AI需求激增，存储技术加速升级

AI算力狂奔，存储架构成新瓶颈？NVIDIA在FMS大会亮出三大招 AI大模型的胃口越来越大，动辄需要海量数据集和超长上下文窗口，这早已冲破了传统系统内存的物理边界。但面对激增的数据洪流，光靠堆砌存储容量显然不够。业界真正需要的，是从AI工厂中提炼出有价值、有依据的洞察，以及支撑这些洞察的高效、安全的存储架构。在本周举行的未来存储与内存大会（FMS）上，NVIDIA一口气公布了多项存储技术进展，并试图向外界传递一个核心观点：AI的下一轮飞跃，不仅取决于加速计算本身的算力，更取决于为这些算力“喂食”的存储基础设施。 压力正在变得空前巨大。随着AI智能体（AI Agent）开始海量消耗数据，GPU甚至可以直接发起存储请求，瞬间产生成千上万个并发操作。为了响应这些请求，存储系统必须持续进行加密、压缩、校验和重建数据。当数千个智能体同时访问存储时，这些关键的数据服务环节极易成为新的性能瓶颈。NVIDIA技术博客中引用的基准测试显示，作为NVIDIA Vera BlueField-4 STX一部分的Vera CPU，在“压缩+加密”两阶段流水线中，其吞吐量比传统x86 CPU最高提升了3.21倍。这意味着，借助Vera，存储平台能以更少的计算基础设施，更高效地吸收AI数据洪流，实现更高的吞吐量。 核心变化：存储从“被动仓库”变为“主动参与者” 在加速计算的语境下，存储不再是 passively 存放数据的仓库，而是变成了数据路径中的主动一环。这彻底颠覆了旧有的存储经济学——过去，我们纠结于数据该放在内存（应用访问更快）还是硬盘（成本低廉、空间充足）。这个权衡在40年前被首次提出，当时衡量标准是“分钟级”的数据访问延迟。而如今，在NVIDIA及其合作伙伴的AI存储方案配合下，同样的权衡已经缩短到“微秒级”。要弥合AI需求与内存短缺之间的鸿沟，必须依赖整个生态系统的深度协同设计，从内存和存储制造商，到构建于其上的软件栈，缺一不可。 开源cuFile API，打破GPU直连存储壁垒 在FMS大会上，NVIDIA宣布将开源其cuFile应用程序接口（API）及其底层的垂直存储软件栈。这套API的核心价值在于，它允许GPU（而非仅限CPU）直接读写存储设备。cuFile是NVIDIA GPUDirect Storage的开放组件，通过利用数十万个GPU线程、高速高带宽内存等技术，能在微秒级时间内安全地访问存储数据。这代表了行业正在基于Linux最佳实践，统一一个“安全优先”的存储栈，实现GPU与数据之间的互操作性。此外，快速、安全的数据访问也是支撑主动与被动网络安全防御的基础。将cuFile开放，有助于让安全上下文、数据和存储以AI防御所需的速度被访问。这类开放技术也支持了诸如新成立的Open Secure AI Alliance等倡议。该联盟由Google、Intel、NVIDIA和Meta作为初始维护者，向所有贡献者开放API，并针对各种软硬件平台进行优化，旨在为开发者和企业驱动创新与效率。 联合行业巨头，推进AI存储新前沿 除了开源，NVIDIA还在与存储行业领导者共同推进一项名为“Storage-Next”的倡议。这项由NVIDIA主导的计划，汇集了存储制造商、控制器供应商、散热设计、冷却与编排运营商以及标准制定机构，共同定义GPU驱动型存储应有的行为模式，并将这些技术进展转化为可互操作的开放行业标准。目前，Storage-Next已吸引了超过40家领先的存储和闪存供应商参与。这标志着AI存储正从单点技术突破，走向全行业协同制定标准的阶段，对于依赖AI基础设施的跨境电商和AI应用开发者而言，这意味着未来数据处理的效率和安全性将迎来系统性提升。