腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

综合排序丨最热优先丨最新优先

腾讯云「存储+智能」AI原生基础设施解决方案概要

主讲人：王致铭丨腾讯云云存储高级产品经理一、产品定位与核心亮点腾讯云「存储+智能」组合是一款专为企业出海及AI应用爆发设计的AI原生云存储基础设施。业务痛点与应用困境： AI基础设施挑战：应用交互体验提升和模型能力快速升级，导致客户面临检索效率低、安全合规要求高、数据处理效率低、集群利用率低、扩容速度慢及服务不稳定等瓶颈。三、应用框架和功能介绍 3.1 功能框架产品采用“存储底座 + 处理管理双引擎 + 一站式软件搭建平台”三层架构：存储底座：对象存储（COS）与 AI存储（GooseFS），负责数据的安全可靠与高性能吞吐文件支持：最小存储限制 64KB。兼容性：全兼容 AWS S3 接口。 AI 存储 (GooseFS)：单链接性能：10Gbps（逼近硬件极限）。 3.4 荣誉背书 Gartner®：在生成AI云基础设施领域新兴市场象限中，腾讯云智算的“产品性能”与“未来潜力”维度均位列亚太第一。

2026-05-30

2490

标签:

构建企业级 AI 存储基础设施：腾讯云存储数据平台实现效率倍增与成本降低

AI 数据处理的规模化挑战企业面临非结构化数据激增、AI 管线复杂化带来的存储瓶颈，传统方案存在数据孤岛、处理效率低下、存储成本高昂及检索困难等核心痛点，难以支撑 AI 全生命周期管理。一体化数据平台解决方案腾讯云存储数据平台提供覆盖数据采集、清洗、训练、推理到应用的全链路服务，通过 GooseFS（数据湖存储）、COS（对象存储）、数据万象 CI（数据处理）及 MetaInsight 实现）数据处理复杂度与成本降低 30%（数据万象 CI 实现）非结构化数据检索准确率提升至 95%+，亿级数据毫秒级响应（MetaInsight 实现）单集群可管理百 EB 级数据，支持无上限存储规模与多格式数据（COS 实现）自动驾驶企业实现 AI 训练加速某头部自动驾驶公司采用腾讯云 GooseFS 构建数据预处理 Pipeline，实现训练数据加速与 checkpoint 高效读写，解决了海量非结构化数据处理的性能瓶颈技术领先性与行业认可腾讯云存储数据平台基于创新的 Yotta 存储架构，在不牺牲性能的前提下显著降低存储成本，支持全球 21 个地区、55 个可用区、3200+ 加速节点的规模化部署，曾获 XX 奖项

IT前沿资讯站

2026-04-26

1960

标签:

腾讯云存储数据平台Data Platform：构建企业级AI存储基础设施，驱动全生命周期效能提升

破解AI全生命周期数据存储管理困局企业AI业务（数据湖、AIGC、汽车辅助驾驶等）需覆盖数据采集、清洗、训练、推理到应用全周期，对存储基础设施的统一性、效率、成本及扩展性提出高要求。部署一体化AI存储基础设施 腾讯云存储数据平台Data Platform提供一体化服务，覆盖AI生命周期E2E（数据采集、清洗、训练、推理、内容“智”理”），适用高性能存储场景。核心能力包括：统一存储空间：整合多类型数据，提供单一管理入口； Yotta存储架构技术：创新架构优化存储效率，不牺牲性能下显著降低存储成本；灵活资源配置：按需扩展与资源优化，适配业务动态需求；模块化产品矩阵：数据加速（GooseFS系列）、数据治理（数据万象CI）、数据存储（对象存储COS）、智能检索（MetaInsight）。技术支撑：Yotta架构与模块化产品矩阵选择腾讯云的核心在于技术确定性与产品协同性： Yotta存储架构实现存储效率与成本的最优平衡； GooseFS数据湖存储专注加速与性能突破；数据万象

IT资讯研究所

2026-04-26

2640

标签:

革新存储：GPU在现代基础设施中的作用

AI工作负载使传统的存储系统达到极限，需要新的性能能力。这种转变迫使基础设施团队从根本上重新思考他们的存储策略。 GPU 作为人工智能基础设施堆栈中最关键和最昂贵的组件的出现是这种转变的核心。数据架构: 团队需要评估其数据如何在AI工作负载中使用，并相应地设计存储架构。系统集成: 存储、网络和计算必须被视为一个整体，而不是单独的组件。数据治理: 存储解决方案必须支持适当的数据治理，包括版本控制、访问控制和审计功能。环境影响: 由于AI工作负载消耗大量能源，存储架构决策会影响数据中心的整体效率。自动化: 为AI研究人员和开发人员提供对存储功能的访问权限。例如，通过他们首选的界面（IDE、Jupyter Notebook和AI工作台）进行配置、克隆和访问控制。

2024-11-22

5140

标签:

