英伟达正式发布SCADA技术：显卡直接读硬盘！性能狂翻5倍

AI数据中心的存储玩法，正在被英伟达重新改写。就在美国加州圣克拉拉举行的FMS 2026未来存储与内存大会上，英伟达一口气甩出两记重拳，一是把旗下的GPU存储加速API cuFile彻底开源，二是正式发布全新的SCADA存储架构，让GPU能够直接对固态硬盘发起读写请求，彻底甩掉CPU这个中间商。官方给出的实测数据相当夸张，在典型场景下GPU存储IOPS最高实现了5倍以上的提升，原本被认为铁板一块的CPU主导IO时代，正在裂开一道越来越大的口子。

要明白英伟达为什么非要对存储动手，得先看看现在的AI服务器是怎么运转的。长期以来，GPU想要读取数据，都必须经过CPU来调度，这种模式叫宿主模式，CPU既是老板又是司机，数据从硬盘到显存的每一段路都得由它来指挥。放在AI训练那种动辄几个GB的大批量数据传输里，这套模式问题不大，因为控制开销相对小。可一旦换成AI推理，情况就完全变了，推理过程中会疯狂产生512字节级别的微小请求，键值缓存、向量检索、嵌入向量这些操作每秒能堆出上百万次小读写，CPU每调度一次就要付出微秒级的延迟，成千上万次叠加下来，GPU空有一身算力，却只能干等着数据喂不上来，成了典型的加速器停转。

有人会说，英伟达不是早就有GPUDirect Storage吗，它不是已经能让GPU绕过CPU直接读数据了吗，这里得拆开说。GDS确实是2019年推出、2021年落地的好东西，它解决的是数据链路的问题，让数据可以通过DMA在硬盘和GPU显存之间直接搬，不用再绕道CPU内存，省掉了一次多余的拷贝。但问题在于，虽然数据搬运绕开了CPU，发号施令的活儿还得CPU来干，每一次读取请求的构造、提交和完成处理，仍然要CPU亲自下场。大数据块读写时这点控制开销可以忽略，可面对AI推理那种每秒百万级的小粒度请求，CPU就再次成了那个拖后腿的角色，IO资源率先被耗光，性能瓶颈提前到来。

这次亮相的SCADA技术，正是要把这最后一段控制路径也从CPU手里夺过来。它的核心思路很简单粗暴，允许GPU直接发起存储IO请求，自己去管理NVMe硬盘的队列深度，把原本属于CPU的活儿全部揽到GPU自己身上。英伟达拿出的实测数据是，在处理数据分析任务时，SCADA的速度是CPU触发模式的5.3倍，而如果用图计算这类负载来衡量，硬件成本最高能降低21.7倍。这两个数字放在一起看就很明白了，性能翻上去的同时，成本还能压下来，等于是用更少的硬件干更多的活，对精打细算的云厂商来说，吸引力不言而喻。

光有理论还不够，英伟达这次拉来美光做了一场实打实的演示，把SCADA的潜力具象化到了令人咋舌的程度。在美光展示的参考设计中，整套系统只用了3颗H100显卡，就成功驱动了44块PCIe Gen6固态硬盘，最终实现了惊人的2.3亿次随机读IOPS。换算成大家更熟悉的吞吐量，这意味着单台服务器的存储吞吐达到了118GB每秒，而在整个过程中，负责调度的那一颗CPU几乎处于完全空闲的状态，真正成了甩手掌柜。要知道，这些驱动器使用的是美光9650，正是目前全球速度顶尖的PCIe 6.0 SSD之一，在SCADA的调度下，从1块到44块SSD的扩展呈现出近乎完美的线性增长，说明这套架构的潜力还远没有被挖尽。

除了SCADA架构本身，英伟达还针对AI推理中一个更隐蔽的痛点，正式推出了Storage-Next产业联盟计划。这个痛点的根源在于传统固态硬盘的4KB扇区设计，AI推理中的键值缓存读写经常是512字节的小数据，可硬盘偏偏要以4KB为最小单位来操作，结果就是每次读取实际只用到512字节，却不得不把整整4KB的数据搬出来，造成了8倍的读取放大，白白浪费了宝贵的带宽和寿命。Storage-Next联盟的目标就是联合产业链上下游，共同制定一套新标准，重点优化512字节扇区的读写表现，让固态硬盘从硬件层面就学会怎么伺候好GPU这位新主子。

这个联盟的来头可不小。构想最早在2025年的GTC大会上提出，如今成员已经扩充到超过40家闪存与存储厂商，名单里既有DDN、铠侠、美光这样的存储原厂，也有存储控制器企业、散热厂商，甚至还有标准化组织。大家聚在一起要干的事只有一件，就是当GPU取代CPU成为存储访问主体之后，固态硬盘到底应该如何适配运行。这已经不是英伟达一家自说自话，而是整个存储产业在为即将到来的范式转移提前铺路，毕竟谁也不想在下一代AI基础设施的竞赛里掉队。

硬件层面的配套也没落下。为了承载cuFile开源生态和SCADA全新存储架构的落地，英伟达打造了新一代基于Vera BlueField-4存储处理器的STX架构系统，并计划在2026年下半年正式推出商用整机。BlueField-4这颗DPU本身就是个狠角色，计算性能相比上代提升6倍，还专门针对AI原生存储做了大量加速设计。把它和SCADA搭配在一起，等于是在硬件和软件两个维度同时发力，为GPU接管存储这件事提供了完整的舞台，而不是停留在PPT上的美好愿景。

最耐人寻味的是生态层面的变化。英伟达这次把cuFile连同一整套底层存储软件栈全部开源，代码托管在GitHub上新成立的XIO-SIG组织里，创始维护者名单里除了英伟达自己，还有谷歌、Meta，甚至连英特尔都赫然在列。英特尔不仅加入了这个开源组织，还实打实地参与代码维护，这个信号再明确不过，连CPU阵营的老大哥都默认了GPU主导IO这个趋势，传统CPU在存储调度上的垄断地位算是被彻底颠覆了。cuFile和SCADA也由此从英伟达的私有技术，升级为全行业的通用开源标准，跨平台的兼容性一下子被拉了起来。

当然，饭要一口一口吃，SCADA这套新架构想要大规模普及，眼下还卡在两个硬骨头上。一个是STX加SCADA新架构的跨硬件、跨平台适配优化进度，光有英伟达一家把生态撑起来还不够，得让整个产业链的硬件都能顺畅跑起来才行。另一个是美光、三星这些闪存原厂，能不能针对512字节小包场景完成主控和固件的底层重写，硬盘端的配合跟不上，GPU再能折腾也是白搭。这两点最终决定了新一代AI存储架构的商用普及节奏，急是急不来的。

平心而论，对咱们普通玩家来说，SCADA这类技术眼下还摸不着，它服务的对象是数据中心里那些动辄几十块SSD、几百张显卡的大家伙。但技术下放的规律从来都没变过，今天机房里用来喂饱AI的存储架构，迟早会以某种形式渗透进消费级市场，就像当年NVMe从企业级走入千家万户一样。英伟达这次把GPU推上存储驾驶位，本质上是在宣告一个时代的转折，算力和存储的边界正在消融，未来的AI基础设施里，GPU将不仅仅是计算的主角，更会成为数据调度的中枢。这场变革才刚拉开序幕，后面还有的是好戏看。