训练大模型，最先崩的可能不是 GPU！7B 模型一个检查点就 14GB？训练数据存储的坑 90% 团队第一步就踩了

大白话模型训练不只有 GPU，背后还有一整层存储：原始图片音频、打包好的训练分片、训练中途存下的模型权重快照（检查点），还有日志。作者说，大多数团队都用兼容 S3 的对象存储来放这些东西，因为 PyTorch、boto3 这些工具天生就会说 S3 这套接口。最常见的翻车点是把四类数据全塞进同一个桶，结果读和写的压力互相打架。正确做法是原始层只读不改，预处理层随时能重建。

对你意味着如果你在搭训练管线或自建存储，这篇能帮你避开容量规划和读写路径的坑；不碰训练的人也能理解大模型背后那层看不见的基础设施。