適用於大規模 AI 工廠的全新資料架構

今天標誌著千兆瓦級人工智慧工廠資料基礎架構新時代的開始。NetApp Novus 是一種新型的儲存架構，其彙總處理量超過 100TB/s，可確保數十萬個 GPU 高效運作。Novus 專為 Zettabyte 級容量而設計，將中繼資料和資料分隔成獨立且易擴充的層面，然後將數千個儲存設備節點統一在一個命名空間下。憑藉這些功能，NetApp Novus 將為 Neocloud 營運商、超大規模資料中心營運商、建置 GPU 雲端的大型企業，以及 GPU 即服務供應商帶來效率、使用率和獲利能力的變革。

Novus 建構於基於標準的 pNFS 存取之上，因此無需在 GPU 伺服器上部署專屬用戶端，也無需隨著核心與 GPU 世代的變更而進行生命週期管理。Novus 將 NetApp ONTAP^® 的復原力、安全性與多租戶特性，帶入專為 AI 工廠特定用途所打造的架構中。

為 50,000 個 GPU 供應資料的算術

AI 工廠的運算非常嚴苛。單一 GPU 需要高達 2GB/s 的處理量才能保持滿載運行，而要在 50,000 個 GPU 上維持此處理量，則需要 100TB/s 的累積頻寬。傳統的儲存設備陣列可提供 40 到 80GB/s。因此，要使用傳統陣列達到 100TB/s，意味著需要部署一百多個陣列，每個陣列都有自己的命名空間、故障網域和管理成本。維運人員最終會運行一整個機組的儲存設備系統，並應對複雜的資料搬移問題。

獲利能力讓 GPU 保持忙碌

對千兆瓦級人工智慧工廠而言，GPU 是資產負債表上最大的資本項目，也是唯一能產生營收的項目。GPU 每花一小時等待資料，就是一小時毫無回報的折舊。

這使得 GPU 叢集資源充足和資源匱乏之間的差異對業務至關重要。當儲存設備無法以足夠快的速度交付資料以確保 GPU 正常運作時，AI 工廠的使用率可能會降至單一位數。我們認為，此時儲存設備瓶頸不再是效能問題，而是利潤問題——而且隨著業務規模的擴充，這個問題只會愈演愈烈。

消除中繼資料瓶頸

僅僅增加控制器數量並不能解決問題。中繼資料本身就是瓶頸，甚至在容量或頻寬限制 GPU 活動之前就已經存在。所有開啟、尋找和佈局請求都會落在試圖提供資料的相同控制器上。工作區匯入涉及數百萬次小檔案操作。檢查點操作是 TB 級的連續寫入，由所有節點同時發出，緊接著中繼資料流量的爆發。當您擴充叢集時，中繼資料操作也會隨之擴充，直到檔案系統不可避免地變慢或停滯。

要針對兩種相互衝突的存取模式進行工程設計非常困難。小檔案中繼資料流量需要快速處理許多獨立的操作。檢查點寫入需要整個系統專用於一個連續的資料流。如果將它們運行在同一控制器上，則每一種都會降低另一種的效能。

Novus 將中繼資料與資料解耦，使二者能夠獨立擴充。為此，我們建立了兩個專用系統，各自針對不同的工作最佳化的，並將它們整合到單一系統中。資料儲存在企業級 ONTAP 系統上。在第一個版本中，我們將配備高效能 NetApp AFF A90 儲存設備。Novus Data Director 將中繼資料移至獨立且易擴充的軟體定義控制階層，該階層在標準的 x86 運算上執行。用戶端向 Data Director 查詢檔案所在位置，接收佈局，然後直接與儲存設備通訊。兩個層面互不等待，資料以線速執行。

標準用戶端，命名空間，多個租戶

Novus 採用基於標準的 pNFS/NFS 存取架構，並透過受支援的 Linux 用戶端環境實現，從而幫助維運人員避免在數千個節點映像、GPU 世代和租戶環境中部署、修補和驗證專屬用戶端。此舉旨在移除一項主要的例行成本，同時為共享的多租戶 AI 基礎架構保留命名空間。

命名空間提供維運的簡便性。當工作負載的資料分散在分隔的系統中時，必須進行搬移、重新掛載、重新平衡，並確保每個複本都得到妥善處理。單一 Zettabyte 級命名空間消除了這些工作，隨著環境的增長，資料集、檢查點和模型工件始終可持續定址。Novus 的架構允許維運人員在不強制更改應用程式、不進行破壞性重新掛載或不中斷租戶的情況下，增加容量和效能。Novus 並非將儲存設備拓撲暴露給每個工作負載，而是提供了一個專為 AI 工廠規模而建構的一致資料環境。

在 AI Factory 規模下，共享基礎架構只有在信任度隨效能擴充時才能發揮作用。Novus 旨在將 ONTAP 獲證實的安全性、彈性、服務品質和多租戶基礎整合到專為極端並行性而建構的單一架構中。即使數千個工作爭用相同的資料平面，供應商也能保持租戶隔離的、工作負載可預測，並確保 GPU 的高效運作。

規模是一個不斷變化的目標

去年，叢集中有 10,000 個 GPU 已經是很大的數字。今年則是 50,000 個。沒有人認為現今的 AI 工廠就是最終狀態。您選擇的架構不僅要適合您目前運作的叢集，還要適合您三年後將要運作的叢集。

Gary Grider，洛斯阿拉莫斯國家實驗室運算技術資深總監，精闢地指出：「引領我們進入 AI 時代的架構，將無法在我們持續加速創新時，滿足我們對其提出的需求。隨著 AI 工廠持續擴充，我們將看到數十萬個 GPU 存取命名空間，造成大量中繼資料作業積壓，進而拖慢甚至停滯檔案系統。Novus 是一種首創的架構，可提供中繼資料層與資料層的獨立擴充，讓 AI 工廠能夠成長，而不受其存取資料能力的限制。」

Novus 可讓營運商執行的作業

最大化 GPU 使用率。消除資料瓶頸，確保昂貴的 GPU 環境獲得充足的資料支援並從中獲利。

獨立擴充效能。將高效能資料節點與分離的中繼資料分層配對，並各自獨立擴充。

提升盈利能力。在專為千兆瓦級 AI 工廠建置的架構上執行多租戶、雲端規模的營運模式，讓您能夠提高最昂貴資產的回報率。

AI 工廠的發展速度已經迅速超越了其建構基礎的架構，迫使營運商必須移轉至新的架構。Novus 的設計讓未來的成長不需要新的架構。

NetApp INSIGHT 2026 將於 9 月 29 日至 10 月 1 日在拉斯維加斯舉行。觀看直播或隨需觀看。在 NetApp Novus 解決方案簡介 中探索更多資訊。