/
如何使用现有基础设施让数据做好AI准备
Hammerspace通过现有NVMe存储最大化GPU使用率。随着AI计算在混合云和多云环境中扩展，基础设施团队面临着加速洞察时间同时最大化GPU投资的压力。Hammerspace Tier 0将GPU服务器集群内的本地NVMe存储转换为超高速共享存储层，性能比传统网络存储提升10倍，减少检查点时间，提高GPU使用率，改善推理响应时间，无需额外存储系统，节省数百万美元成本。
美光科技放弃消费级存储品牌Crucial追逐AI商机
美光公司宣布将停止旗下英睿达消费级内存和存储产品线，转而专注于企业级芯片供应，特别是AI系统所需芯片。该决定源于AI驱动的数据中心需求激增，公司希望改善对大型战略客户的供应和支持。英睿达产品将持续出货至2026年2月底。受AI服务器需求推动，DRAM和NAND存储器价格近期大幅上涨，分析师预测DRAM价格可能翻倍。
HPE推出全闪存7700和高端5720扩展StoreOnce备份产品线
HPE更新了StoreOnce备份目标设备产品线，推出高端5720和全新全闪存系统7700。7700相比Gen 4 5260可提供高达5倍的RPO改善和3.5倍的RTO提升，占用机架空间减少80%，功耗降低24%。Gen 5 StoreOnce设备与Alletra MP B10000存储阵列集成，可提供崩溃一致性卷备份。HPE还增强了Morpheus虚拟机的支持，集成Zerto灾难恢复功能，并与Veeam合作提供虚拟机备份保护。
HPE 2025年存储业务：Alletra产品线全面崛起
HPE在2025年全力押注Alletra存储产品，专注销售自主存储软件而非合作伙伴IP。公司存储产品组合包括企业级Alletra阵列、GreenLake文件软件、入门级MSA阵列等。经历2023-2024年收入下滑后，2025年实现增长复苏。在存储市场中，HPE位于NetApp和Pure Storage之间，与Dell差距约4倍。Alletra MP产品线整合了3PAR、Nimble等品牌，推出了集成AI功能的X10000数据智能节点，支持直接运行AI管道，为企业提供云原生数据基础设施解决方案。
高带宽闪存面临工程难题，商业化还需数年时间
高带宽闪存技术承诺提供超大容量，但面临极其复杂的工程挑战。该技术将多层NAND芯片堆叠，每层由数百个3D NAND单元层组成，可创造前所未有的存储容量。相比昂贵的HBM内存，HBF使用更便宜但速度较慢的闪存为GPU提供更多存储空间。技术复杂性体现在互连布线的困难，12层HBF堆叠将包含2866个存储层。由于需要英伟达等GPU厂商深度参与和行业标准制定，预计HBF距离商用还需两年以上时间。
Nvidia SCADA技术将存储控制路径转移至GPU
英伟达SCADA技术是一种新型存储数据IO方案，GPU可直接启动和控制存储IO操作。与现有GPUDirect协议不同，SCADA不仅接管数据路径，还控制IO控制路径。该技术特别适用于AI推理工作负载中小于4KB的小块数据传输，能显著提升处理速度。英伟达正与Marvell、美光等存储生态合作伙伴开发SCADA兼容的SSD和控制器产品。
Solidigm：NAND行业面临晶圆厂短缺困境
NAND产业正面临三年芯片产出短缺，新晶圆厂建设需要数年时间。Solidigm在伦敦技术会议上表示，过去三个月SSD需求急剧增长，需求被严重低估。AI推理工作负载增长导致数据变得更热，需要存储在SSD而非硬盘上以提高GPU利用率。新洁净室建设成本高达180亿美元，加上HBM供应短缺，制造商更倾向于投资更profitable的HBM产能。未来三年内NAND洁净室产能不会大幅增加。
戴尔推动Azure PowerScale云端部署，将PowerStore集成至Azure Local私有云
戴尔PowerScale文件系统存储现已作为Azure托管服务提供，PowerStore块存储成为微软Azure Local产品的选项。PowerScale支持高达8.4 PB单一命名空间存储，性能比竞争对手高出4倍。Azure Local与戴尔私有云和PowerStore的集成预计于2026年春季进入早期访问阶段。
DDN推出CORE统一AI和HPC数据平面架构
DDN在SC25大会上发布了全新的CORE AI和HPC统一数据平面，整合了EXAScaler Lustre文件存储和Infinia对象存储系统，并推出A1400X3i和A12200新硬件。该公司声称其存储系统支持超过11000个客户的100万个GPU。CORE作为软件抽象层，统一管理本地部署和公有云实例，提供一致的AI数据性能，支持从模拟到训练、推理和检索增强生成的整个AI生命周期。
FMC获得FERAM资金以终结Optane的阴霾
德国铁电存储公司FMC获得1亿欧元C轮融资，用于将FERAM芯片技术应用于AI数据中心，替代DRAM和SRAM。FERAM具有与DRAM和SRAM相似的速度，但具备非易失性特征且耗电更少。公司推出DRAM+和3D CACHE+两款产品，旨在解决AI技术栈中的内存瓶颈问题。该技术采用标准CMOS工艺制造，但面临供应链接受度的挑战。
Quantum推出ActiveScale部分对象恢复功能显著提升磁带检索速度
Quantum为其ActiveScale磁带后端推出范围恢复功能，显著提升部分对象检索速度。客户现在只需恢复大型对象中所需的特定字节范围，而非重新激活整个文件，大幅缩短检索时间。软件更新还将小对象从冷存储或磁带层的读取性能提升五倍以上。这些更新使基于磁带的归档系统能够作为响应迅速、可查询的数据湖运行，专为AI、分析和高性能计算工作负载设计。
Infinidat G4系列升级重新定义高端企业存储格局
Infinidat发布InfiniBox SSA G4 F24，仅需11个机架单元即可提供77TB起始容量，相比前代产品占用空间减少31%，入门成本降低29%。混合系统单机架最大有效容量从17.2PB跃升至33PB，增幅达92%。系统原生集成S3对象存储协议，支持文件、块和对象三种协议。能效比竞品高7倍，功耗更低。产品定位中端市场，满足企业对高可用性和性能的需求。
Sandisk营收激增，数据中心业务前景可期
闪迪公司在2026财年首季度实现营收23.1亿美元，同比增长23%，环比增长21%。公司三大业务板块均实现增长，数据中心业务环比增长26%，边缘业务同比增长30%，消费业务同比增长27%。受AI驱动的SSD需求激增影响，供不应求推动价格上涨。公司凭借BiCS8技术的高容量节能SSD产品线，正与多家超大规模云服务商进行认证合作，预计数据中心将成为NAND存储最大市场。
西部数据Q1业绩飙涨，AI数据存储需求推动收入暴增27%
西部数据2026财年第一季度营收同比增长27%至28.2亿美元，净利润暴涨140%至11.8亿美元。超大规模云服务商对近线硬盘驱动器的强劲需求推动了这一增长。公司89%的硬盘营收来自公有云和私有云客户，仅11%来自客户端和消费者产品。随着AI应用加速扩展，数据存储需求持续增长，公司预计第二季度营收将达29亿美元。
WEKA携手英伟达BlueField-4 DPU推出NeuralMesh AI文件系统
WEKA的NeuralMesh高性能AI文件系统软件将在英伟达即将推出的BlueField-4 DPU上运行，实现完全无需x86控制处理器的闪存JBOD架构。BlueField-4 DPU配备Grace CPU和ConnectX-9网络，处理能力比BlueField-3提升6倍，支持800Gbps吞吐量。与传统CPU附加存储系统相比，该解决方案在智能AI工作流中可实现超过100倍的令牌/瓦特效率提升，为下一代AI工厂提供基础存储支持。
橡树岭国家实验室Discovery超算获得DAOS存储选项
HPE正在为橡树岭国家实验室构建两台新超级计算机：继任Frontier的Discovery系统将采用HPE GX5000 Cray百亿亿次超算，专为AI与高性能计算融合时代设计，配备K3000 DAOS存储选项和Lux AI系统。Discovery将支持基于物理的建模、仿真、数据驱动AI模型和量子计算测试平台功能。
HPE Alletra存储业务获得战略重点关注
HPE存储业务表现优异，公司重新公开报告存储收入数据，Alletra Storage MP成为主导产品。在AI驱动的市场变革中，HPE将存储作为AI系统销售的重要组成部分，Alletra存储连续三个季度实现三位数同比增长。公司调整财务报告结构，突出云和AI业务，存储收入重新独立披露。面对Dell、NetApp和Pure Storage等竞争对手，HPE依托服务器和网络优势推动存储销售增长。
东芝验证12碟硬盘技术，容量提升20%
东芝验证了12碟片硬盘驱动器技术，相比其10碟片微波辅助磁记录技术容量提升20%。该公司目前的10碟片硬盘最高容量为28TB。新的12碟片技术需要更薄的碟片和4个额外的读写磁头，东芝是业界首家实现此技术的制造商。通过12碟片技术，东芝可将容量提升至33.6TB，但仍落后于希捷的40TB产品。东芝计划2027年推出40TB级硬盘。
Pure Storage CEO详解数据集管理策略与软件栈发展
强调应从管理单个数据转向管理数据集生命周期，解决数据冗余和合规风险。他分析了FlashArray//ST采用商用SSD的战术决策，认为针对专业化小众市场更适合利用现成技术实现快速上市。Giancarlo还对比了Pure与传统厂商的软件栈策略，主张存储应像计算和网络一样实现水平化虚拟架构，而非垂直硬件全栈方案。
忘记训练，在AI推理阶段寻找杀手级应用
大多数企业不会训练自己的AI模型，而是专注于将AI应用到生产环境和推理阶段。核心任务包括数据微调和管理。关键技术包括检索增强生成、向量数据库、AI提示重用和副驾驶功能，让用户能用自然语言查询企业信息。由于GPU硬件更新速度快且成本高昂，企业更倾向于租用云端GPU容量。真正的AI价值在于推理阶段快速整理数据并优化现有模型。
京公网安备 11010802021500号
