<mark id="oztn4"></mark>
0
6月，在德國漢堡ISC高性能計算大會的展臺上，GPU、液冷、量子計算的聲浪依舊洶涌，但今年，會場的主角悄悄換了人。
IO500榜單——全球高性能計算存儲領域最權威的評測體系——公布了最新一期結果：中科曙光ParaStor F9000分布式全閃存儲系統，同時拿下生產型全節點和10節點兩大榜單的第一名。
在這一榜單近十年的歷史中，能夠同時統領這兩個維度的，此前只有少數幾家美國廠商，中科曙光成為首家達成此成就的中國公司。
與研究性榜單不同，生產型榜單的評選有一條硬性要求：存儲系統必須已在真實業務環境中不間斷運行超過一年，這意味著F9000并非實驗室里的測試樣機，而是一套正在產線上承擔生產任務、隨時會被業務中斷打擾的真實系統。
中科曙光北京公司副總裁何振則將這一差異概括為評價標準的遷移：從“峰值性能”轉向“真實系統能力”，考核的重點變成了長期穩定性、復雜負載適配能力和大規模擴展時的一致性表現。
在何振看來，這次奪冠的意義遠不止“拿了一個冠軍”：“這是國產高端存儲第一次在全球最嚴格的真實生產型評測體系中，形成了系統性領先?！?/p>
中科曙光分布式存儲總工程師袁清波，把F9000的技術壁壘歸納成三層，并坦言這三層的技術難度是遞進的。
最顯性的差異在硬件形態上，市面上2U24盤位的NVMe全閃機型并不罕見，但F9000采用了一種業內稱為“雙子星”的特殊設計——在2U的空間里塞進兩個完全獨立的物理節點，每個節點都有自己的主板、CPU、內存、網卡和SSD。
更關鍵的創新藏在連接方式里：CPU一側直連NVMe介質，另一側直連網卡，中間完全不經過PCIe Switch轉接?！斑@給我們提供了兩倍的PCIe Lane數量?！痹宀ㄕf。
與此同時，這兩倍的Lane數量被有意識地“對半分”給了SSD和網卡，袁清波指出，“這種均衡恰恰是行業里容易被忽視的地方，做標準服務器的人，對網絡和SSD這兩個硬件的定位是相同的，但對存儲系統來說，讀的時候數據從盤上讀出經網卡發出，寫的時候從網卡收進再下到盤上，數據流動方向剛好相反?！?/p>
ParaStor圍繞每個CPU核心，把與之相關的內存、網卡、SSD綁定成一個獨立的IO子域，確?；旌县撦d之間相互隔離又能靈活配置?！坝脩舭l出的每一次IO，從發出那一刻起，我們就知道它要走哪個網卡、用哪塊內存、經哪個核，最后落在哪塊盤上。”袁清波說。
效果體現在一個具體指標上：系統吞吐量已被推至內存帶寬的峰值。
“基本上沒有傳統方案能做到這一點，”袁清波說，“一旦后面硬件有提升，比如網卡頻率提高10%，我們的性能也能同步提升10%。”
在這套架構之上，還疊加了一層QoS調控機制，能針對不同業務分別設定帶寬和IOPS的上下限——這正是F9000在“業務不能?！钡纳a環境里，額外完成打榜測試而不互相干擾的關鍵。
硬件形態和軟件架構再往下走，是一層更難以復制的壁壘：全棧自研，石靜的體會很直接：如果軟硬件不是從底層設計的，跨層、跨參數的相互影響根本無從優化，只能在別人定好的邊界里小修小補。
從戰略的視角來看，何振表示：“全國產自研的意義，并不只是供應鏈層面的可靠保障，更重要的是帶來了體系級優化空間——核心軟硬件棧完全可控，使存儲系統可以在協議棧、數據路徑、調度機制等多個層面進行深度協同優化?！?/p>
把存儲本身跑快，只是基礎。F9000面向AI場景，能夠做到“以存提算、以存代算、以存降本”三級協同——本質上是把存儲從被動的數據供給層，升級為參與計算路徑設計的一部分。
在計算節點側，F9000做了三層加速：把節點本地內存和NVMe SSD池化為近算力緩存，在訓練前先將數據集“預熱”進來，避免每次跨網絡回源到后端存儲；再通過XDS技術，讓數據直接從網卡進入GPU顯存，繞開CPU內存轉發。
“我們已經把內存帶寬跑到了峰值，但XDS可以進一步突破內存帶寬的限制——數據根本不走內存了。”袁清波解釋，這之所以關鍵，是因為AI訓練對數據供給的容錯率極低，一旦數據沒供到位，GPU集群就只能空轉等待。
網絡側，F9000優先適配的是曙光自研的scaleFabric——一款400G原生無損RDMA網絡，中科曙光高速網絡互聯產品部總工程師萬偉透露，網卡設計之初就考慮了存儲的極端需求：在10萬卡集群規模下，存儲節點需要面向所有計算節點的并發訪問，現有IB的QP規模根本撐不住，團隊直接把這一指標擴展了一倍。
