隨著生成式 AI、大型語言模型（LLM）以及 AI Agent 應用快速普及，全球企業正在加速建設 AI 基礎設施。然而，當 GPU 成為 AI 計算核心後，一個新的問題逐漸浮現：如何讓大量資料以足夠快的速度供應給 GPU？
過去企業資料中心主要依靠 SAN、NAS 等傳統儲存架構支撐業務應用，但 AI 工作負載對資料吞吐量、延遲以及並行存取能力提出了更高要求。儲存系統正在從單純的資料保存平台，轉變為 AI 運算流程中的關鍵基礎元件。
在此背景下，英偉達（NVIDIA）正在推動面向 AI 時代的新型資料中心架構理念，其中 SCADA（Storage Control and Data Architecture） 成為 AI 儲存架構演進的重要方向之一。
AI 時代，傳統儲存架構面臨瓶頸
過去企業 IT 架構通常以應用程式為核心：
應用程式
↓
伺服器
↓
資料庫
↓
SAN / NAS 儲存
這種模式長期支撐企業 ERP、資料庫、虛擬化等工作負載。
但 AI 訓練與推理場景完全不同。
大型 AI 模型需要處理：
- 海量訓練資料
- 高頻資料讀取
- 多 GPU 並行存取
- 持續資料流輸送
如果儲存速度不足，即使企業部署大量 GPU，也可能因資料供應不足導致 GPU 等待資料。
因此，AI 時代的核心問題已經從：
「儲存多少資料」
轉變為：
「如何讓 AI 更快取得資料」。
NVIDIA AI Factory 帶動儲存重新定位
近年 NVIDIA 提出的 AI Factory（AI 工廠） 概念，正在重新定義資料中心架構。
傳統資料中心主要服務企業應用，而 AI Factory 則以 AI 模型訓練與推理為中心。
AI Factory 包含：
- GPU 計算平台
- 高速網路
- AI 軟體平台
- 儲存與資料管理系統
在這種架構中：
GPU 決定 AI 計算能力；
網路決定資料傳輸效率；
儲存決定 AI 能否快速取得高品質資料。
因此，Storage 不再只是後端設備，而是 AI 基礎架構的重要組成部分。
SCADA 將儲存從「資料保存」轉向「資料供應」
NVIDIA 推動的 SCADA 思路，核心目標是讓儲存架構更適合 AI 工作負載。
主要方向包括：
一、高吞吐量資料存取
AI 訓練需要大量資料快速載入。
相比傳統企業應用更重視容量與可靠性，AI 儲存更加關注：
- 高頻寬
- 低延遲
- 大規模並行存取
儲存系統必須能同時支援大量 GPU 節點讀取資料。
二、計算與儲存深度整合
傳統架構：
Storage
↓
CPU Memory
↓
GPU
資料需要經過多次搬移。
AI 架構則希望透過：
- GPU Direct Storage
- NVMe over Fabrics
- 高速網路架構
降低資料傳輸瓶頸。
其中 GPU Direct Storage 可以讓資料更直接地從儲存系統傳送至 GPU，減少 CPU 參與，提高 AI 訓練效率。
三、支援 AI Data Pipeline
AI 模型開發並不只是訓練階段。
完整流程包括：
資料收集
↓
資料清理
↓
資料標註
↓
模型訓練
↓
模型部署
↓
推理服務
每個環節都需要大量資料流動。
因此，新一代 AI 儲存架構需要具備：
- 快速資料管理
- 資料版本控制
- 自動化資料調度
- 跨環境資料移動能力
儲存廠商迎來新競爭方向
AI 浪潮正在改變企業儲存市場競爭模式。
過去儲存廠商主要比較：
- 容量大小
- RAID 技術
- 可用性
- 管理功能
未來競爭焦點將轉向：
- AI 工作負載最佳化
- GPU 加速支援
- 高速資料傳輸
- AI 平台整合能力
包括：
- NetApp
- Dell Technologies
- Pure Storage
- HPE
- IBM
等企業儲存廠商，都正在加強 AI 儲存相關能力。
AI 儲存架構將成企業競爭關鍵
企業導入 AI 時，很多人關注：
- GPU 數量
- 模型規模
- AI 平台
但實際上，資料能力同樣決定 AI 成效。
如果資料無法快速流動：
- GPU 效率降低
- 模型訓練時間增加
- AI 投資回報下降
因此，未來企業 AI 基礎架構需要同時考慮：
計算能力
GPU 提供 AI 運算能力。
網路能力
高速網路支援節點協同。
儲存能力
確保資料快速供應。
三者共同形成 AI Factory 的核心。
未來趨勢：儲存成為 AI 基礎設施核心
人工智慧正在改變資料中心的設計方式。
過去：
CPU 是資料中心核心。
後來：
GPU 成為 AI 時代核心。
未來：
GPU、Network、Storage 將共同構成 AI 工廠。
NVIDIA SCADA 所代表的方向，反映出 AI 時代儲存架構正在發生根本轉變。
企業未來競爭力，不只是擁有多少 GPU，而是能否建立高效率的資料流動能力，讓 AI 模型快速取得、理解並利用資料。
在 AI 工廠時代，儲存系統將不再只是資料的終點，而會成為驅動人工智慧創新的核心基礎設施。
Leave a Reply