当前位置: 首页 > news >正文

中科曙光高端存储,已经准备好接受AI时代的新考验

2025年,FlashNexus 8000在国际存储性能委员会(SPC)的SPC-1 v3基准测试中登顶。那次打榜,中科曙光证明了自身的产品能力,也给了市场和客户更多信心。

一年后,FlashNexus 9000发布。这一次,中科曙光没有强调榜单成绩、性能参数,而是把银行、医疗等行业的真实应用场景放到了前面。

从核心交易系统到关键数据库,从海量数据处理到AI负载承载,FlashNexus已经在实际的生产环境中发挥价值。在AI强需求的当下,高端集中式存储也正走向核心业务支撑能力验证的新阶段。

从核心业务到AI负载,高端存储需求变了

虽然从市场规模来看,分布式存储早在2024年就已经超过集中式存储,但在核心业务场景中,集中式存储依然是一颗“定海神针”。无论是核心交易系统、关键数据库,还是虚拟化平台,集中式存储仍然占据主导位置。

说完不变,再看看变化的部分。

高端集中式存储在整体市场中的占比正在持续提升。赛迪顾问预测,到2025年,高端集中式存储的占比已超过60%。这反映出集中式存储开始指向高端,AI、金融和医疗成为需求最明显的几个行业。

现在用户开始更加关注性能、可靠性、安全以及适配能力。性能的评估不再是越快越好,更重要的是做到无论峰值还是低谷延迟都能保持稳定;可靠性也不只是简单地多存几份,要做到每次写入都必须完整一致和有序。

AI需求的快速增长,又进一步放大了这种变化。

随着AI推理和智能体开始进入生产环境,越来越多AI工作负载也开始向集中式存储迁移。以自动驾驶为例,每秒都会产生大量感知数据,决策系统需要在极短时间内完成从感知、规划到控制的全链路处理,这对存储系统的实时性和稳定性要求极高。智能体场景同样如此。此前火爆的“龙虾”类智能体在部分企业早期部署时,就曾出现性能波动和延迟问题,后续迁移到集中式全闪存架构后,整体响应效率和稳定性才逐渐达到业务可用水平。

需求变化之外,中国集中式存储市场本身也长期面临现实挑战。产业长期面临技术锁定、服务绑定、信任成本“三角困境”,三者之间需要维持微妙的平衡,一旦某一侧被过度强化,另外两侧往往也会随之受到影响。

首先是技术锁定。高端集中式存储本身具备很高技术壁垒,从底层架构、处理器到核心算法,长期以来都集中在少数厂商手中。

其次是服务绑定。由于供给侧的稀缺,企业在选择供应商时,很多时候也等于同时选择了一整套生态体系,形成生态捆绑。

最后则是信任成本。核心业务系统对于稳定性和连续性的要求极高,需求侧可选择空间非常有限。

AI的发展,正在对存储系统提出比过去更高的要求,同时也在重新推动存储技术演进。中科曙光高级副总裁李斌指出,随着大模型训练和推理规模持续扩大,存储开始越来越深地参与整个AI计算流程。

可以预见,2027年前后将成为企业和厂商共同的关键窗口期。一边是原有核心系统进入新一轮升级与替换周期,另一边则是AI开始加速进入生产环境,基础设施能力也随之迎来重构。

从性能竞争到体系能力,高端存储逻辑升级

AI时代到来之后,数据的重要性进一步提升,存储基础设施也开始面临更高要求。

当前,高端存储在AI时代主要面临四大束缚,第一,性能不足:性能跟不上需求扩张,核心业务效率受限;第二,可靠性焦虑:核心数据可靠性要求更高,安全风险增加;第三,供应链风险:国际形势复杂多变,核心部件"卡脖子";第四,生态兼容性:被厂商封闭生态绑定,用户无自主选择权。

