AI儲存架構轉向低延遲高吞吐，資料中心導入能加快嗎？

 

代理式 AI 把儲存系統推向低延遲與高吞吐

FMS 2026 的重點很清楚，AI 工作負載正往代理式 AI 前進，儲存架構也跟著升級。這代表資料路徑上的瓶頸，從單純容量問題，轉向延遲、傳輸量與資料調度能力一起受考驗。慧榮科技和 NVIDIA 都把展示焦點放在這條路徑上，方向一致。

慧榮科技這次主打企業級基礎設施與邊緣運算，推出的幾款控制晶片，都圍繞高頻存取與大容量部署設計。SM8466 PCIe Gen6 企業級 SSD 控制晶片，最高可達 28 GB/s 循序傳輸速度，隨機 IOPS 最高 700 萬，容量支援超過 512TB。這組數字反映的是資料中心對高併發與大容量同時存在的需求。

 

慧榮科技把控制晶片做成 AI 資料路徑的一部分

另一款 SM8366 MonTitan 開發平台，鎖定代理式 AI 與 KV Cache 卸載。它支援最高 256TB 容量，並提供 28% 可配置預留空間，搭配專利 QoS 引擎，目標是讓效能在不同工作負載下維持穩定。這種設計說明一件事：儲存裝置不再只負責放資料，還要參與資料調度與品質控制。

SM8008 開機碟控制晶片則把焦點放在資料中心啟動流程與功耗平衡。它在低於 5W 的條件下，仍可達到 14 GB/s 傳輸效能。這類產品的價值，在於把低功耗與高效能放進同一個規格框架，適合對密度與能源效率都敏感的機房環境。

 

NVIDIA 將 GPU 直接接到儲存資料

NVIDIA 的展示重點，放在儲存系統與運算資源之間的連線方式。Vera CPU 在資料壓縮與加密管道中的輸送量，最高可達 x86 CPU 的 3.21 倍，等於把儲存平台處理 AI 資料時的一段固定流程拉快。這類加速，對大量資料搬運很有直接意義。

更進一步的是，NVIDIA 宣布開源 cuFile 應用程式介面，讓 GPU 能直接存取儲存裝置資料，減少經過 CPU 的中介流程。NVIDIA 也推動 Storage-Next 計畫，並推出 SCADA 框架，讓具備大規模平行處理能力的 GPU 直接讀取所需資料。這等於把 GPU 從算力節點，往資料存取節點再推了一步。

 

儲存廠商開始把新框架接進產品平台

這些變化已經開始進到實際產品整合。儲存廠商 DDN 已將 SCADA 框架整合到 Infinia 資料平台，目的就是消除大規模資料傳輸的瓶頸。這代表市場關注的重點，從單一硬體規格，轉向整套資料路徑的協同設計。

從這次 FMS 2026 的內容看，儲存產業的角色正在改變。AI 模型愈往代理式方向發展，系統就愈需要低延遲、高吞吐、可調度的儲存架構。慧榮科技強調控制晶片與企業級 SSD 的效能邊界，NVIDIA 則把 GPU 與儲存之間的連結再往前推。接下來能持續觀察的重點，是這些規格能否轉成資料中心實際導入，以及整合方案能否在大規模部署中維持穩定表現。