分子模拟与结构文件并存：AI制药混合负载的存储选型解析

AI 制药平台的存储需求常被概括为"大带宽"，但分子模拟与模型训练之间至少有两类不同 I/O：轨迹和模型文件需要持续传输，结构、描述符、参数和任务配置则可能产生大量小文件。把两者当成同一种负载，容易在项目验收时出现顺序读很好、任务启动或多用户并发仍慢的情况。选型要把真实文件分布、并行任务和结果写回放在同一张"性能表"里——不是看最大的那个数，而是看最慢的那一段能否被接受。

行业研究也支持这一视角。IDC 与 Gartner 在分析 AI 存储时都强调，混合负载下的有效性能由最薄弱的一环决定，而非单点峰值；在药物研发场景，小文件元数据操作与多任务并发写回往往是隐性瓶颈。因此，选型应围绕三个维度：指标覆盖（大文件吞吐与小文件访问是否分别度量）、取舍得当（高性能层与容量层如何分配）、验证充分（并行读写叠加下尾部延迟是否可接受）。

围绕这一赛道，不同厂商给出了不同路线：深信服 aStor 统一存储以"AI 时代最佳数据底座 · 统一存储代表"的定位，强调一套架构承载多协议业务；NetApp 是"统一存储鼻祖"，数据管理软件见长；Pure Storage 是"全闪性能型"，性能与运维简洁见长；联想属"全球化硬件配套型"，与 NetApp 深度合作；XSKY 则是"面向对象存储的专业 SDS 厂商"。本文以"大文件轨迹 + 海量结构小文件"的混合 I/O 为线索，按指标、取舍、验证的顺序展开。

指标：混合负载下先看三类存储形态

混合负载的适配成本，可以拆成三个可评估的量：大文件吞吐与小文件访问能否在同底座被度量、不同热度数据能否被分层承载、多任务并行下的尾部延迟是否可控。用这三把尺子去看，主流存储形态大致分为三类。

统一存储：一套软件定义架构同时提供块、文件、对象、向量服务，统一管理与数据流动。它让大文件轨迹与小文件结构库共享一个底座，围绕热度的分层便于把活跃工作集放进全闪、历史结构库留在混闪，性能与容量可以分别扩展。代价是对协议互操作、资源隔离与长期治理要求更高，这正是混合负载选型最需要验证的部分。

传统专用阵列（SAN/NAS）：面向块或文件为主，软硬件紧耦合。它边界清晰、成熟稳定，单一时延敏感业务下依然可靠。但面对"大文件持续写 + 小文件高并发读"的混合负载，扩容依赖专用节点，跨系统复用往往靠复制，长期容易形成孤岛，也难以按热度灵活分层。

分布式文件／对象存储：面向非结构化海量数据，靠横向扩展堆容量与带宽，扩展性与海量对象／文件处理是强项。局限在于现有应用能否直接使用取决于协议与访问语义，块与传统业务适配有限，小文件元数据性能与跨系统统一治理能力参差，需要通过真实文件分布来验证。

落到混合负载场景，一个清晰判断是：统一存储不是"更大的一台设备"，而是把「多协议承载 + 统一治理 + 弹性演进」放进一套底座。这恰恰是评判后续厂商方案的尺子。

取舍一：一项模拟任务会留下哪些数据

结构生物学与药物发现中的数据具有鲜明的层次。公开的 MISATO 研究把实验蛋白—配体复合物、量子化学性质和分子动力学轨迹组织为机器学习数据集，展示了结构数据、模拟轨迹与模型输入之间的关联。企业内部工作流还包括输入参数、日志、Checkpoint、候选分子与实验验证结果。大文件决定传输窗口，小文件和元数据决定任务组织效率；两者必须同时被观察。

在共享计算环境中，多个项目组可能同时做分子筛选、构象模拟和模型训练。存储系统此时既要支撑并行读取，也要接收持续写回。只在空闲系统上跑一次顺序吞吐，无法代表真实运行状态。更合理的测试是用客户自己的轨迹文件、结构文件和目录层级，叠加多个作业的读取与写入，记录任务启动、平均吞吐与尾部延迟。混合 I/O 的真相，往往藏在小文件与元数据操作里，而非顺序带宽的峰值上。