FlashNexus 9000也正好对应了当前高端存储市场最核心的几类需求。

第一,极致性能。FlashNexus产品已霸榜全球第一超过一年,2026年四控阵列更是实现了性能翻倍增长。

FlashNexus 9000集群性能增长近7倍,达到2亿IOPS,集群规模扩展至256控,扩展能力较上代产品提升8倍。单阵列性能也从200万IOPS翻倍至400万IOPS.重删压缩场景下,性能从136万IOPS提升至255万IOPS,增幅达87.5%。

极致性能究竟是如何实现的?这背后是独创的“超级隧道”技术在发挥能量。在硬件平台和微控之上,通过零中断、零竞争、零拷贝构建直通数据通路,有效减少GPU空转。

第二,安全可靠。FlashNexus 9000的核心优势之一就是可靠性。例如,在系统从四控降级到双控、甚至单控运行时,依然需要保证核心业务稳定运行。原本512个微控单元可以支撑200万IOPS,当系统因故障缩减到256个微控单元后,依然能够维持同等级别的业务承载能力。

更极端的情况下,即便同一RAID组内同时出现4块硬盘故障,并叠加三个控制器故障,系统后端数据修复依然能够全速运行,并能维持100万IOPS的业务能力。

中科曙光北京公司总裁助理、集中式存储产品部总经理郭照斌说道,这也是中科曙光对于极致可靠性的定义,在极端故障场景下,依然保证数据不丢失、业务不中断、用户基本无感知。

基于这样的设计思路,FlashNexus 9000可实现“7个9”级别可靠性,并结合高容灾的AA双活(Active-Active Dual-Live)设计,支持构建两地三中心的容灾方案,进一步提升到数据中心级容错能力。在数据中心之间网络条件满足的情况下,承诺叠加AA能力,对整体极限性能的影响也能够控制在20%以内。

除了系统级可靠性之外,安全可靠也是FlashNexus 9000重点强化的方向。包括内置国产加密处理器、符合国标的数据安全擦除能力,以及锁定快照、多维检测等防勒索机制,从底层进一步保障关键基础设施的数据安全。

第三,全栈可控。FlashNexus 9000核心部件实现100%国产,尤其是处理器芯片、交换芯片、前端芯片等,整体达到国际先进水平,不仅有效支撑了系统研制,更将实现全面产业化落地。

同时软件实现全栈自研,核心存储软件拥有自主知识产权,所有存储侧软件百分之百自研,主机多路径软件和开源多路径全兼容。

第四,生态开放。原生兼容主流操作系统,全量支持主流数据库,无缝融入现代化IT架构,把选择权真正交给用户,不被封闭生态所绑定。

中科曙光北京公司副总裁何振表示,从去年FlashNexus的双控阵列,到今年的四控阵列,再加上分布式存储,中科曙光已经补上了存储领域的最后一个空白。

从跑分到核心业务验证,高端存储真正下场

FlashNexus 9000主要有6大应用场景。在金融在线业务场景中,FlashNexus 9000重点强调高峰业务不卡顿、极端故障下业务无感知,以及全链路数据安全加密。金融场景中可实现峰值交易速度提升200%,每秒处理30万笔交易,时延降低30%。

在智慧医院场景中,FlashNexus 9000重点保障HIS系统长期稳定运行,实现响应提速90%,挂号结算无卡顿,业务全天候不间断。

在数据库存算分离场景中,FlashNexus 9000通过端到端RDMA一写多读能够提升数据库性能,同时结合存储端秒级快照与快速复制能力,实现镜像数据秒级生成,生产数据库与镜像数据库可同时访问。在典型数据库场景下,数据重删压缩比可达到2倍以上。

在通信核心业务场景中,FlashNexus 9000结合国产化无损网络能力,进一步提升通信业务的数据底座能力与自主可控水平。运营商计费系统中,5G计费出账时间可缩短66%,压缩至3小时左右。

