杉岩数据产品副总裁花瑞应邀出席，并发表题为《融合对象存储：打造AI数据平台的新范式》的主题演讲，花瑞从AI多模态数据爆发的现实挑战出发，系统阐述了融合对象存储如何通过四大技术范式，重构数据供给体系，释放AI算力潜能，为与会者带来了一场关于AI数据平台的深度思考。

花瑞指出，随着多模态数据爆发式增长，AI项目落地的核心瓶颈已从算力转向数据供给效率。IDC研究报告显示，超过72%的企业在非结构化数据的存储、治理和调用中遇到效率瓶颈，GPU集群空转率居高不下，传统存储架构难以满足AI训练与推理对性能、存算协同、跨模态数据管理等多维需求，亟需新一代数据架构平台破局。

面对这一挑战，杉岩数据提出“融合对象存储”概念。对象存储的演进路径清晰可见：始于互联网时代的“容量扩展”，经历大数据时代的“价值统一”，如今正加速迈向智能时代的“AI原生”——为AI数据平台的构建提供了坚实的技术基础。

基于此，杉岩数据构建以对象存储为基础，融合多协议访问、智能分层、存算融合和全局统一命名空间的新一代AI数据平台——SandStone AI Data Platform（简称“杉岩AIDP”）。

如何破局？花瑞介绍，融合对象存储不是传统对象存储的简单升级，而是面向AI原生的全新数据平台。他将其总结为四大技术范式：

传统数据湖时代，对象与文件协议需要通过网关转换，元数据转换开销大，且无法满足多模态数据管理需求。杉岩AIDP支持S3、POSIX、HDFS、NFS、FTP等多种协议无损互通，共享同一份元数据。AI训练、推理、数据分析均可在一套存储上完成，免协议转换，消除性能损耗。

同时，企业构建RAG知识库，通常需要额外搭建向量数据库，成本高、链路长。杉岩数据将向量存储与检索能力内置于对象存储。数据写入时，iDataEngine完成向量化，并自动更新向量索引。花瑞透露：“对象存储不再只是存数据的仓库，而是懂数据的智能平台。 RAG知识库不再需要独立向量库，TCO降低60%只是起点，更重要的是数据近实时向量化、跨模态混合检索精准、运维简单。”

面对EB级数据增长与长期留存需求，iDataStore提供面向AI全生命周期的智能分层存储方案。通过AI驱动的冷热数据自动识别与迁移，实现热、温、冷三层精准分级：热数据驻留全闪存对象存储，保障训练实时读取；温数据存放于混闪对象存储，具备EB级持久性；冷数据自动下沉至磁带库，无需人工干预。该方案让数据存放有序，更带来显著的成本效益，真正实现“存得起、管得好、用得省”。其中全闪对象存储在业界率先支持S3 Over RDMA技术，解决了传统对象存储通过HTTP协议传统数据时的延迟高，性能差的问题，满足AI训练过程的Checkpoint以及推理场景KV Cache卸载对于存储系统的性能需求，并且支持Mountpoint文件客户端，将GPU服务器侧内存资源抽象成L0 Cache层，加速数据访问。

存算融合分为两个部分，一是算子下推，传统模式中，应用从存储取数据→搬到计算层→再做清洗、缩放、格式转换，海量数据跨系统拷贝，效率极低。杉岩将预处理算子（解码、缩放、转码、智能压缩等，可结合业务需求定制算子插件）下沉到存储层，存储直接返回“半成品”数据，减少90%以上的无效搬运。二是存算协同调度，这时iDataEngine充当“数据搬运工”，根据AI任务需求，自动将数据集预热到靠近GPU的全闪层。数据就在身边，算力随取随用。

大型企业往往拥有多个存储集群，甚至包含不同厂商的文件系统、对象存储、大数据存储，形成数据孤岛。跨集群访问必须通过数据拷贝，速度慢且产生大量冗余。杉岩AIDP通过iDataCatalog构建全局元数据视图，跨集群同步元数据变更，支持全局数据可见。任何客户端可透明访问和读写各集群数据，支持按需拉取和缓存加速，真正实现“数据免搬迁、全局协同”。

融合对象存储正重塑AI数据平台，全面优化存储性能与数据管理，释放数据潜能。花瑞介绍，杉岩数据的新一代AI数据平台——杉岩AIDP广泛应用于AI模型训练、数据集预处理、推理及各类AI应用，涵盖自动驾驶、智能制造、具身智能、医药研发、气象监测和科研创新等领域。

杉岩AIDP具备多协议访问能力，支持S3、POSIX、向量存取与检索等多种接口协议，支持全闪、混闪、低频归档等对象存储池的全生命周期管理，实现全局统一命名空间和存算协同调度，为AI数据基础设施提供新的范式选择。

正如大会主题“存算无界 生态共享”所倡导，只有打破存储与计算、数据与算力之间的边界，才能构建真正高效的AI数据基础设施。而杉岩数据，正以融合对象存储为支点，撬动AI数据平台的新范式——让“数据就绪，AI就绪”成为现实。