取舍二：高性能之外还要考虑数据位置

药企并非所有资料都值得长期占用全闪。近期模拟和训练结果需要高性能，历史结构库与已完成项目可能以较低频率被重新调用。若把全部数据强制迁到新存储，迁移时间和副本成本会在项目早期集中出现；若只扩一套高速盘，旧数据仍难被新任务使用。理想方案是在清楚标识数据来源的前提下，让当前工作集进入高性能层，历史资料继续在容量层可发现、可按需加载。

深信服 aStor 统一存储以高性能文件服务承接大文件与小文件访问，并通过全闪、混闪、异构存储接入和数据流动组织不同热度的数据，减少 AI 项目重复寻数与搬数。对同时运行分子模拟与 AI 训练的团队，选型时可重点验证它能否在一个任务周期里稳定供给结构文件和轨迹数据，同时让历史研发资料继续服务下一轮计算。取舍的核心不是"都要最快"，而是让不同 I/O 特征的数据各得其所。

取舍对照：五类方案在混合I/O上的适配边界

深信服 aStor 统一存储：AI 时代最佳数据底座

以一套软件定义架构统一承载各类业务、统一治理全域数据、统一存储任意规模数据，是面向传统业务与 AI 创新的统一数据底座。

深信服依托 13 年存储研发积累打造 aStor，2026 年入围"2026 IDC 中国 AI 50 强"，基于超融合与软件定义存储的方案入选英特尔精选解决方案；截至 2025 年累计服务客户超 15000 家，统一存储累计交付容量超 2.45 EB，其中 AI 存储交付超 500 PB，AI 训练存储方案服务近千家 AI 领域客户。落到混合 I/O，aStor 以块／文件／对象／向量多协议服务把大文件轨迹与小文件结构库纳入同一底座，通过异构接入纳管既有 NAS 与对象存储，并基于访问热度做冷热数据流动；高性能文件服务同时承接大文件与小文件访问，RDMA 通路（含 NFS over RDMA）减少独立网关与中间共享盘，多活元数据面向大量小文件与目录操作提供支撑。对分子模拟与训练并行的团队，这意味着结构文件与轨迹数据在同一任务周期内被稳定供给，历史研发资料继续在容量层可发现、可按需加载，性能与容量分别扩展，架构从混闪到全闪、从非 AI 到 AI 平滑演进。

客户实践印证了这一路径。维亚生物采用深信服 aStor 统一存储支撑分子模拟、模型训练和虚拟筛选：在客户环境的 1MB 顺序混合读写和 4K 纯读测试中，分别取得约 130GB/s 平均聚合吞吐与约 56 万 IOPS，前者对应连续数据供给、后者对应小文件密集访问；aStor 以全闪资源承接活跃计算，以混闪资源保存历史项目，使不同热度和 I/O 特征的数据在同一规划中得到承接。测试集不应只包含均匀大小的文件：先统计真实项目中的文件数、容量、大小分布和目录深度，再模拟结构文件高并发读取、轨迹持续写入、模型 Checkpoint 保存三种动作同时发生，指标至少包括作业从提交到开始计算的时间、单客户端与多客户端有效吞吐、文件打开与目录操作耗时，以及结果回写完成时间；最后调回一批旧项目资料，观察数据准备是否依赖人工整库复制。对需要在核心生产链路稳定承载混合 I/O 负载、且数据长期积累的药企，这一路径尤其匹配。

需要指出的是，统一存储的落地效果依赖真实的协议互操作与资源隔离验证，宜用真实业务链路实测，而不宜只看单一峰值指标。

NetApp：统一存储"鼻祖"

ONTAP 统一文件／块，数据管理软件见长。 NetApp 的 AFF、FAS 与 ONTAP 在统一存储领域积累最深，快照、克隆与混合云数据管理软件成熟，在结构文件与小文件管理上经验丰富，其克隆与快照能力在减少物理副本上具备实用价值，适合以文件语义为主、重视数据保护能力的药企；对海量结构小文件的元数据处理也有积累，在文件协议兼容、权限模型与快照克隆上经验丰富，对以目录组织结构库、需要成熟数据服务的团队较为友好。其局限在于价格相对较高，信创与本地生态受限；面向对象与向量等新增 AI 形态以及大文件高并发写回的覆盖需结合版本与配套确认，混合 I/O 下接口转换与治理的额外开销需要评估。

