AIGC（AI-Generated Content，AI生成内容）是指基于GAN（Generative Adversarial Network，生成对抗网络）、大型预训练模型等人工智能技术的方法，通过对已有数据进行学习和模式识别，以适当的泛化能力生成相关内容的技术。AIGC继承了PGC（Professional-generated Content，专业生产内容）和UGC（User-generated Content，用户生成内容）的优点，并充分发挥其技术优势，打造了全新的数字内容生成与交互形态。

随着AIGC技术的不断发展，AI写作、AI配乐、AI视频生成、AI代码生成以及最近非常热门的AI绘画等技术在创作领域引起了广泛讨论。

下面，就由泛联信息的技术大牛，以第一人称视角、通俗易懂的叙述方式，和大家一起聊聊AIGC技术实现和存储要求那些事儿。

其实吧，这AIGC也不是啥新鲜事儿。2003年我才接触到AI，满心好奇地试着和一个AI网站的聊天机器对话，在一个弹出的对话框里，对方不温不火地用英文有问有答，也许是非母语的原因，我也看不出啥端倪，只是觉得对方所有的回答都模棱两可，我甚至怀疑就是个网站雇了几个人在回答问题，赚取流量。

一晃20年过去了，这期间，AI在许多领域早就实用了，比如图像识别等领域都已经非常成熟。但是对于日常生活的人们来说，AI技术始终藏在某个对话框和摄像头的背后，还只是些冷冰冰的抽象术语，和自己的生活还是有很大的距离。这种状况一直持续到ChatGPT出现之前。最开始当我被很多人问及ChatGPT的时候，我的感知还是停留在这不就是种AI应用的认知上，说实话也就是20年前的感觉。于是乎，我不厌其烦地回答朋友们：“这没有啥啊，就是AI的一种应用而已啊！”

然而一天，当一个非IT朋友眉飞色舞地谈起他的使用体验后，我觉得还是有必要关注一下，看看今天的情况到底和20年前的那个看起来漫不经心的对话框有啥区别。

于是乎，用了个最简单的方法，访问了下Bing的Image Creator，试着生成了几幅图像看看效果,速度很快，结果很快便出来了……

“哟!还行!”

我没有测试文字输出，而特意选择了图片。这么做是有原因的，这其一，是几十年前和那个网站的对话让我觉得语言本来就不准确，有很大的模糊空间，是否是答非所问，也主要和阅读者的感受相关，不太客观，因为，也许用不太智能的代码也能达到相同的效果。二是，既然是AIGC，那么至少这AI能理解我输入的文字，并且能输出比较逻辑的图像，而人类对图像的逻辑鉴别能力是与生俱来的，好坏一眼便知。这三幅图不能说是很理想，但是也好到使我相信这样的事实，这AI应用的拐点确实到了！

从左到右，三个输入文字依次为：机器人管家和孩子们在后院里游戏、机器人和人类踢球、机器人管理的动物园。

其实在这些描述中隐藏一个含义，那就是：“这AI会平和地和人类共处吗？” 还好哈，除了人类的手的细节描述不太精细之外，没有极端的场景出现，一切都挺祥和，动物园那张的构图、透视和配色还相当优美……客观地说，这几幅图远比许多自媒体的涂鸦要精美上许多。

那么问题来了，这些图像到底是怎样产生的呢？别急，且容我略花些许篇幅，简单地介绍下这AIGC到底是咋工作的。

AIGC 生成的有许多种技术，我就不一一例举了，这里就重点说说Diffusion（扩散模型）和GAN吧，以及它们生成原理之间的比较，GAN的历史要早点，Diffusion在其后才出现，但是Diffusion的风头很劲。

先来谈谈GAN，它的原理比较直观，容易理解些。GAN的全称是Generative Adversarial Network，中文翻译过来就是生成对抗网络。生成对抗网络其实是两个网络的组合：

• 生成网络（Generator）负责生成模拟数据。生成网络要不断优化自己生成的数据让判别网络判断不出来。
• 判别网络（Discriminator）负责判断输入的数据是真实的还是生成的。判别网络也要优化自己让自己判断得更准确。

二者关系形成对抗，因此叫对抗网络，它们之间的关系可以用竞争或敌对关系来描述。虽然这么说，但是我愿意用更温馨的一个故事来解释，这里面可没有敌对的双方哈。在这里GAN就像是一个孩子自学成才成画家的过程，我们这里假设，一个妈妈拿一幅画让孩子照着画，在这个场景下，孩子就是Generator，而妈妈则是Discriminator。

于是这孩子不管三七二十一，拿起笔动手就乱画，而妈妈也没闲着，她在一旁猜哪张是孩子画的，孩子只管涂鸦，妈妈只管评论。

画出第一幅后（最开始时，孩子肯定不知道咋画啊，于是这画出的画面几乎等同于噪声），妈妈一看就说到“呵呵，一点都不像！”

