RustFS 1.0.0，正式来了。
这个2023年启动、2024年写下第一行代码的开源项目，在正式版发布前已经跑出一条很陡的增长曲线。官方数据显示，RustFS经历6600多次代码提交、135多个版本，吸引全球180多位开发者参与；开源14个月，GitHub Star超过3.2万，全球安装量超过270万，其中70%以上来自欧美，Docker Hub镜像累计拉取超过1000万次，并已经进入AI、能源、金融、云计算等生产场景。
放在对象存储这个并不大众的赛道里，这组数字很容易让人产生一个疑问：一个成立时间并不长的项目，为什么能在这么短时间里跑到全球？
答案多少与MinIO有关。长期以来，AWS S3和MinIO都是对象存储领域绕不开的名字。随着MinIO调整商业化策略和开源生态，一批开发者开始寻找新的选择，RustFS恰好出现在这个时间窗口。但它最近做的事情已经逐渐超出“MinIO平替”的范围。S3 Tables被做进对象存储内核并直接开源，后面还有S3 Vector、RDMA、DPU以及面向AI数据中心的一系列计划。
沿着这些动作看下去，RustFS创始人兼CEO Kevin真正关心的问题已经越来越清晰：AI时代的数据应该怎么存、怎么流动，一家开源基础软件公司又该靠什么长期生存。
一开始就把路铺向全球
2023年启动RustFS时，团队最先看到的，其实是国内市场的机会。当时，越来越多企业开始重新审视自己的基础技术栈，而MinIO已经用多年的发展证明，对象存储拥有一个足够大的市场。对RustFS来说，一个很自然的起点，就是围绕这些正在发生变化的需求，做一套更容易被这些企业部署和使用的对象存储产品。
真正开始摸索商业化之后，Kevin发现国内外的软件付费环境存在很大差异。欧美企业更习惯持续订阅，国内不少IT采购仍围绕年度预算和项目制展开。同一套软件商业模式换一个市场，很难原样照搬。
与此同时，MinIO本身也在调整。许可证变化，以及Docker镜像、控制台等开源内容的变化，让一些开发者开始寻找新的选择。RustFS由此重新规划了路线，既然代码已经决定开源，面对的也可以直接是全球开发者，RustFS最初的官网甚至只有英文版本。代码发布到GitHub后，不管用户在欧洲、北美还是亚洲，都可以同时下载、部署和测试。Kevin把这种打法概括为“第一天全球化”。
一年多之后，这条路线已经反映在用户分布上。RustFS官方披露，目前超过70%的安装来自欧美。开源当然能降低第一次尝试的门槛，但真正决定一个基础软件能不能留下用户的，还是几个很具体的问题：装起来麻不麻烦，长期运行稳不稳，出了问题有没有人解决。
这些问题，也把RustFS带到了下一段更难走的路上。
让企业信任的底气，来自一次次暴力测试
对于存储软件来说，用户一旦开始把真实数据放进去，衡量产品的标准就变了。一款普通软件崩溃，重新启动往往还能继续工作；存储系统如果发生严重故障，代价可能是一批业务数据再也找不回来。
RustFS早期为此搭建过接近300个节点的分布式测试环境，并主动制造各种故障。团队会直接拔电源、拔网线、拔硬盘，也会随机下掉一批机器，再格式化设备、重新加入新节点。很多数据中心里让运维人员头疼的事故，被他们提前反复演练。
就像新桥通车前的压力测试一样，晴天时车辆能够顺畅经过只说明基本功能正常，真正决定这座桥能不能长期使用的，是重载、故障和意外出现后，结构还能不能撑住。
到了企业客户环境里，验证时间还会进一步拉长。Kevin提到，有些同行的POC可能只跑一周，RustFS愿意让客户跑三个月甚至半年。同时，系统会持续监控硬盘、网络、并发和操作系统状态，一旦接近资源阈值，就提前提示扩容或调整。
目前RustFS已经进入运营商、铁路，以及海外金融科技、云服务等场景，部分商业客户的数据规模已经达到PB甚至数十PB级。到了这个规模，一次性能测试很难说明全部问题。客户更关心系统能不能连续运行，故障出现之后能不能恢复，问题发生时有没有人快速响应。
Kevin因此把大企业存储生意理解为一种“信任生意”。代码和性能只是底层，长期运行经验、服务响应，以及最终有人愿意对结果负责，同样是产品的一部分。
GPU越来越快，存储却开始站到AI的路中央
今天谈AI基础设施，人们很容易把注意力集中在GPU上。芯片算力提高多少、显存有多大、模型能跑多少Token，都有非常直观的数字。
Kevin关注的是另一段正在变得拥堵的路：GPU越来越快以后，数据能不能及时送过去？
模型训练以前，原始数据要保存、清洗和标注；进入训练阶段，GPU需要不断读取数据；模型训练完成以后，权重和结果又要重新存下来。到了多模态阶段，图片、视频、音频不断增加，数据的体量和类型同时变得复杂。
如果把GPU看作高速运转的加工厂，对象存储更接近它背后的仓库和物流系统。工厂加工速度再快，原料送不过来，机器还是会等。
