算存储比例稳定，超融合的简洁性便是实实在在的优势。ZStack的超融合产品线在大量VMware替代和信创落地项目中，正是凭借“一套节点搞定计算、存储与网络”的简洁特性站稳了脚跟。
存算分离则适合计算与存储增长不同步的场景。AI是典型例子：训练任务可能在短时间内需要大量GPU，而数据量则持续稳定增长；反过来，数据湖可能快速膨胀，但计算需求变化不大。此时将存储独立出来扩展，无需为了增加容量而被迫连带购买算力，资源利用更加精细。戴尔所说的65%，正是基于这种按需独立扩展所节省的冗余采购成本。当然需要提醒的是，这仅是厂商在特定配置下的内部测算，实际节省多少还需结合自身负载和许可模型重新核算。
因此，选型首先要回答一个问题：计算和存储是否同步增长。同步，则超融合省心；不同步，则存算分离更经济。讨论“哪个架构更先进”其实是一个伪命题。许多企业的最终做法是两者并存：核心业务运行超融合，AI和数据湖则采用存算分离。
三、分布式存储的三副本与纠删码，如何权衡？
确定走存算分离后，下一个问题是如何保障数据可靠性。分布式存储通过多副本或纠删码来应对硬件故障，两种机制各有取舍。
三副本与纠删码对比图
三副本，即将每份数据存储三份，任意一份所在的节点或磁盘损坏，数据也不会丢失。优点是读性能好、故障恢复快；代价是存储利用率仅约三分之一，存储1TB数据需占用3TB空间。对于延迟敏感、读多写少的场景，例如推理服务加载模型，三副本更为合适。
纠删码则类似于RAID的思路，将数据切块并加入校验，用更少的冗余空间达到接近的可靠性，存储利用率可达70%以上。代价是写入和故障重建时计算开销大、延迟更高。对于容量敏感、以顺序读写为主的场景，例如训练数据集、备份归档，纠删码更具性价比。
实际应用中并非必须二选一。成熟的分布式存储支持按存储池配置不同策略：热数据采用三副本以保证性能，温冷数据使用纠删码以节省空间。ZStack企业版分布式存储支持对象、块、文件三种类型，可在同一套存储底座上按业务场景灵活配置可靠性策略，无需为不同需求部署多套存储。
四、AI场景下，存储架构需额外考虑哪些维度？
传统企业存储选型，通常关注容量、IOPS和可靠性即可。但引入AI后，有几个额外维度必须清晰把握。
AI存储带宽与元数据性能图示
带宽优先于IOPS。训练场景中，GPU集群对存储的并发读带宽要求极高，单纯堆叠IOPS无法解决问题，需要关注聚合带宽能否满足GPU需求。存储网络的规划（高速以太网或RDMA）以及存储引擎的并行能力，在此处比单盘性能更为关键。
海量小文件的元数据性能。AI数据预处理常涉及千万级小文件，此时元数据操作（如列出目录、查询文件）的性能往往比数据读写本身更容易成为瓶颈。选型时需专门压测小文件场景，不能仅依据大文件顺序读写的数据评估。
多协议统一。在AI流水线中，训练可能使用文件存储，模型仓库可能采用对象存储，在线服务则可能依赖块存储。如果每种协议都需要独立的存储系统，数据在不同系统间频繁搬运，既低效又易出错。支持对象、块、文件多协议的统一存储底座，能让数据在同一系统内被不同环节直接访问。
与算力平台的协同。存储并非孤立环节。ZStack分布式存储与ZStack AIOS智塔处于同一技术体系内，存储资源和GPU算力的调度可以协同规划，避免存储与计算各自为政、互相等待。
五、私有云存储选型的实操建议
将前述逻辑落实到具体行动中，企业在进行分布式存储选型时，可按以下步骤推进。
先分清负载类型，再选架构。将现有和规划中的负载按“计算与存储是否同步增长”分类，同步的归于超融合，不同步的（尤其是AI和数据湖）归于存算分离，避免一开始就全盘押注单一架构。
按场景配置可靠性策略，避免一刀切。热数据采用三副本，冷数据采用纠删码，在同一套存储中分池管理，兼顾性能与空间。
AI场景专门压测带宽和小文件。不要沿用传统数据库的测试方法来评估AI存储，带宽和元数据性能需单独验证。
优先选择多协议统一的存储底座。对象、块、文件一套覆盖，减少数据搬运和多套存储的运维负担。
存储是私有云和AI基础设施中最容易被低估、又最难补救的一环。GPU采购错了还能更换，存储架构选错了，数据迁移的代价要大得多。在AI负载不断增长、数据量快速膨胀的当下，将存储选型与算力规划置于同等重要的位置，是私有云能否支撑AI的关键。
