北京
随着 AI 大模型从数字世界向物理世界加速渗透，具身智能已成为人工智能产业下一代核心增长极。具身智能模型训练高度依赖海量多模态数据，同时需要与物理仿真环境保持高并发实时交互与 GPU 渲染，对存储系统的性能、时延与扩展性都提出了极致挑战。
近日，XSKY 星辰天合高性能并行文件存储 MeshFS 在某头部具身智能企业完成部署交付，为其算力平台构建起稳定高效、经济可控的数据存储底座。该项目的落地，标志着 XSKY 针对具身智能高并发、低时延训练场景的存储方案得到行业领先客户的深度验证，为公司在 AI 前沿领域的拓展树立了标杆案例。
核心价值亮点
全流程数据流转适配：打造覆盖数据采集、多模态清洗、强化学习训练到仿真验证的完整数据流转方案，匹配具身智能全链路业务需求。
双业务高性能支撑：基于 MeshFS 全闪并行文件存储，可同时承载训练与仿真两类核心任务，保障高并发读写下的稳定低时延。
云原生深度融合：通过标准 CSI 插件与客户 Kubernetes 算力调度平台无缝对接，实现容器化环境下的高效存储调度。
智能分层降本增效：联动混闪对象存储 XEOS 构建自动冷热分层体系，在保障性能的同时大幅降低整体 TCO。
方案技术解析
本次项目中，客户计算端部署了搭载 NVIDIA B 系列 GPU 与 RTX 5090 显卡的算力节点，通过 Kubernetes 平台统一调度训练与仿真任务；存储层采用 XSKY「MeshFS 并行文件存储 + XEOS 对象存储」的组合架构，针对性匹配具身智能的业务特性。
全闪底座 + 软件优化，释放极致性能
存储集群由 3 个高性能分布式节点组成，硬件层面单节点搭载 NVMe 企业级数据盘，并配置双口 200G 高速网卡，奠定高吞吐、低时延的硬件基础。 软件层面，MeshFS 通过深度 NUMA 均衡优化与全栈无锁化设计，充分释放 NVMe 介质与 200G 高速网络的硬件潜力，打通从存储节点到 GPU 显存的高速数据通路，满足训练与仿真双负载的极致 IO 需求。
标准 CSI 对接，无缝兼容云原生算力调度
针对客户容器化算力调度的需求，MeshFS 提供标准高效的 CSI 插件，完美兼容客户 Kubernetes 环境。即便在多网融合、严格网络区域划分的限制下，MeshFS 依然能保障业务 POD 容器挂载的高效性与稳定性，为 JupyterLab 开发环境及 AI 训练进程提供无感知的存储支撑。
自动冷热分层，平衡性能与成本
具身智能训练会产生 TB 乃至 PB 级的轨迹与视觉数据，全量存储在全闪介质中会带来高昂的成本压力，人工数据迁移则会打断数据流转效率、增加运维风险。 XSKY 通过「全闪文件 MeshFS + 混闪对象存储 XEOS」的架构，实现策略驱动的自动冷热分层：
- 统一命名空间透明访问：数据归档后物理位置迁移至混闪对象层，但文件路径保持不变，上层业务无感知，可随时透明访问。
- 生命周期智能管理：系统根据数据访问热度与存储时长，自动将冷数据下刷至 XEOS 对象存储；结合纠删码（EC）技术与小文件合并下刷机制，相比传统多副本架构大幅提升存储利用率，显著降低客户整体 TCO。
- 训练前预热加载：针对即将启动的训练任务，可提前将归档在对象存储中的数据集预热加载至 MeshFS 全闪层，确保训练启动即获得最优性能。
总结与展望
从项目部署落地到试运行陪跑，XSKY 凭借高质量的交付能力与出色的实测表现获得客户高度认可。本次成功实践，既展现了 XSKY 在具身智能前沿领域的技术积累，也验证了「MeshFS 高性能文件存储 + 对象存储自动分层」组合方案在 AI 大模型时代的普适性与生命力。
未来，XSKY 将持续深耕 AI 与具身智能赛道，迭代升级产品能力，助力更多机器人与人工智能企业突破数据吞吐与成本瓶颈，推动具身智能产业加速规模化落地。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
