数据存储方案 | 第2期：GPU 直接吃数据了，存储怎么办？

存储专题 · 2026-10-23 · 九羲科技

10 月的存储圈，几件事看着不相干，放在一起却很整齐：AMD 把 GPU 直连存储做成了开源软件，IBM 把 Ceph 的元数据搬上了 SSD，向量数据库那边却传来讣告——有人说它要没了。

方向都指同一个地方：数据离算力越来越近。搬不动数据，就让算力去就数据；存不下的中间结果，找更近的地方放。这一期，我们拆开三份方案，看它们是怎么落的。

· · ·

① AMD 下场做存储：GPU 直连开源化

大模型训练和推理里，有一笔账谁都躲不过：checkpoint、KV Cache、权重，个头早就超过显存。Linux 默认的 IO 路径里，每个字节都要先过一遍主机内存的"中转站"才能到加速器——CPU 忙着搬箱子，GPU 在旁边等。

NVIDIA 很早就用 GPUDirect Storage（GDS）和 cuFile API 解决了这事：存储和显存之间直连 DMA，CPU 只发指令、不动手搬数据。现在 AMD 跟上了。10 月初发布的 ROCm 10.1，核心主题就是数据搬运，当家的是 AMD Infinity Storage（AIS）¹。

1. AIS 是怎么搭的

AIS 是 AMD 旗下"让数据在存储和 GPU 显存之间直走"的软件总称，对外露出的库叫 hipFile（今年 7 月已 GA，随 ROCm 10.1 来到 0.5.0 版，开源）。它跟 cuFile 的 API 兼容到什么程度？AMD 在 HIPIFY 移植工具里直接给了 cuFile 到 hipFile 的映射表——写过 GDS 的代码，搬过去不费劲。

这版新东西有三件：异步快路径——读写走 HIP stream，能和算子执行重叠，checkpoint 引擎和 KV Cache 卸载直接受益；批量 IO API——一次提交一堆文件请求，内部线程池把 NVMe 队列喂满；三层 IO 统计——逐级细化的计数器进 ROCm profiler，运维一眼看出管线是卡在算、卡在内存还是卡在数据送达。

图：GPU 直连存储数据路径示意（AI 生成示意，非实拍）

2. 诚实的一面：生态还很薄

软件有了，配套的存储厂商还没跟上。截至 10 月 12 日的公开信息：没有一家存储厂商宣布经过认证的 hipFile/AIS 支持。AMD 点名的 VAST Data、Dell PowerScale、HPE、NetApp，走的是 NFS over RDMA 协议兼容路线——协议通了，不等于厂商背书。

唯一拿出公开数字的是 VAST Data：MI355X 上跑 LMCache，经 800Gbps NFS over RDMA，宣称首 token 时间降 9 倍、吞吐涨 9.7 倍——厂商自己跑的测试，听个量级¹。AMD 还埋了两颗钉子：一是快路径只认直连条件（O_DIRECT 打开、目标是显存、对齐满足、文件在 ext4/XFS 上），NVMe 后面垫了 LVM、MD RAID、dm-crypt 的，静默回退到主机中转模式，不报错；二是对象存储库 hipObject 要 2027 年上半年才来，WEKA、Lustre、IBM Storage Scale 都还在路线图上。

还有个细节挺有意思：hipFile 在 NVIDIA 卡上会直接委托给 cuFile——一份代码，两家卡都能跑。AMD 这次打的牌是开放和可移植，短板是生态深度。买 AMD 卡做大规模推理的客户，存储这一层现在还是"软件先行、厂商待定"。

② IBM Ceph：元数据搬上 SSD

Ceph 是老面孔了，开源分布式存储里块、文件、对象三栖的那位。IBM 从 Red Hat 手里接过企业版之后一直在加码，10 月 15 日的新版本，刀法很准：不动数据面，专治元数据²。

