ISC 2026 IO500释放新信号：AI时代，下半场拼效率！

近日,在德国汉堡举办的ISC 2026高性能计算大会发布最新IO500榜单,搭载华为OceanStor A800存储底座的“鹏城云脑Ⅲ”系统,以总分603,334.58分强势包揽Research List(研究型榜单)与Full List(重榜单)双榜第一,将历史记录刷新2.8倍。这个成绩释放了一个清晰的信号:算力堆砌的性能红利已见顶,存储是决定集群真实效率的下一个决胜变量。

在算力即国力的今天,行业发展正从粗放式算力堆叠,转向精细效率挖掘。当行业目光普遍聚焦 NPU/GPU 制程与卡规规模,一场围绕数据吞吐能力的角逐,已在存储层悄然展开。

AI大模型训练:规模跃升至万卡集群,存储迎来全新性能考验

在传统HPC(高性能计算)时代,存储往往不是整个架构中最焦虑的一环。HPC场景的特征非常经典,海量小文件的随机读取,叠加大带宽的顺序写入。由于传统的计算规模多停留在百节点级,即便面临上述负载,传统分布式存储通过简单的架构优化也足以应对。

当大模型时代来临,AI训练作为HPC场景的延伸,直接将计算范式从CPU主导的百节点级并行,跃迁至GPU主导的万卡级并行。这种量级的跃升,瞬间将存储推向了风口浪尖,并暴露出了两大致命痛点:

在读取数百万甚至上亿个小文件数据集时,GPU已就绪,数据却迟迟无法到位,算力已在空转中消耗。GPU的实际算力利用率(MFU)普遍仅为30%至40%。

大模型训练动辄持续数周,频繁的checkpoint(断点)保存与异常恢复时的checkpoint加载,要求存储具备极高的带宽。写入慢了,训练被频繁打断;读取慢了,故障恢复后集群长时间等待数据到位。存储的带宽能力,直接决定了整个集群的“有效训练时长(MFU)”。

AI大模型推理:KV Cache外溢,存储面临语义级重构

随着大模型走向应用落地,AI的重心从训练加速转向推理攻坚。多智能体协同推理、长上下文对话等场景的普及,让KV Cache的存储与管理成为新的技术挑战。

在大模型推理中,KV Cache随着上下文窗口和并发请求数的增加而急剧膨胀,HBM容量很快成为瓶颈——GPU的高带宽内存无法容纳所有用户的上下文状态,需要将KV Cache外溢到存储系统中。这意味着存储不再只是存放训练数据和Checkpoint的地方,它必须直接参与推理过程,成为GPU内存的扩展层。

推理场景存储需要支持KV语义,KV检索时发起海量的、极其零碎的(小至 512 字节 / 512B)高并发随机读取,并发请求数量呈指数级增长,IOPS要求至少达到亿级。在多智能体协同场景中,上下文共享与状态同步进一步放大了对存储系统低延迟、高并发的需求。推理正在将存储推向一个与训练完全不同的维度——从文件语义走向KV语义,从大块顺序读写走向海量随机小IO。

面对训练与推理的双重夹击,原有的存储架构演进逻辑正在被重新书写。

在英伟达GTC 2026 上,官方正式发布了 Storage-Next 倡议,为下一代AI存储指明了方向。核心目标是让GPU能够直接访问基于闪存的存储,以突破HBM容量限制,应对AI工作负载从“计算密集型”向“数据密集型”的根本性转变。

这不仅仅是一个技术倡议,更是宣告了AI时代“计算与存储必须深度融合”的产业共识。

IO500 Research List榜单第一:华为OceanStor A800用实力回应AI全场景挑战

产业共识刚落地,实证的标尺便已给出了答案,华为OceanStor A800存储已经以664个节点、近8万并行进程,在IO500的极限测试中完成验证。测试结果同时回应了HPC、AI训练和推理三重场景的存储瓶颈。4390万kIOP/s解决了训练集加载的数亿小文件并发瓶颈,8,291.11 GiB/s支撑了Checkpoint的高吞吐读写,KV语义的原生支持则满足了推理场景的低延迟随机读取需求。这不是单项优化,而是架构层面的全面突破。

OceanStor A800登顶IO500 Research List榜单,价值远不止跑分冲榜,更实证了国产品自主可控的AI存储技术路线的可行性与先进性。从Storage-Next凝聚全球行业共识,到OceanStor A800完成大规模极限场景实测验证,一套适配AI发展的国产化高性能AI存储底座已成熟可用。

当前行业竞争从单纯的算力堆叠,进入深挖集群综合运行效率的全新阶段。面对产业转型大势,华为OceanStor A800凭借IO500第一的硬核成绩,为AI产业高效建设提供了具备标杆意义的落地方案。

郑重声明：中国IT研究中心网站刊登/转载此文出于传递更多信息之目的 ，并不意味着赞同其观点或论证其描述。中国IT研究中心不负责其真实性 。