RustFS这次重点投入S3 Tables，就和这条变化有关。它把Apache Iceberg REST Catalog直接内置进对象存储内核，Spark、DuckDB、PyIceberg等工具可以直接连接。用更通俗的话说，相当于在原来的大仓库里，同时增加货架、目录和管理系统，让结构化数据与图片、视频、模型文件等数据能够放进同一套体系里管理。
Agent的出现又提出了新的要求。过去，人通过账号和文件夹访问数据；未来可能是大量Agent自动读取企业内部的数据。某个Agent能够读取什么、能不能修改、哪些数据完全不能接触，都需要更加细致的权限控制。
因此Kevin很看重Catalog和Policy，希望数据被存下来时，就已经带着明确的目录和访问规则。
再往底层走，还有RDMA和DPU。前者可以理解成数据运输的高速通道，后者负责分担网络、存储等数据搬运工作，让CPU和GPU把更多资源留给计算。RustFS已经进行了相关技术储备，不过没有急着全面铺开，因为不同厂商的硬件和协议还比较分散。
加入NVIDIA Inception后，RustFS也开始更早接触英伟达的工程体系和开发者资源。Kevin尤其关注DOCA这类技术，它正在尝试把GPU、DPU、网络和存储连接得更紧。现阶段，通用对象存储依然是更大的现实市场。RustFS的选择更像提前把施工设备准备好，等车流真正出现，再决定高速公路修到哪里。
如果AI以后连软件都能写，RustFS还靠什么赚钱？
AI编程能力越来越强，Kevin也在考虑一个更远的问题：如果有一天，AI能够直接理解一套软件的全部代码，再根据一句话生成类似产品，人们还会不会按照今天的方式为软件付费？
这个问题很难提前回答，但有一些东西不会那么容易消失。
其中之一是数据。假设用户已经把大量照片、视频或者企业资料保存在RustFS里，未来可以直接授权AI处理这些内容。家庭用户可以让模型读取多年的照片，整理孩子的成长记录；企业也可以让AI读取特定数据完成分析。RustFS希望未来连接不同的模型和Token资源，让数据留在原有存储体系里，就能直接调用AI能力。
另一块是备份。Kevin观察到，海外企业对备份的重视程度很高，因此RustFS计划建设云上云下一体化能力：企业的数据可以继续保存在本地，需要备份时经过加密再上传到云端，平台拿不到密钥，也无法直接读取用户的数据。开源软件负责覆盖更多用户，云端的备份、存储和资源服务则可以形成持续收入。
Kevin甚至考虑过把IPFS一类分布式存储资源用于低成本备份。经常访问的数据需要高速读取，备份数据却可以接受几分钟的恢复时间，只要数据足够安全，并且有更高的性价比。沿用前面的道路比喻，重要数据需要高速公路，一些长期归档的数据完全可以走成本更低的路线。
无论软件本身发生怎样的变化，Kevin认为“信任”依然很难被AI完全替代。AI能够写代码、部署软件、自动扩容，但当一家大型企业把几十PB数据交给一套系统时，最终仍然会问一句：出了问题，谁负责？
这也解释了RustFS为什么承诺永久开源。Kevin希望开源版本继续降低存储的使用门槛，公司则围绕云服务、备份、资源和企业服务寻找收入。商业化可以慢一些，产品原来的路线不能因为短期收入发生变形。
从2023年启动，到2026年发布1.0.0，RustFS走过的时间并不长。早期，它抓住的是对象存储生态变化带来的窗口；随后进入全球开源社区，如今又开始把路线延伸到S3 Table、AI数据、云备份、RDMA、DPU以及Agent的数据基础设施。
模型会变，芯片会变，软件形态也可能继续变化。但数据依然需要保存、调用、备份和恢复，企业依然需要有人为这些数据负责。因此，Kevin反复提到的“信任”，在AI能力不断增强之后反而有了更具体的含义。
它可以是一套存储系统连续运行几年没有丢过数据，可以是在硬盘和网络接近极限之前提前发出预警，也可以是在Agent自动完成部署之后，仍然有人愿意在最终结果上签字。RustFS早期反复拔电源、拔硬盘、断网络做稳定性测试，后来让大型客户跑三个月甚至半年的POC，本质上都在积累这种很难被一次模型升级抹掉的东西。
软件会变，模型会变，芯片也会变。存储与记忆、计算与数据之间的调度效率、Agent对数据的调用，以及产品可靠性和用户信任，却更像穿过技术周期之后依然存在的底层需求。
如果后AI时代真的存在一张通行证，它上面写的或许不会只是“更强的模型”或者“更多的算力”。数据能不能存住，计算能不能及时拿到，Agent能不能安全使用，以及出了问题有没有人负责，这些能力才更接近那张长期有效的凭证。
而RustFS正在做的事情，就是把这些能力一块一块拼起来。当这条路继续向前延伸时，RustFS已经拿到了通往后AI时代的通行证。
