carmark

@ryan4yin 所以总结下呢？ All in AI 的感觉？

SeaweedFS 主要还是图片或其他非经常修改的对象，如果经常更改，可能并不如 minio 功能完善。

8 台还是 8 张，节点内可以走 nvlink 或者 pcie ，节点间如果要低延时可以走 IB 或者 RoCE 。一般而言推理并不需要高带宽，但是需要低延迟的产品。所以如果是 8 台机器最好上 IB 或者 RoCE ，这个比以太网好太多，如果是单机八卡那么其实上 nvlink 意义不大，重点还是要用正经的推理引擎，ollama 的目标是为了能兼容多种硬件。

可以跟别人卷 mlsys

开发机，小模型（ CV ）推理。

@allegory BOSS 搜一下呢？这个主要是搞 RoCE 拥塞控制，各种监控，各种识别，然后与 nccl 协同。

当然还有比如新华三这种做 RoCE 协议开发的。

建议找个实习搞 RDMA ，这个可能方向性上面更好，AI 强依赖这个。

无论从需求到场景都会更多。

@ruanimal

Base 湾区 $130k-170k/yr, 0.5%-1.5% equity
Base 国内面议

用 ceph 之前先看看自己的场景，一般 rbd>rgw>fs ，块设备的话问题应该比较小，文件系统风险最大。

同时要考虑好部署服务对象，以及具体要求，如果是小文件很多的场景，那么 fs 压力会非常大，而且经常容易 OOM 。

所以存储不能解决所有场景的问题，最简单的办法就是简化问题，放到垂直领域，用最简单的功能，减少复杂功能的使用。

如果要细节，那就太多了，我也不是专业的，只是刚毕业的时候搞了两年存储。