云存储基础设施的决定：公共云与私有云

许多IT专业人士认为，私有云存储只是其当前基础设施的另一个名称，公共云存储也是同样如此，而只是在某公司的公共数据中心实施。那些存在这些想法的供应商通常缺乏云存储基础设施技术，或者试图在技术上赶上其他市场的发展。 ? 传统的IT基础架构将数据中心分为多个功能：应用，计算，网络，存储和设施以及专业技术。为了满足用户的要求，大多数IT专业人员错误地对其存储基础设施进行过度估计和过度配置，这会导致更高的成本，并且防止不可预测的需求超过这个基础设施的能力，因为它是无弹性的并且不容易改变。公共云存储基础设施的优缺点公共云基础架构是多租户和共享的。对任何给定的用户来说，它似乎是无限的，因为它们可以按需扩展其意外工作负载的资源，并在需求减少时收缩。然而，公共云存储基础设施有几个公开的问题。 ·安全控制。公共云是相当安全的，问题是可以控制的。在高度合规方面，监管行业，如医疗，保险，金融服务和政府部门因为合规责任不能外包。

2018-03-27

9.1K0

标签:

腾讯云数据湖存储 GooseFS：大模型存储基础设施技术解析与应用实践

腾讯云高级产品经理）发布机构/场景：2024 腾讯全球数字生态大会 (Tencent Global Digital Ecosystem Summit) 一、产品定位与核心亮点 GooseFS 是一款定位为“大模型存储基础设施 ”的统一数据湖存储服务。在 AI 模型“Scaling Law（缩放定律）”主导下，算力（2020至2024年增长 32倍）与网络（同期增长 10倍）快速迭代，而存储性能成为制约算力效率的瓶颈。 GooseFS 的商业差异化卖点在于：通过自研底层引擎与计算/服务端双向加速架构，化解了大模型场景下海量数据规模需求与极致读写性能需求之间的核心矛盾，为企业提供跨越基础设施性能鸿沟的统一存储池。产品优势能力（全量提取）海量低成本存储底座：提供覆盖数据热、温、冷和离、在线存储能力，满足数据全生命周期需求，降低边际存储成本。

2026-05-30

2130

标签:

讲座预告 | 大模型、AI经济与AI基础设施

blocks|key|2175393|text||type|atomic|depth|inlineStyleRanges|entityRanges|offset|length|data|2175397|2175400|entityMap|IMAGE|mutability|IMMUTABLE|imageUrl|https://developer.qcloudimg.com/http-save/yehe-1269631/26b591d9cc02373fa34c7f8f2c5b910b.png|imageAlt|

2023-04-25

4230

标签:

当黄仁勋将存储定义为「AI运行内存」，基础设施该如何实现物种进化？

黄仁勋强调，AI 的工作负载在访问模式、时延要求和数据生命周期上都与传统数据库和存储系统截然不同，因此现有存储架构难以满足需求，存储技术本身必须经历一次根本性的重构。这种底层架构的变革需求，正是当下 AI 基础设施面临的一大核心挑战。现在，一家成立已过十周年的公司对这一挑战发起了冲锋。对于这类处于商业化爆发期的头部 AI 企业而言，存储底座的稳定性直接决定了研发的连续性。这种需求的变化也预示着基础设施职能的彻底改变。 XSKY 的战略目标，就是帮助企业的专有数据完成这一物种进化，让基础设施能够支撑起从数据准备到模型训练再到推理部署的全生命周期。 AIMesh 如何推倒阻碍 AI 效率的「三堵墙」？ XSKY 将继续坚守「数据常青」的理念，通过提供开放且解耦的基础设施，支撑上层快速迭代的算力竞争。作为数据资产的守门人，XSKY 同时也是企业 AI 之路的加速器。

2026-01-22

3660

标签:

AI工厂崛起：Nvidia重塑大规模AI基础设施

为AI工厂重新设计AI堆栈随着AI堆栈的成熟，基础设施正围绕吞吐量、效率以及系统多层间的协调进行重新设计。网络结构、编排框架和自动化基础设施管理正在成为大规模AI部署的关键推动因素。功耗和能效也正在上升到基础设施规划的最前沿。随着GPU集群扩展为大规模AI工厂，组织必须管理日益复杂的电力分配和冷却需求。不断增长的技术合作伙伴生态系统正在帮助企业应对这些新兴的基础设施限制。AI堆栈中的公司——从存储平台到网络和电源管理提供商——正在将其技术与该机构的架构相结合，以提高性能和运营效率。随着组织寻求用海量数据来喂养日益庞大的AI模型，存储架构也在发展。闪存技术的进步同样在改善AI系统性能方面发挥作用。某机构一直与该机构的Magnum IO架构合作，以优化GPU和存储系统之间的数据移动，从而能够更快地访问大规模训练和推理工作负载所需的数据集。

2026-05-06

1960

标签:

保护前沿AI研究基础设施的安全

存储敏感数据像凭证、秘密和服务账户等敏感数据需要额外保护。我们使用密钥管理服务在我们的研究基础设施中存储和管理敏感信息，并通过角色基于访问控制限制访问，使只有授权的工作负载和用户才能检索或修改这些信息。4. 这些措施可能包括：授权：对包含敏感模型权重的研究存储账户的访问授权需要多方批准。未来控制的研究与开发保护日益先进的AI系统需要持续的创新和适应。我们在开发新的安全控制方面处于前沿，如我们在“重新构想先进AI的安全基础设施”博客文章中所述。我们对研究和开发的承诺确保我们始终领先于新兴威胁，并继续增强我们的AI基础设施的安全性。加入我们在OpenAI，我们致力于不断发展和保护先进的AI。我们邀请AI和安全社区加入我们的使命。

从零开始学AI

2024-06-06

4770

标签: