当前AI硬件架构正面临严峻的“I/O墙”（I/O Wall）或带宽瓶颈问题。计算能力（GPU FLOPS）呈指数级爆发，在数年间增长了37.5倍，但数据传输通道（PCIe带宽）仅实现了8倍的线性增长。这种严重失衡导致系统瓶颈从“计算”向“数据传输（I/O）”转移，强大的GPU因“喂不饱”数据而性能闲置。因此，AI系统迫切需要更高速的本地存储和内存技术来填补鸿沟，这也是存储厂商重点发力的技术背景。
为应对多样化需求，美光推出了清晰的SSD产品矩阵，尤其是在人工智能领域进行了针对性布局。其产品线围绕三个维度展开：针对AI/混合负载的“高性能”型、面向通用计算的“主流”型，以及追求存储密度的“大容量”型。其中，9000系列明确支持下一代PCIe Gen6标准，旨在通过极致带宽解决AI算力增长快于带宽的核心矛盾。这种细分策略有助于用户根据业务需求（追求极致IOPS还是优化每TB成本）进行精准选型。
数据中心超高性能型
传统的由CPU处理所有存储I/O请求的方式，在应对PCIe Gen5/Gen6高速SSD时已成为瓶颈。为了充分利用SSD带宽，CPU算力几乎会被消耗殆尽。解决方案是将存储控制权移交给GPU：不仅让数据直通（如NVIDIA的GDS技术），更进一步实现由GPU发起存储访问（GPU Initiated Storage / BaM）。在这种架构下，GPU自己生成NVMe队列请求，直接读取SSD，实现了全路径直通。这也对SSD提出了更高要求：需要具备极高的随机读取性能（IOPS）和低延迟，以承受来自GPU数万个线程的并发访问。
可以预见，高性能存储的下一个竞争焦点将围绕加速卡的I/O调度展开，传统的分布式存储可能逐渐退居温数据层，而KVCache、向量数据库等需要高频召回的数据将依赖新的高性能存储层。
测试结果验证了PCIe Gen6 SSD + GPU直通架构的惊人性能。美光9650 SSD单盘即可提供27GB/s带宽与540万IOPS。更重要的是，在BaM架构下，由20块盘组成的系统实现了8600万IOPS的突破性性能。若采用传统CPU模式，CPU核心将首先达到饱和，无法发挥此等性能。这一结果不仅证实了9650的性能，更验证了GPU发起存储架构的可行性与必要性。此外，该性能的实现离不开与Broadcom（交换机）、Astera Labs（Retimer）、H3 Platform（服务器）及NVIDIA（GPU）的紧密生态协作，表明PCIe Gen6的硬件生态链已趋于成熟。
数据中心通用型
对于大规模部署的数据中心而言，除了极致速度，总拥有成本（TCO）愈发成为关键考量。美光7600系列定位为主流AI存储方案，其核心价值在于卓越的能效比。通过图像分类、科学计算和医学影像等多个领域的测试对比，7600的每瓦性能（GB/s per Watt）达到竞品的1.8倍至2.5倍。这意味着在相同的电力与散热预算下，客户可以部署更多存储资源，或显著降低运营成本。7600已获得MLPerf认证，证明了其在广泛AI应用场景中提供高能效稳定性能的能力，实现了从“唯速度论”到“TCO导向”的平衡。
数据中心容量型
美光6600系列通过采用E3.S外形规格和QLC技术，实现了单盘122TB的超大容量。这一设计的关键优势在于存储密度：在2U服务器中，其部署密度比采用传统U.2规格的竞品高出67%。最终，单一机柜可实现高达88.5 PB的存储能力。对于AI时代的海量数据湖、大模型检查点存储等场景，极高的机柜内密度能简化网络与系统拓扑并降低延迟。尽管SSD单盘成本高于HDD，但通过高达3.4倍的机柜整合率，美光试图论证在系统层级的TCO上，大容量SSD相比顶级容量HDD已具备竞争力，为推动全闪存数据中心提供了有力支撑。
延伸思考
- GPU发起存储（BaM）将如何重塑传统分布式存储在AI KVCache/向量数据库中的角色？
- 在电力成本飙升的时代，能效比是否会成为PCIe Gen6 SSD选型的首要指标，而非纯速度？
- E3.S 122TB SSD真能彻底淘汰HDD？系统级TCO计算中存在哪些隐形成本风险？
报告标题：Real-world AI workloads need fast, efficient storage[1]
Notice：Human‘s prompt, Datasets by Gemini-3-Pro
标签 #FMS25 #Gen6-eSSD
- https://files.futurememorystorage.com/proceedings/2025/20250807_AIML-302-1_Meredith-2025-08-04-19.11.56.pdf ↩
| 
发表于 前天 12:10
|
查看: 8|
回复: 0