于是孩子再改；“不像 ，比上回更不像了！” 孩子一听就不按上回的方法涂了，他改变了一些画法再试。

“嗯，这回好点！” 有门！于是孩子就这沿着这回的方向又往前进了一点。

“哎，不错，比刚才更像了！”孩子好像发现点门道了,于是更卖力往这个方向画下去……

母子之间就这么互动下去（你发现没，这母子的角色实际上是竞争性的）……

直到某个时刻，妈妈欣喜地说道：“哎，真像！我都看不出来哪张是你画的了！”于是这幅画就算是画好了，当然，这孩子也学会画这幅画了，简单明了吧，这GAN就是这么个方法论！

如果说GAN的思路比较直接，那么Diffusion模型咋一看就显得有点匪夷所思了！为什么这么说呢，因为Diffusion模型会分成两步来完成，第一步看起来是在学习如何搞破坏，而第二步则是再学习如何恢复被破坏的东西。

Diffusion最早是2015年的一篇文章提出的，但当时并不完善，直到2020年时才真正落地。从2021年底到今天，这Diffusion大大地火了，OpenAI和Google Image都是用的这个模型来生成内容。

Diffusion Model（扩散模型）是另一类生成模型，和GAN生成网络不同的是，扩散模型分成两个阶段，首先是 “前向阶段”，然后是“逆向阶段”。

我们还是以上面的故事举例，孩子在妈妈的监督下学画画，但是这回方法变了，在这个新的方式就是，先把原来的图像逐步用笔乱画（即添加噪声），直至图像被破坏变成完全无法识别的状态（高斯噪声）。

当然，这孩子也得记下来刚才是咋把画弄成这样的，然后呢，他再倒回来，逐步取消这些乱画的笔触，再把画从无法分辨的状态（高斯噪声）还原为原始图像。这样他也能学会如何画这幅画。

以上两个小故事，尽管虽然简单，也算是大概描述了当前AIGC如何生成内容的原理。实际上的AI训练过程其实也很类似，但是要比孩子学画画要烧钱、烧时间多了。

人工智能的成功应用除了需要选择合适的模型外，更为重要的是海量数据的训练，这涉及到大量GPU、内存和存储的使用。对于GPU和内存我们就不深入讨论了，这里我们重点看看AI对存储有哪些需求。简单地说，对于存储而言，AI的需求就是“容量”和“性能”。

任何AI模型在训练到成功应用前，其过程都可以想象成一个一边吞噬数据，一边吐出结果的“怪兽”。越多数据的“喂食”，这“怪兽”吐出的结果就越准确。

所以，存储得要有个“大肚子”，首先要解决海量数据的诉求，不论是对文件还是对象，AI应用的原始的数据集而以达到几十亿甚至上百亿的规模。

除了能存储海量的数据外，AI还需要存储能迅速地把数据送到GPU的内存里去，这就要求和AI适配的存储有个大嘴巴，即高速的读写性能和极低时延。但对于存储而言，大段连续数据的读写并不是瓶颈，反而小的I/O请求是个挑战。

对于卫星云图或者是地质勘探的数据来说有可能较大，但是更多的数据是一些小图片、音频和视频片段，他们可能都只有几十K，几M的大小；而数据的标签、特征则可能就是使用CSV或者TXT格式，大小仅有几十个字节的文件。并且，在数据处理分析计算的过程中，还会产生大量的过程文件，它们大部分都是小文件。因此，AI场景下也十分强调针对小文件访问的优化。

不论使用什么AI平台，在训练阶段，都是把数据集放在某些目录下，AI代码则从这些目录下按批量读取，这些目录会被频繁访问从而成为数据热点。

总结起来就是，在AI的场景下，存储设备需要体现出三个特点：

• 大肚能容
• 大嘴吞吐
• 快慢分区

这大肚能容就是容量大，性价比高，比如说原始数据存在容量型的空间。大嘴吞吐是指存储到GPU的速度要快，时延要低，在AI训练的场景下，GPU应该一直保持高速运行以提高效能，而不应老是出现GPU等待数据送达的现象。快慢分区是指数据清洗和标识，以及最重要的训练数据集，需要放在快速访问的介质空间，而原始数据可以先暂存在经济性能较合适的介质中，这样，在保证AI训练速度的同时也降低数据存储的成本，提升经济性。

结束语

泛联信息的分布式存储UbiScale 12000和UbiPower 18000，就是这样一种容量和性能的理想搭配，是特别为AI、HPC/HPDA场景而设计的产品组合，满足AI、HPC/HPDA场景下大容量、高性能的需求，并且提供海量文件访问，小文件加速等特性，以满足客户不同阶段的需求，助力客户在AI、HPC/HPDA领域不断获得成功。