DeepL 部署 VAST AI 操作系统构建翻译引擎数据底座，存储容量需求预计翻三倍

DeepL 部署 VAST AI 操作系统构建翻译引擎数据底座，存储容量需求预计翻三倍

发布时间：2026 年 10 月 22 日 | 来源：StorageReview | 编辑：SOSIT 中文站 技王数据恢复

DeepL 与 VAST 合作：为实时语音翻译构建统一数据架构

德国翻译引擎 DeepL 近日宣布，将采用 VAST Data 的 AI 操作系统（AI OS）作为其书面翻译及实时语音翻译研究环境的数据基础。这一合作旨在解决随着 AI 模型迭代加速而日益增长的存储与数据管理挑战。 技王数据恢复

根据 DeepL 披露的当前部署计划，其现有的 NVMe 硬件存储容量需求预计将增加至原来的三倍左右。为了应对这一增长，DeepL 计划利用 VAST 的 SyncEngine 组件，将其数据从现有的存储环境迁移至新的 VAST 平台。DeepL 表示，其平台目前服务于超过 20 万支企业团队，而实时语音翻译功能的训练需求是此次数据需求激增的主要驱动力。

www.sosit.com.cn

技术架构：从 NVMe 整合到混合云管理

此次部署的核心在于对现有基础设施的整合与优化。DeepL 指出，这“三倍容量”的增益主要覆盖其现有的 NVMe 基础设施。通过引入 VAST AI OS，DeepL 期望在不增加物理硬件投入的情况下，获得足够的空间以扩展模型开发工作负载。

www.sosit.com.cn

值得注意的是，VAST 与 DeepL 均未在公开声明中详细拆解这一“三倍”增益的具体构成。虽然 VAST 曾在今年 1 月推出名为 Amplify 的计划，宣称可将现有 SSD 的有效容量提升最高 6 倍，但此次合作并未明确将“三倍”这一数字与 Amplify 计划直接挂钩。此外，关于具体的硬盘型号、原始容量规格以及详细的实施时间表，双方均未对外披露。

技王数据恢复

在技术实现上，VAST AI OS 中的 SyncEngine 组件负责将 DeepL 的数据从旧环境迁移至新平台。该组件能够自动对数据进行编目和迁移。迁移完成后，VAST 平台将同时提供文件存储和对象存储服务，DeepL 方面表示，这种架构简化了其研究团队底层的数据结构，并赋予了其随着模型工作负载变化而调整资源的灵活性。 技王数据恢复

混合云战略：打通本地数据中心与云端环境

此次部署采取“本地优先，云端延伸”的策略。项目初期将在 DeepL 的本地数据中心（On-Premises）启动，随后计划逐步将 VAST 服务扩展至云端环境。 技王数据恢复

DeepL 首席科学家 Stefan Andresen 表示：“VAST 为我们提供了所需的性能与可靠性，同时让我们能更高效地利用现有基础设施。更重要的是，它为我们提供了一条路径，使数据能够更便捷地在我们的数据中心之间，以及随时间推移在云端环境中进行访问，从而减少阻碍研究进展的手动数据搬运工作。” www.sosit.com.cn

这一策略旨在消除研究人员在不同地点之间手动复制数据的繁琐过程，确保无论训练集群位于何处，研究人员都能获得对数据集的同等访问权限。不过，关于云端阶段具体将使用 VAST 的哪项服务以及具体的启动时间，目前双方尚未给出明确答复。

行业背景：AI 基础设施的演进趋势

此次合作并非孤立事件，而是 VAST Data 近期一系列战略动作的一部分。今年秋季，VAST 连续发布了多项公告，包括用于在受监管数据上运行模型的 NVIDIA 可信计算环境（DataEnclave），以及于今年 9 月上线的 CrowdStrike 集成服务。

VAST 联合创始人兼首席执行官 Jeff Denworth 指出：“随着 AI 走向生产环境，基础设施的可靠性变得与原始性能同样重要。书面语言、实时语音以及下一代 AI 体验都对数据提出了不同的需求，但研究人员不应每次模型或产品变更时都要重新设计底层基础设施。”

从行业角度看，VAST 正致力于将 AI 操作系统定位为跨模型开发、训练和推理阶段的通用数据基础，通过整合文件与对象服务，为分布式基础设施提供一致的访问体验。DeepL 此次选择 VAST，正是看中了其在处理高并发、高吞吐 AI 工作负载时的架构优势。

对国内用户与企业的启示

DeepL 此次与 VAST 的合作，主要聚焦于其全球研究环境的数据架构升级，目前公开资料中并未提及针对中国大陆地区的特定部署计划或本地化服务安排。对于国内从事 AI 模型开发、语音识别或自然语言处理的企业而言，这一案例提供了重要的参考视角。

随着大模型从文本向语音、多模态方向演进，企业对存储系统的性能、可靠性以及数据在本地与云端之间无缝流动的能力提出了更高要求。国内企业在规划 AI 基础设施时，需重点关注存储系统是否支持混合云架构，能否有效应对训练数据量激增带来的压力，以及是否具备简化数据管理流程的能力。

此外，由于 DeepL 此次部署涉及实时语音翻译训练，对数据访问延迟和带宽的要求远高于传统文本处理。国内企业在选型时，应评估现有或拟采购的存储方案在低延迟、高 IOPS 场景下的表现，特别是针对实时性要求极高的语音数据流处理能力。

数据迁移与恢复：企业需关注的风险点

DeepL 计划利用 VAST SyncEngine 进行大规模数据迁移，这一过程涉及将海量数据从旧环境迁移至新平台。虽然厂商宣称该过程能简化架构，但对于任何涉及大规模数据迁移的企业项目而言，数据的一致性与完整性始终是首要考量。

在迁移过程中，企业应密切关注数据校验机制，确保源端与目标端数据完全一致。同时，需制定完善的回滚与应急计划，以防迁移过程中出现数据损坏或丢失。尽管 VAST 强调其平台的可靠性，但在实际执行大规模迁移时，任何技术故障都可能导致业务中断或数据损失。

若企业在迁移过程中遇到数据无法读取、校验失败或性能严重下降等情况，应立即停止迁移操作，联系专业数据恢复团队介入处理。切勿在未评估风险的情况下强行继续迁移，以免造成不可逆的数据损坏。

后续观察方向

随着 DeepL 与 VAST 合作的深入，业界将重点关注以下几个方向：

• 云端扩展进度：DeepL 计划将 VAST 服务扩展至云端的具体时间表及所选用的云服务类型。
• 性能验证数据：DeepL 是否会在后续发布关于此次迁移后性能提升的具体实测数据，以验证其“三倍容量”或“性能与可靠性”的宣称。
• 技术细节披露：关于 Amplify 计划与此次合作的具体技术关联，以及具体的硬盘型号与容量规格。
• 国内落地情况：该解决方案是否会在未来针对中国市场推出本地化版本或适配服务。

信息来源

主要来源：StorageReview

报道链接：https://www.storagereview.com/news/deepl-vast-ai-operating-system-3x-nvme-capacity-syncengine

发布时间：2026 年 10 月 22 日

技术审核：邓严军｜技王数据恢复实验室技术总监