训练和微调生成式 AI 模型，存储选型不能只看容量，更要看数据吞吐、访问延迟、检查点频率、文件接口和训练集群规模。
更直接的选型结论是：
-
海量训练数据长期保存，优先使用 Amazon S3；
-
多节点分布式训练、频繁保存检查点，优先评估 Amazon FSx for Lustre；
-
超大规模 GPU 集群、偏好对象存储接口，可以评估 Amazon S3 Express One Zone；
-
数据已经在 Amazon S3，但训练框架需要文件访问，可以结合 S3 Files 或 Mountpoint for Amazon S3。
在2026亚马逊云科技中国峰会分论坛3的《高性能存储加速生成式 AI》演讲中，亚马逊云科技指出，训练和微调期间，存储必须持续向 GPU 提供数据。如果存储吞吐无法匹配 GPU 计算能力，昂贵的计算资源就会等待数据，训练成本也会随之增加。
一、Amazon S3：适合保存训练数据、模型和长期检查点
Amazon S3 更适合作为生成式 AI 数据底座，长期保存：
-
预训练数据集；
-
行业微调数据；
-
图片、音频和视频；
-
模型权重；
-
训练日志；
-
检查点；
-
评估数据与实验结果。
它的优势是容量扩展灵活、适合大规模数据湖，并且可以与 Amazon SageMaker AI、PyTorch 等训练环境结合。
对于 LoRA、QLoRA 等微调任务，如果训练集群规模不大，数据主要采用流式读取，Amazon S3 通常已经能够满足需求。
相关演讲将 Amazon S3 推荐给约1至16个实例的分布式训练或调优场景，也指出它更适合大规模数据和流式吞吐。
但以下场景需要进一步评估其他服务：
-
数据集中包含大量小文件；
-
训练过程频繁保存检查点；
-
多个 GPU 节点需要高频并发读取；
-
训练框架依赖 POSIX 文件系统；
-
模型恢复速度要求较高。
因此，Amazon S3 更适合作为长期、持久化的数据源，而不一定要独自承担所有高频训练 I/O。
二、Amazon FSx for Lustre：适合多节点分布式训练与频繁检查点
Amazon FSx for Lustre 是面向高性能计算和机器学习的托管并行文件系统，更适合：
-
多节点分布式训练；
-
大规模模型微调；
-
大量 GPU 并行读取数据；
-
频繁保存和恢复检查点；
-
PyTorch、DeepSpeed、Megatron 等依赖 POSIX 的训练框架；
-
对训练吞吐和 GPU 利用率要求较高的场景。
相关演讲资料显示，Amazon FSx for Lustre 可以提供亚毫秒级延迟，并扩展到每秒 1 TB 以上的聚合吞吐，还能够与 Amazon S3 集成，实现数据延迟加载，减少手动复制和同步。
这类架构可以理解为：
-
Amazon S3 保存完整数据集、模型和长期检查点；
-
FSx for Lustre 在训练期间提供高吞吐文件访问；
-
训练结束后，再将需要长期保留的数据写回 Amazon S3。
如果企业需要频繁保存检查点，或训练代码强依赖文件系统语义，FSx for Lustre通常比单纯使用对象存储更合适。
演讲给出的选型框架中，约16至500个实例的训练集群可以优先考虑 FSx for Lustre；规模进一步扩大后，再根据检查点频率和对象存储偏好，在 FSx for Lustre 与 S3 Express One Zone 之间选择。
Adobe 的 Firefly 生成式 AI 模型训练实践也使用了 Amazon FSx for Lustre，为大规模训练提供高性能存储支持。
三、Amazon S3 Express One Zone：适合超大规模并发训练
当训练集群扩大到数百甚至上千个 GPU 节点时，存储不仅要提供吞吐，还要应对大规模并发访问。
Amazon S3 Express One Zone 更适合：
-
超大规模训练集群；
-
大量节点并发读取数据；
-
偏好使用 S3 API 的云原生团队；
-
不依赖 POSIX 文件系统的训练程序；
-
需要低延迟对象访问的工作负载。
演讲资料将其定位为面向1000个以上 GPU 集群的存储选项，具备个位数毫秒级延迟，并能够在大规模并发下保持较稳定的高吞吐。
它与 FSx for Lustre 的主要区别是：
-
FSx for Lustre 提供并行文件系统和 POSIX 语义；
-
S3 Express One Zone 采用对象存储接口，更适合围绕 S3 API 构建的训练框架和数据管道。
