凭借单个工作节点 7.6 GiB/s 的吞吐量、跨三个工作节点线性扩展至 20 GiB/s、P99 延迟稳定低于 2ms 的优异表现，Alluxio 让 checkpoint 写入不再成为训练步骤中的短板！

2021年度中关村国际前沿科技创新大赛以“引领前沿科技、助力数字经济”为主题，瞄准国际最新科技趋势，结合中关村重点发展产业领域以及分园特色产业，聚焦生物医药、人工智能、集成电路、大数据与云计算等12个重点领域开展，旨在通过大赛公开路演的方式，面向全球公开遴选一批拥有全球首创、世界领先的前沿技术项目和企业。大赛得到了教育部、中科院、清华大学、北京大学、中国科协、中国证券投资基金业协会等部门的大力支持

编者按：在本期的博客文章中，我们有幸采访到了Alluxio公司创始工程师并现任开源副总裁的范斌博士。范斌是Alluxio开源项目的管理委员会成员（PMC member）和源码维护者(maintianer)。加入Alluxio项目之前, 范斌就职于谷歌，从事下一代大规模分布式存储系统的研究与开发。范斌2013年获得卡内基梅隆大学(Carnegie MellonUniversity)计算机系博士学位.

杨林三-辉羲智能辉羲智能致力打造创新车载智能计算平台，提供高阶智能驾驶芯片、易用开放工具链及全栈自动驾驶解决方案，运用独创性“数据闭环定义芯片”方法学，助力车企构建低成本、大规模和自动化迭代能力，实现优质高效的自动驾驶量产交付，引领数据驱动时代的高阶智慧出行。创业公司中，如何使用Alluxio？从0-1使用 Alluxio 的过程（调研-部署-上生产）。实践经验分享。《 Alluxio 在自动驾驶

人工智能基础设施团队正面临全新的挑战：性能瓶颈早已不再局限于 GPU 算力。如今，更常见的限制因素，往往是数据和模型在存储系统中的传输速度——尤其是在以对象存储为主的云环境中。无论是加载数十亿参数的推理模型，还是运行需要处理海量中间数据的工作流，存储访问一旦变慢，GPU 算力浪费、训练时间拉长、任务性能不稳定等问题便会立刻显现。Alluxio AI 3.8 版本推出两项重大新功能，旨在消除现代 A

在2021 Alluxio Day V 中，Alluxio核心研发工程师 邱璐，为我们带来[Alluxio云上K8S部署如何加速深度学习训练]的分享邱璐 毕业于乔治华盛顿大学数据科学专业，有多年开源社区贡献经验，2018年加入Alluxio 团队，主要负责Alluxio与公有云场景的结合，分布式系统选举机制，日志管理，监控系统，机器学习场景下的数据供给研究开发。·以下为邱璐在本次大会中的演讲实录·

最新的 MLPerf Storage v2.0 测试结果显示，Alluxio 通过分布式缓存技术大幅加速了 AI 训练和 checkpointing 工作负载的 I/O 性能，在多种常见的由于 I/O 瓶颈导致 GPU 利用率不足的场景中，成功将 GPU 利用率提升至 99.57%。

企业级数据访问加速平台领导者 Alluxio 宣布上线 Oracle 云市场（Oracle Cloud Marketplace），正式成为 OCI（Oracle Cloud Infrastructure ）全球合作伙伴之一。这一里程碑式的合作标志着双方将为共同客户提供更便捷的AI基础设施解决方案，通过创新的数据加速技术彻底改变人工智能与机器学习工作负载的数据访问范式。

最新的 MLPerf Storage v2.0 测试结果显示，Alluxio 通过分布式缓存技术大幅加速了 AI 训练和 checkpointing 工作负载的 I/O 性能，在多种常见的由于 I/O 瓶颈导致 GPU 利用率不足的场景中，成功将 GPU 利用率提升至 99.57%。

尽管数据共享目前尚未普及，处于早期阶段，但是，以数据共享为核心的生态体系，包括为数据消费者和数据提供者的基础设施、交易能力和服务，都将在 2023 年得到长足的发展。在云上部署数据密集型负载的企业需重新评估其云战略，更加关注成本优化，根据现有或新项目的ROI（投资回报率）和TCO（总拥有成本）来进一步审视企业的云开销。此外，随着大模型不断升级优化，研发人员将需要找到更多新的方法，用来把更多的大模型