1. 三层结构：WAL、DB、SLOW

Ceph 的 BlueStore 有三级设备：WAL（最快，写前日志）、DB（中间层，放 BlueStore 内嵌的 RocksDB 元数据库）、SLOW（大块头，存实际对象数据，通常是 HDD）。DB 是可选的独立高速设备（SSD/NVMe），装得下多少元数据就装多少，装不下自动溢到 SLOW 上。

新版加了个 BlueFS Spillover Cleaner（智能分层管家）：自动把热的 RocksDB 文件提到 DB 设备上，不活跃的沉到便宜介质。元数据访问快了，集群延迟就稳了——对象到块的映射查得快，业务体感最直接。

图：Ceph BlueStore 三层结构示意（AI 生成示意，非实拍）

2. 同期还动了三处

NVMe/TCP 网关的生命周期管理进了 Dashboard，好用、好管；RGW S3 对象浏览器支持按元数据和标签高级检索，大数据集的批量管理省事了；CephFS 子卷隔离（Subvolume Quarantine）上线——勒索病毒或恶意篡改之后，能把出事的子卷先圈起来。

这套思路值得琢磨：Ceph 的性能短板从来不在容量，在元数据。IBM 没去堆硬件参数，而是让"热的待在贵的上"自动化。分布式存储的运维成本，很大一块就是人肉调优分层——能自动化的，都该自动化。

③ 向量存储正在折叠：独立向量库还值吗

10 月上旬，检索圈最热的一篇讨论标题很直接："RIP, vector database"——独立向量数据库这个品类，被宣判了³。同一份观察里还列了佐证：浏览器里跑的原生 RAG（RagIndex，纯 JS、连 embedding 都不要），10 万文档的知识库被讲成"一个周末能搭完的工程"。论点是：检索正在折叠回应用里，独立向量库从必选项变成了优化项。

1. 折叠的证据链

10 月 15 日，微软在 Microsoft Agent Framework 里加了 Python 原生向量存储支持，管 RAG 和 Agent 记忆——但官方自己标注还是实验性的，数据库集成包多是 alpha/beta⁴。10 月 20 日，Cognitum One 商业发布了 RuVector：Rust 引擎，向量检索（HNSW+SIMD）加知识图谱合一，能塞进 Postgres 当扩展用，宣称用反馈学习能把检索准确率提 10–30%——厂商宣称，未经独立验证⁵。

两条线其实说的是一件事：向量能力正在变成"库"和"扩展"，而不是"又一个要运维的数据库"。几百万 chunk 以下的工作负载，pgvector、SQLite 系检索、甚至紧凑索引上的暴力重排，质量 hold 得住，还能砍掉一笔托管账单。

2. 落到选型的一句话

RAG 的数据到底存在哪一层？2026 年 10 月的答案是：先问规模。数据量没到必须独立集群的份上，向量就该待在业务数据库里（pgvector 兼容扩展是条捷径）；真到了海量、要图谱、要反馈学习的份上，再谈独立引擎。存储选型跟算力选型一个道理：先够用，再好用。

前沿观察：MRAM 挂上了 CXL

10 月 5 日的 SNIA SDC 2026 上，Everspin 演示了世界首个 CXL 直连 MRAM 平台⁶：在 DRAM 和 NAND 之间，加了一层不断电也丢不了数据的持久内存。写速是 NAND 固态的 100 倍（厂商数据），缓存行级、纳秒级访问，断电重启数据还在——不用电池备援 DRAM，也不用先刷到 SSD。

演示机是 Supermicro 服务器 + AMD EPYC 9355 + Alveo U250 FPGA（Wolley CXL 控制器）+ Everspin PERSYST 1GB DDR4 MRAM，内存资源还能跨主机池化。Everspin 点名的两个 AI 场景：checkpoint 和持久化 KV Cache——正是这一期反复出现的那笔账。还是演示阶段，但"内存语义 + 断电不丢"这条路，KV Cache 的归宿又多了一个选项。

图：首个 CXL 连接 MRAM 平台（图片来源：Everspin，经 StorageNewsletter）

· · ·