AI 在金融领域的应用正变得越来越深入。将 AI 算法应用于量化投研后，数据挖掘、处理效率大幅提升，量化投资策略变得更加丰富。

在使用 AI 进行量化交易策略开发时 ，会产生大量离线任务，任务量波动巨大，短时间内可从 0 上升到上万任务量，本地存储无法灵活地弹性伸缩，量化机构开始考虑上云。

• AI+量化投研场景给底层存储带来哪些挑战？
• 量化机构为什么会选择公有云？
• 云上有哪些低成本高吞吐的存储方案？
• JuiceFS 在传统高性能计算平台和 Kubernetes 上如何应用？

本次活动，我们邀请到量化投资领域新秀 Metabit Trading 分享他们的创新实践，Juicedata 团队也将继续带来我们的行业观察。

时间

2022 年 9 月 25 日（本周日）下午 14:00-16:00

活动议题

Topic 1：如何为AI+ 量化研究场景构建存储平台

分享人：李健弘， Metabit Trading- Engineering manager of Research infra，专注于在量化研究领域搭建机器学习平台和高性能计算平台。在加入 Metabit Trading 之前，曾在 Facebook 担任高级工程师。

演讲概要：

• AI + 量化研究场景有哪些特点？为什么选择使用公有云 ?
• 常见应用场景对存储有哪些新要求？
  • 小文件的读写支持；
  • 热数据的高性能读写；
  • 冷数据的低成本存储；
  • QoS、权限隔离、subdir mounting；
  • 训练 pipeline 的数据加速
• POSIX Filesystem 选型和对比：云厂商服务(CPFS\FSx, NAS\EFS) & JuiceFS
• JuiceFS 在各场景中的应用与价值
• JuiceFS 调优

Topic 2：基于 Kubernetes 搭建的 AI 平台如何选择存储方案

分享人：苏锐，Juicedata 合伙人，作为 1 号成员参与创建 JuiceFS，一直深度参与在开源社区中支持开发者使用 JuiceFS。

演讲概要：

• AI 场景中，数据存储需的关键能力有哪些？
• 为什么用 K8s 搭建 AI 平台？
• 选型比较（公有云NAS\ GPFS\ Gluster\Ceph\ Minio\ Lustre\ Alluxio)
• JuiceFS 在 AI 场景中的关键能力