本文转自【美通社】；
北京2020年7月14日 /美通社/ -- 数据之于人工智能就如同燃油之于汽车。人工智能模型开发需要输入海量训练数据，单个样本数据集大小即可达到上百GB，如果采用人工拷贝、搬运数据，不仅费时费力，而且存在数据冲突和数据安全风险，在这种情况下，数据对于AI模型训练来说不是“加油”，而是成为模型开发的瓶颈，影响企业AI应用效率。浪潮AIStation企业级人工智能开发平台，可以一站式进行AI模型开发和部署，在数据管理方面可实现集中管理，兼顾读取速度与安全性，打破数据孤岛和IO瓶颈，帮助用户获得200%-300%的开发效率提升。
可视化&多种数据访问方式 兼顾便捷与数据安全
AI开发涉及的数据包括样本数据集、模型文件等，种类非常多，格式和特性各异。此外，AI开发需要企业内各业务组的协同工作，必须有完善的数据管理机制保障数据的流通和共享，否则就会存在数据冗余、版本冲突、权限控制等方面的问题。
AIStation平台内置数据管理模块，可无缝对接各类存储系统，提供可视化界面对数据进行集中管理。开发人员可在数据管理界面快速上传数据，并通过目录挂载的方式实时调取数据，进行数据预处理、模型开发、模型调试等工作。训练结束后，用户可按需保存、上传、共享模型文件。
AIStation提供了个人数据、组内数据和公共数据三种数据访问控制方式，满足了企业内部用户数据隔离与共享的需求。并为每个用户和部门创建了不同的命名空间，以及相应的权限控制功能，让开发人员能够根据业务需求灵活共享数据，并保障数据安全。
数据缓存加速，训练效率提升200%-300%
数据输入输出是影响模型训练周期的重要因素。即使GPU性能再强，也需要高性能的输入/输出系统不断的将数据传送给GPU进行运算。输入的样本数据通常是小文件，并且在迭代过程中会随机读取样本进行训练，产生较高的随机读负载。而AI企业一般使用共享存储或者分布式存储管理数据，计算节点通过网络挂载的方式访问存储数据，这样即便使用万兆网络或者Infiniband网络，也有可能存在数据带宽不能满足GPU计算输入的问题。
AIStation综合考虑AI计算对数据I/O的需求以及企业内部的实际场景，通过数据缓存机制满足高性能计算需求，可让模型训练效率获得200%-300%的提升，缩短模型开发周期。
AIStation可在各计算节点划分数据缓存区域，用来临时存放用户训练所需的样本数据，通过本地SSD盘的高速I/O降低数据读写延迟。此外，AIStation会根据节点的数据缓存情况自动调度训练任务，从而避免训练数据的重复下载，节省数据加载时间，加速模型训练进度。并且支持数据自动下载和数据缓存管理。
安全沙箱技术，为数据隐私护航
数据安全对企业AI开发至关重要，一套优秀的数据管理解决方案必须能够保证数据安全，确保数据不会发生增加、修改、丢失和泄露等。
AIStation采用安全沙箱技术，将企业数据存储区域与个人数据区分开，保证数据隐私安全。管理员可以设置数据下载权限，限制指定用户或用户组的下载功能，使涉密数据只能在平台内部使用，保障企业数据的安全性。
此外，AIStation可实现数据自动多副本备份，降低宕机等原因导致的系统中断对AI开发的影响。
浪潮AIStation平台针对AI开发中的数据管理问题输出整体解决方案，可以帮助企业用户建立稳定高性能的数据管理机制，消除数据安全、数据冲突、带宽延时等问题，让模型训练效率获得200%-300%的提升，显著提升企业AI研发效率。
除了数据，AIStation还能高效管理计算资源、开发环境，帮助AI用户提高计算资源利用率，秒级构建开发环境，加速AI研发创新进程。