随着 GPU 的算力不断提升以及海量小文件训练场景普遍化，传统的存储系统性能很难满足 GPU 的 IO 需求，导致 GPU 的使用率低下，用户的任务训练效率不高。

在业界，深度学习训练对存储的高性能需求一直是 AI 计算平台需要解决的一大难点，vivo AI 计算平台在建设初期也存在如上的存储性能问题。

vivo 互联网提供的轩辕文件存储，是一款云原生，高性能的分布式文件存储，在与 AI 计算平台深入沟通和测试后，AI 计算平台最终将数据存储切换至了轩辕文件存储。

随后，由最初在模型训练阶段的使用轩辕文件存储，我们将其逐渐推广到计算平台的数据全链路中，最终统一了整个计算平台的数据存储。在降低用户数据存储成本同时，大大提升提高 AI 研发的工作效率。

在整个推广使用过程中，针对一些用户性能痛点，我们进行了相关的研发优化，并得到了用户的好评。

演讲提纲：

1. 计算平台引入轩辕文件存储的背景
2. 计算平台全链路统一存储方案
3. 模型训练和在线推理阶段的性能优化
4. 挑战与规划

听众受益点：

• 了解模型训练的全链路环节
• 了解如何使用缓存技术提高数据读写性能