国产AI基础设施崛起：新势力引领变革

AI基础设施新动向：DeepSeek开源与行业优化实践

近期，AI领域迎来重要进展：被誉为“源神”的DeepSeek，开源了包括FlashMLA、DeepEP、DeepGEMM、DualPipe以及3FS系统在内的一系列底层组件。这套组合技术覆盖了AI基础设施中计算、网络到存储等关键环节，为行业性能优化提供了切实可行的参考方案。

这股开源浪潮也激发了国内AI基础设施领域的思考与行动。业界正在积极探索如何基于这些新思路，为大模型的训练和推理寻找更优的解决方案。驿心科技便是其中一家积极行动的创业公司。

DeepSeek此次开源3FS等组件，揭示了一个核心问题：数据在存储、网络传输与GPU处理之间的协同能力，已成为当前AI训练与推理的关键瓶颈之一。而这正是驿心科技致力于攻克的技术方向。

驿心科技成立于2023年9月，由前旷视科技创始合伙人吴文昊创立。公司目标明确：从基础架构层面进行研发，基于标准的GPU服务器本地存储和通用以太网络，提供媲美甚至超越传统RDMA存储网络或商业训练存储方案的能力。此举旨在显著降低模型部署的成本与复杂度，为后续在DeepSeek等通用模型上的深度优化铺平道路，最终提升模型运行效率。

一个值得关注的细节是：驿心方案所使用的硬件均为标准的企业级服务器和通用网络，无需任何定制化的硬件、网络或软件支持。相比之下，传统AI基础设施部署中常用的高性能文件存储，往往依赖定制服务器、特定网络交换设备及深度修改的操作系统内核。两相比较，驿心提出的这套AI基础设施整体解决方案，在效率与性价比上的优势更为凸显。

架构演进中的新机遇

通常，AI基础设施可被理解为供应链与云服务两层。但随着过去两年AGI技术的快速发展，大模型本身“基础设施化”的趋势日益明显，甚至有观点认为，未来模型可能成为一种新的“操作系统”。

在此背景下，基础设施架构与供应链的重构，为AI基础设施创业创造了新的空间。

首先从架构层面看。高性能计算、云服务和AI三者的基础设施需求各有侧重。云基础设施并非专为AI或高性能计算设计，这种不匹配会导致效能损耗：云服务的本质围绕网络构建，通过整合调度CPU、网络、存储等资源来获取收益。

而AI基础设施的兴起，重构了价值节点。因为AI基础设施以GPU为核心，云厂商难以提供完全优化的底层设施，毕竟他们还需兼顾自身云原生应用的需求。

再看AI与高性能计算。AI虽源于高性能计算，两者都追求千卡、万卡的集群规模，但计算范式存在本质区别：高性能计算侧重于仿真模拟，追求确定性与高精度计算；而AI侧重于概率计算，核心目标是提升下一个词元预测的准确性。

除了技术架构，国内芯片供应链的重构也在催生巨大的AI基础设施机遇，DeepSeek的崛起无疑加速了这一进程。

然而，在重构发生的同时，算力设备、能耗、机房空间和资金四大瓶颈，也切实制约着AI算力的发展。针对这些痛点，驿心科技依托GPU服务器本地存储与通用以太网络，构建了一套特色鲜明的一体化方案：

Tier-0 ← Tier-1 存储架构

首先是AI集群一体化方案的技术创新。驿心的Tier-0存储方案，能有效利用GPU服务器内部的存储空间。这意味着在搭建AI基础集群时，企业无需额外构建专属的存储集群和存储网络，从而大幅降低了模型部署成本，并显著加快了部署进程。这不仅减轻了企业与科研机构的经济负担，更使得前沿AI模型能更快地从实验室走向产业应用。

其次在AI存储层面，驿心科技支持多云、多数据中心的全局文件系统，实现大模型数据的上传、更新与无缝衔接，提供统一的存储管理视图，极大提升了AI数据访问效率。该方案不仅支持传统文件与对象存储，也能与DeepSeek开源的3FS并行文件系统良好协同；它具备智能数据分层与缓存机制，能快速响应AI工作负载的数据需求，提升训练与推理速度；同时，它还拥有完善的数据安全与保护功能，并能灵活扩展，轻松应对AI项目中持续增长的数据量。

在模型优化层面，驿心科技积极拥抱开源生态。其解决方案为后续在DeepSeek等通用模型上的优化工作奠定了坚实基础，能够深度挖掘模型潜力，全方位提升模型运行效率，帮助客户在市场竞争中占据优势。