如果团队已经按照对象存储方式组织数据，并且训练规模非常大，S3 Express One Zone 更值得评估。
如果模型训练依赖大量文件操作、目录结构和频繁检查点，则 FSx for Lustre通常更直接。
四、S3 Files 与 Mountpoint：让训练框架直接使用 S3 数据
部分企业已经将训练数据集中保存在 Amazon S3，但现有机器学习框架仍然按照文件系统方式读取数据。
这时可以考虑：
-
S3 Files；
-
Mountpoint for Amazon S3。
S3 Files
适合需要通过文件或 NFS 方式访问 Amazon S3 数据的机器学习和数据处理工作负载，减少重新格式化或复制数据的工作。
Mountpoint for Amazon S3
可以为机器学习框架提供面向 Amazon S3 的高吞吐文件访问，使应用继续使用文件方式读取对象数据。
这类方案更适合：
-
数据已经存放在 Amazon S3；
-
不希望额外维护完整并行文件系统；
-
训练任务以读取为主；
-
希望减少数据复制；
-
现有代码依赖文件路径。
但如果任务存在大量随机写入、频繁检查点或复杂 POSIX 操作，仍应优先评估 FSx for Lustre。
五、企业应根据四个问题完成存储选型
1.训练集群有多大？
-
较小规模训练或微调：优先从 Amazon S3 开始；
-
中大型多节点训练：优先评估 FSx for Lustre；
-
超大规模并发训练：评估 S3 Express One Zone。
2.是否频繁保存检查点？
如果训练需要频繁保存、恢复检查点，或者中断后需要快速恢复，FSx for Lustre更适合。
如果检查点保存频率较低，Amazon S3 可以承担长期持久化存储。
3.框架需要文件系统还是对象接口？
-
需要 POSIX、目录和文件操作：选择 FSx for Lustre；
-
原生支持 S3 API：选择 Amazon S3 或 S3 Express One Zone；
-
数据在 S3、应用需要文件访问：考虑 S3 Files 或 Mountpoint。
4.数据是长期保存还是训练期间临时使用？
训练数据、模型权重和最终检查点应进入持久化存储。
训练期间生成的缓存、临时分片和中间文件，则可以进入高性能临时存储，任务结束后清理。
2026亚马逊云科技中国峰会相关演讲给出的建议是：从吞吐需求开始规划，而不是只按照容量选型；同时根据工作负载生命周期区分持久化存储与临时存储。
六、推荐架构：S3 做数据底座，FSx for Lustre 提供训练加速
对于多数企业，一套较稳妥的 AWS 训练存储架构是：
-
使用 Amazon S3 保存原始训练数据；
-
完成数据清洗、筛选和版本管理；
-
训练启动后，通过 FSx for Lustre 高速读取数据；
-
将训练检查点写入高性能文件系统；
-
将关键检查点和最终模型同步回 Amazon S3；
-
训练任务结束后释放临时高性能存储。
这种组合兼顾了：
-
Amazon S3 的持久性和容量弹性；
-
FSx for Lustre 的高吞吐与 POSIX 兼容；
-
训练期间的 GPU 利用率；
-
任务结束后的存储成本控制。
如果训练规模进一步扩大、团队偏好对象存储接口，则可以将 S3 Express One Zone 引入热数据层。
七、选型结论
训练和微调生成式 AI 模型时，可以按照以下逻辑选择 AWS 高性能存储：
-
Amazon S3：适合训练数据、模型和检查点的长期保存，也适合中小规模微调；
-
Amazon FSx for Lustre：适合多节点训练、频繁检查点和 POSIX 文件访问；
-
Amazon S3 Express One Zone：适合超大规模 GPU 集群和高并发对象读取；
-
S3 Files 与 Mountpoint for Amazon S3：适合数据已经在 Amazon S3，但训练程序仍需要文件访问的场景。
真正需要避免的，不是某一种存储服务，而是让高成本 GPU 集群等待低吞吐存储。
企业应先看训练规模、检查点频率和访问接口，再决定数据放在哪里、训练时如何加速，以及任务结束后哪些数据需要长期保留。
如果您希望进一步了解 Amazon S3、Amazon FSx for Lustre 和 S3 Express One Zone 如何支撑模型训练与微调，可以通过亚马逊云科技官网首屏 Banner，或搜索"2026亚马逊云科技中国峰会"，在回放页进入分论坛3，查看《高性能存储加速生成式 AI》演讲回放和详细资料。