存儲側的重心，則從“更快供給”轉向“主動分擔”。兩項能力承擔了這個角色：KV Cache offload自動將GPU閑置的KV緩存塊遷移到后端全閃存儲，推理時再通過XDS高速通路回傳顯存，實測降低60%以上GPU顯存占用，單卡并發推理承載量提升2到10倍；存儲端AI算子加速庫則把數據清洗、向量編碼等預處理操作下沉到存儲側執行，跨節點數據傳輸量減少70%。
袁清波把這套組合拳的意義概括為一句話：“未來存儲系統的競爭將從單一性能指標，轉向系統級綜合能力——數據路徑效率、端到端延遲控制能力、GPU利用率提升能力，以及高并發場景下的整體吞吐穩定性，這些指標共同決定系統在真實AI負載下的有效價值?！?/p>
大模型訓練進入萬卡、十萬卡規模之后，一個共識正在行業里形成：瓶頸，已經從“算力不足”轉移到了“數據供給不足”。
袁清波表示：“在大規模AI訓練體系中，算力本身已經高度冗余，真正限制系統效率的是數據供給能力。如果存儲無法持續提供高帶寬、低時延的數據流，GPU將處于等待狀態，導致算力資源浪費?！?/p>
這種瓶頸轉移，正在逼著存儲的角色發生根本性變化，石靜的判斷是，ParaStor不再是一個數據容器，在AI的驅動下，它正在向“AI數據工廠”躍遷，存儲開始成為計算路徑設計的一部分。
這種躍遷已經發生在具體場景里。
在具身智能領域，曙光為智元機器人提供了超過500GB/s聚合讀帶寬的專屬存儲方案，支撐多款通用型機器人的快速迭代；自動駕駛領域，曙光連續為國內頭部造車新勢力提供超百PB存儲資源，覆蓋從數據采集到仿真驗證的全流程閉環，模型研發周期縮短40%以上；科學計算領域，F9000支撐了414.7億原子規模的液態水分子動力學模擬——存儲開始直接參與數據與計算高度耦合的科學發現過程。
截至目前，ParaStor F9000已搭載于曙光scaleX萬卡超集群，支撐了百余個AI與高性能計算領域的生產應用。
而下一代AI基礎設施的競爭焦點，已從單一硬件能力轉向系統級協同，何振將這種競爭的核心概括為三個維度：存算網一體化的數據流動效率、跨層資源調度能力，以及整體TCO優化。
“國產廠商的優勢，在于更完整的系統工程能力——可以從整機、網絡到軟件棧進行端到端優化，而不是局限于單點性能提升?！?/p>
這套系統級競爭的邏輯，恰好撞上了當前存儲市場近15年來最陡峭的漲價周期，海外巨頭把產能向HBM、DDR5等高附加值領域傾斜，傳統存儲市場出現供給缺口。
但何振認為，這輪漲價的本質不是單一器件價格波動，而是AI算力需求爆發后，存儲、網絡、算力同步擴張帶來的系統性成本上升。
正是在這個矛盾里，“以技術換效率、以效率降成本”開始成為國產存儲的差異化路徑。F9000的智能數據分層，把高頻數據放到高性能路徑上，低頻數據沉淀到性價比更高的介質，再疊加軟硬件協同優化提升單節點帶寬——本質上是把原本需要線性堆疊硬件的投入，轉化為更高密度、更高利用率的系統能力。
何振的判斷很干脆：“誰能在同等算力需求下，用更少的資源、更高的利用率完成計算任務，誰就能在新一輪基礎設施建設中獲得優勢。”
這次雙榜登頂，放在更大的坐標系里看，踩在了一次范式轉換的節點上——從“國產替代”切換到“全球并跑”。
2026年第一季度，中國存儲器出口額同比增長174.2%，長江存儲全球NAND閃存市占率升至13%，國產存儲正在從“政策單引擎”切換到“政策+性能”雙引擎并驅。
產業層面的數據提供了宏觀注腳，但具體到每一款產品能否真正打開局面，仍需要接受市場和時間的檢驗，也正是基于這一認知，曙光內部對這次登頂的定位保持著清醒與克制。
何振首先劃清了能力驗證與商業成功之間的邊界：“這次在IO500的突破，更多是對產品能力的一次國際級驗證，不直接等同于商業市場的規?；Y果?！?/p>
基于這一判斷，曙光的海外策略沒有奔著規模擴張去，而是以科研機構、超算中心為切入點，優先進入對性能和工程能力要求更高的細分市場。
石靜的判斷同樣克制：“它不算一張全球通行證，只是代表我們具有這樣一個能力——算是給全球的一個亮相?！?/p>
但亮相的意義，從來不只是被看見，石靜說："未來競爭的核心不在于'替換多少存量'，而在于'能否在新一代AI基礎設施中成為默認選項'。"
從產業大勢到產品定位，從海外策略到生態愿景，這些冷靜的研判背后，是二十年技術積累所沉淀出的底氣。
被問到拿下雙第一的心情時，石靜用了八個字："行穩致遠、長期主義。"
二十多年，足夠一條技術路線從實驗室走到全球評測的聚光燈下。這次IO500雙榜登頂，是一個節點，不是句號。
雷峰網(公眾號：雷峰網)雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