驿心此套方案能精准应对当前AI训练与推理的痛点，与其创始人吴文昊横跨高性能计算、云计算和AI的独特经历密不可分：

从1999年清华本科毕业赴美，到2008年加入微软，吴文昊一直深耕于高性能计算领域。博士期间，他主要研究矩阵计算的高性能实现与并行计算MPI协议。2008年进入微软后，他负责微软高性能计算及Azure云的产品管理。2011年，作为Azure存储团队的项目经理，他主导了Mellanox技术引入Azure的项目。

2013年，吴文昊离开微软，加入企业闪存市场开拓者Fusion-io，并于2015年回国加入旷视，自此将重心完全转向AI，直至2020年离开。

基于对产业的多元洞察，驿心科技目前重点布局三大客户领域：

一是云与大模型厂商。这类客户的痛点在于自研、交付及客户服务成本高，同时需要专业的存储方案、独立的网络互联、多云数据同步与迁移能力，以及轻量化的客户服务界面。据吴文昊透露，驿心已在某国内头部互联网公司完成了技术验证，而该公司在全球范围内仅评测了两家供应商，除驿心外，另一家是美国存储公司。

二是AI研发类客户。涵盖汽车、自动驾驶、机器人等垂直行业，它们对AI和GPU存储能力的需求正快速增长。这类企业追求利用AI技术最快形成行业内的业务闭环，例如自动驾驶，就是通过物理产品与视觉语言动作模型服务来实现的。这就需要驿心提供专业的AI基础设施解决方案以及视觉语言动作模型与数据能力，来帮助它们构建垂直行业解决方案。目前，驿心正深化与比亚迪电子的合作，共同提供针对AI研发类客户的一体机联合解决方案。

吴文昊也将这部分客户形象地称为“AI工厂”。他认为：“从第一性原理出发，DeepSeek的出现正说明中国是真正的‘AI工厂’。先不论GPU在何处生产，如果要打造AI工厂，最终的供应链仍将汇聚于中国。”

第三类是传统行业客户。包括半导体、制造、金融、能源等，它们需要的是安全、可扩展的存储解决方案。与AI研发类企业相比，这类企业的AI需求增长迅速，正积极向AI领域拓展，逐步迭代。一旦完成商业闭环，它们有望进化成为新的AI研发类企业。为此，驿心通过与OEM厂商合作，提供了针对细分行业的存算一体机方案。

未来展望

DeepSeek通过开源与工程化实践，在AGI道路上迈出了坚实一步。同时，它也揭示了中美两国在AGI软硬一体化上的不同思路：美国的AGI在基础设施上更倾向于平台化发展，而中国的AGI，如DeepSeek，则更强调通过算法驱动的软硬一体优化来降低底层成本、提升效率。

驿心的路径与此异曲同工——在海外市场，其与HammerSpace联合提供的方案更偏向水平化；而在国内市场，驿心则给出了更加垂直、深度整合的一体化方案。吴文昊认为，正如DeepSeek从模型向下进行软硬一体优化的方法论所展现的巨大影响力，整个AI基础设施领域的软硬一体优化与整合，同样存在着广阔的市场空间。

那么，驿心和DeepSeek的具体做法有何异同呢？

吴文昊的总结颇为精辟：“需求是发明之母。对于大语言模型这样的超级单一应用，其数据使用模式趋于简化和统一，这反而更容易针对这些固定模式做深度优化。”他认为，“在大语言模型时代，从存储、网络到GPU的数据传输能力才是关键。因此，我们的AI基础设施能力聚焦于存储与模型层面。”

具体而言，在存储层面，针对大模型训练和推理，通过Tier-0方案直接整合GPU服务器内部的存储空间。如无必要，勿增实体。这种直接整合不仅解决了成本、机房空间和能耗等核心瓶颈，还极大提升了存储性能与数据带宽。

在模型优化层面，针对DeepSeek这类主流模型，驿心结合算力、网络、分布式键值缓存等技术，提高大语言模型集群的吞吐量。同时，通过可靠的Tier-0/Tier-1存储方案保证模型与数据的可靠性，并支持模型的后训练与推理加速。

目前，驿心科技的最新一轮融资即将完成。展望未来，公司在多模态和端侧AI方面寻求更多突破。吴文昊指出：“未来AI基础设施，特别是AI存储，将迎来巨大增长，因为多模态的数据量相比语言模型要大上几十甚至上百倍。”此外，“端侧AI也需要经过两三个技术周期才能达到如今语言模型的成熟度，所以未来在端侧，数据的生成、合成、存储与使用也存在许多值得关注的问题，这其中同样蕴藏着新的机遇。”

总而言之，中国AI行业整体迈向AGI，不仅需要算法人员的持续创新，也需要更多像驿心这样具备深厚技术实力的基础设施创业团队加入。只有产学研各方携手，才能真正定义下一代AI基础设施的发展方向，这无疑是整个行业迈向未来的核心所在。