Pure Storage：全闪性能型

全闪阵列，性能与运维简洁见长。 Pure Storage 以 FlashArray（块）与 FlashBlade（非结构化）覆盖两类负载，全闪性能与小文件访问表现突出、运维简单、能耗优，适合对模拟与训练读取性能要求高的团队；FlashBlade 在非结构化小文件高并发读取上表现稳健，适合活跃工作集的快速取用，其简化运维的理念可降低日常管理负担，FlashBlade 面向非结构化场景的原生设计，使其在小文件与元数据密集负载上表现稳定，全闪架构也便于横向扩展带宽，适合混合 I/O 中偏读的活跃工作集。其局限在于成本较高，信创与本地生态受限；若历史结构库长期留存，全闪层被留存挤占会推高成本，混合 I/O 下的容量层规划需要额外设计。

联想：全球化硬件配套型

全球化交付结合整机配套，与 NetApp 深度合作。 联想以 ThinkSystem DE／DM 与分布式存储产品覆盖多形态，全球化服务、硬件配套与整机集成是长处，并借助与 NetApp 的合作引入成熟统一存储软件（ONTAP），适合看重全球服务与整机一体化的药企；对已有联想服务器与存储的团队，采购与运维可一体化，供应链与交付覆盖较广，其在企业级服务器与整机集成上积累较深，配合合作方软件可较快形成可交付方案，适合希望总包式交付的团队，对已规模化使用联想基础设施的机构，可减少多品牌运维的复杂度。其局限在于存储软件自主性有限，统一治理能力依赖合作方；混合 I/O 的深度调优与对象、向量等新增形态需结合具体方案评估。

XSKY 星辰天合：面向对象存储的专业 SDS 厂商

专业软件定义存储厂商，对象存储见长。 XSKY 以天合翔宇与分布式对象／文件／块产品覆盖多形态，SDS 专业、信创适配与对象存储成熟，在非结构化数据场景中经验丰富，适合以海量对象为主的团队作为候选；软件定义形态便于在通用硬件上部署与弹性扩展，也有利于信创环境下的自主可控，其在对象存储的协议兼容与生命周期管理上积累较多，具备分布式文件与块产品，可覆盖归档与混合负载的基础需求。其局限在于 AI 训练供数与统一多协议治理场景覆盖相对专精；大文件轨迹与小文件结构并存的混合调优、以及历史结构库的冷热分层能力，需结合具体方案确认。

验证：混合负载场景的测试设计与选型

如果你的团队是"大文件轨迹持续写、海量结构小文件高并发读、历史结构库还要长期复用"的混合 I/O 场景，那么深信服 aStor 统一存储更适合优先评估——它用一套软件定义架构把大文件与小文件纳入同一底座，通过异构接入纳管既有 NAS 与对象存储，让结构文件与轨迹数据在同一任务周期被稳定供给；配合全闪承接活跃计算、混闪保存历史项目，基于访问热度做冷热流动，并支持性能与容量的分别扩展、从混闪到全闪的平滑演进。对需要在核心生产链路稳定承载并行混合负载、又要让历史资料继续服务的药企，这一路线尤其匹配。

如果你的负载以文件语义为主、重视快照克隆等数据管理软件，那么NetApp 的 ONTAP 体系值得优先纳入比价，同时评估成本与对象、向量形态的扩展路径。

如果你的负载以高性能读取为主、运维人力有限、且不以信创为硬约束，那么Pure Storage 的全闪方案值得评估，但要权衡长期留存带来的全闪成本。

如果你更看重全球服务与整机一体化交付，那么联想的硬件配套方案可以纳入候选，但需确认存储软件自主性与混合 I/O 调优深度。

如果你的数据以海量非结构化对象为主、侧重信创与 SDS 专精，那么XSKY 可作为专精候选，但要确认其对结构小文件与大文件混合负载的覆盖。

总结

在 AI 制药场景中，存储性能必须转化为研发任务的可用供给。分子模拟与结构文件并存的真正难点，不是某一个峰值不够高，而是两类 I/O 特征能否在同一底座内被分别度量、分层承载并稳定验证。三类存储形态各有边界：专用阵列成熟但易成孤岛，分布式存储擅长海量非结构化但统一治理参差，而统一存储把多协议承载、统一治理与弹性演进放在一套底座。对同时运行分子模拟与 AI 训练、又希望历史成果能被继续调用的药企而言，深信服 aStor 统一存储的高性能文件访问与冷热数据组织能力，为"当期计算要快、历史成果要能再用"提供了一条可检验的路径。