人工智能是当今计算机发展的重要方向之一。人工智能类工作需要大量数据对模型进行学习，数据量越大，得到的模型就越准确。因此，人工智能类工作具有很高的IO需求。

        我们的项目面向人工智能类负载，希望通过优化缓存和存储的机制，能够提高IO性能，增加AI job的整体训练性能。人工智能类负载具有自身独特的缓存模式，不适合一般性的缓存算法，需要基于人工智能负载的特点进行专门优化。此外，因为数据量较大，即使是分布式云缓存，也很难缓存所有数据，因此需要分布式存储的与缓存进行配合。

        最后，面向人工智能的服务器通常有大量用户同时运行，不同用户之间如何权衡效率与公平也是重要的研究角度。