在AI推理场景中,FlashNexus 9000原生支持NVMe-oF与GDR协议,可对计算节点中的KV Cache进行卸载,同时支持KV语义能力,直接与GPU协同。KV Cache卸载后,长会话场景体验可提升10倍以上,单GPU并发吞吐能力提升2至10倍,整体硬件成本降低约4至5倍。

在电力系统场景中,全栈国产适配,实现电力数据云纳管,异构纳管能力可以兼容原有存量数据,减少数据迁移带来的改造成本。同时高并发、低延时支撑调度与电网控制。

“在AI工作负载中,FlashNexus 9000主要优势在于AI推理。”何振说道。AI产业还处在起步期,对于算力和存储的需求会持续放大,中科曙光也会不断提升在高端存储领域的解决方案能力。

未来AI逐渐进入更多生产场景后,存储系统也不只是数据存放平台,会进一步向“AI数据工厂”方向发展。所以存储需要具备更大的数据承载能力、更快的数据访问能力,以及更智能的数据管理能力。同时,围绕不同AI场景,存储系统也需要支持更多协议融合、更多数据类型以及更复杂的业务负载。

既有“快又稳”的硬实力,又有“多面手”的场景支撑,中科曙光接下来更重要的任务是进一步拓展市场,让全国产高端全闪存存储,真正服务于千行百业核心业务向AI应用全速跃迁。

http://www.jsqmd.com/news/825767/

相关文章:

  • TLM通信:从基础操作到UVM高级连接模式
  • 突然想写一些东西
  • 量子启发式算法优化车联网通信与交通控制
  • DeepSeek LDAP同步延迟从15分钟压缩至800ms:基于增量Sync+Change Notification机制的深度调优实录
  • Synology API v0.8架构重构:企业级NAS自动化管理Python SDK深度解析
  • LDAP认证失败率下降92%!DeepSeek集成最佳实践,含OpenLDAP/Active Directory双环境配置清单
  • Shor算法量子电路优化:减少空闲时间的设计策略
  • Wonder3D完整指南:如何用AI将单张图片快速生成高质量3D模型
  • ARMv8系统寄存器详解与L2MERRSR_EL1应用
  • 基于Hive的淘宝用户购物行为数据分析及可视化
  • Gatelet:轻量级可编程网关在边缘计算与物联网协议转换中的实践
  • 5分钟掌握渔人的直感:FF14钓鱼计时器完整指南
  • 2026年当前贵州地区三角木屋项目优选供应商盘点 - 2026年企业推荐榜
  • 开源机械爪应用宝库:从视觉分拣到项目实战全解析
  • ChatGPT-PromptGenius:结构化提示词库与高效AI协作指南
  • 嵌入式Linux SBC硬件接口实战:I2C/SPI/UART配置与Adafruit Blinka集成指南
  • 超大规模云服务外计算资源交易:虽有风险但概念已验证,或成新资源获取选项
  • 轻量级HTTP代理工具outlet:极简配置解决开发环境跨域与请求转发
  • Python项目交付倒计时?用Gemini自动补全+单元测试+异常修复(实测缩短交付周期68%)
  • ChanlunX:基于C++的缠论技术分析插件完整实战指南
  • 2026年数字IC设计面试经典问题集
  • 从零构建开源ADAS原型:车道检测、目标识别与PID控制实践
  • 基于STM32G474高精度定时器HRTIM的高频开关电源移相控制实现
  • WarcraftHelper终极指南:5分钟掌握魔兽争霸3全版本优化技巧
  • 量子与经典神经网络在游戏AI中的性能对比研究
  • NotebookLM畜牧业研究辅助落地手册(2024畜牧AI工具箱首发版)
  • 猫眼启发的亚太赫兹超表面成像系统设计与应用
  • React Native集成Godot引擎:跨平台应用内嵌高性能交互模块开发指南
  • 开源机器人对抗项目ZeroGravitySumo:微重力模拟与嵌入式控制实战
  • 3D IC设计中HBT合法化的强化学习优化方法