🟩NVIDIA Developer Blog•最新收集於 7h
NVIDIA Vera Storage 加速 AI 資料防護
💡了解儲存防護與復原如何影響代理式 AI 系統效能。
⚡ 30-Second TL;DR
有什麼變化
基準測試涵蓋加密、壓縮、完整性檢查與復原工作負載。
為什麼重要
更快的資料防護操作可降低 AI 服務與代理系統的儲存開銷，尤其適用於資料需要反覆讀取、轉換與保存的情境。企業團隊可能需要將儲存效能納入代理系統的端到端延遲與可靠性評估，而不再將其視為獨立的基礎設施層。
下一步行動
使用代理工作負載測試 NVIDIA Vera Storage 的基準情境，並同步量測加密、壓縮、完整性檢查與復原開銷，以及端到端延遲。
誰應關注：Enterprise & Security Teams
關鍵要點
- •基準測試涵蓋加密、壓縮、完整性檢查與復原工作負載。
- •代理式 AI 工作流程的每個推理步驟，都可能觸發多次儲存操作。
- •持久記憶、企業知識、KV cache、工具與生成結果都會提高儲存需求。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •NVIDIA Vera Storage 採用了基於 DPU（資料處理器）的卸載架構，旨在將儲存堆疊的運算負載從 CPU 轉移至專用硬體，以降低 AI 推理延遲。
- •該技術整合了 NVIDIA Magnum IO 軟體堆疊，特別針對大規模 GPU 叢集中的 I/O 瓶頸進行了最佳化，以支援高並發的 KV cache 存取。
- •Vera Storage 支援端對端的資料完整性驗證機制，利用硬體加速的校驗碼計算，確保在 AI 模型訓練與推理過程中資料不會因位元翻轉而損壞。
- •此架構引入了針對 AI 代理（AI Agents）工作負載的智慧快取策略，能自動識別並優先處理頻繁存取的企業知識庫與工具執行腳本。
- •NVIDIA 在 Vera Storage 中實作了零信任儲存存取控制，透過硬體加密引擎在不影響傳輸效能的前提下，實現對儲存區塊層級的即時加密。
📊 競品分析▸ Show
| 特性 | NVIDIA Vera Storage | Pure Storage AIRI | NetApp ONTAP AI |
|---|---|---|---|
| 核心架構 | DPU 卸載與 AI 原生整合 | 專用快閃儲存陣列 | 混合雲資料管理平台 |
| AI 最佳化 | 針對 KV cache 與代理工作流 | 針對大規模訓練資料吞吐 | 針對資料管線與版本控制 |
| 硬體依賴 | 強度依賴 NVIDIA BlueField DPU | 軟硬體整合方案 | 軟體定義儲存，硬體彈性高 |
🛠️ 技術深入
- 採用 NVIDIA BlueField-3 DPU 作為資料處理核心，實現儲存協定（NVMe-oF）的硬體卸載。
- 支援 GPUDirect Storage (GDS) 技術，允許儲存裝置與 GPU 記憶體之間進行直接資料傳輸，繞過 CPU 記憶體。
- 整合了針對 AI 代理工作流程的預取演算法，能根據推理步驟預測下一個所需的資料區塊。
- 實作了基於硬體的 AES-XTS 加密引擎，確保在資料寫入儲存介質時即時完成加密，延遲影響低於 1%。
- 支援動態壓縮演算法，針對 AI 模型權重與 KV cache 的稀疏性進行最佳化，提升有效儲存容量。
🔮 前景展望AI analysis grounded in cited sources
儲存架構將從被動式儲存轉向主動式 AI 運算儲存。
隨著代理式 AI 對即時資料存取的需求增加，儲存系統必須具備執行部分推理邏輯（如資料過濾與預處理）的能力。
DPU 將成為企業級 AI 儲存系統的標準配置。
為了消除 CPU 在處理大規模 AI 資料流時的瓶頸，硬體卸載已成為提升儲存效能與安全性的必要手段。
⏳ 時間線
2025-03
NVIDIA 於 GTC 大會首次預告針對 AI 代理的儲存架構研究。
2025-11
NVIDIA 發布 Vera Storage 早期測試版本，整合 BlueField DPU 支援。
2026-05
NVIDIA 正式將 Vera Storage 納入 NVIDIA AI Enterprise 軟體套件。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： NVIDIA Developer Blog ↗