新闻动态
News
AI 基础设施的讨论风向正在转变。过去几年，最核心的问题一直是：存储能跟上训练的速度吗？持续吞吐量、检查点写入速度、海量元数据管理——存储层的任务就是为 GPU 集群持续供料，避免成为瓶颈，DDN 打造的 Infinia 解决了这一问题。如今，在全球一些大规模 AI 部署中，Infinia 已在超过 10 万块 GPU 的规模上得到验证。
但到了 2026 年，市场的核心命题早已迭代，竞争不再局限于模型训练本身。AI 工厂现在运行的是持续、多阶段的pipeline：推理与训练并行，同时处理数百万个请求；RAG pipeline查询的数据湖，还在被数据摄入pipeline不断写入；研究和生命科学团队需要 POSIX 文件协议，同时也离不开对象存储。所有这些工作负载之下的基础设施层，必须完成一件传统架构从未被设计过的事情——在共享基础设施上同时服务所有工作负载，并且要做到严格隔离、性能有保障，无论其规模有多大。这正是 DDN 长期努力的方向，而这次发布标志着 Infinia 全面迈入这一角色。
一个平台覆盖多个市场 我们这次发布的 Infinia 版本不是一次常规维护更新，而是一次战略性扩展，覆盖 AI 基础设施中增长最快的三个领域，这一切都得益于 Infinia 从第一天起就奠定的架构基础。 随着 AI 工厂从训练转向生产级推理，数据基础设施的要求发生了根本变化。对模型权重、提示数据和上下文存储的低延迟访问，已成为第一优先级的需求，而不是事后才考虑的问题。Infinia 的性能特性——快速的 S3 访问、基于元数据的智能检索、直通 GPU 的数据路径——使其天然适用于大规模处理数百万请求的推理pipeline。 关键数据佐证：通过 KV 缓存卸载，首个token的延迟时间缩短 18 倍，输入token成本降低 75%。这些不是实验室的基准数据，而是来自真实的生产推理部署。在这些部署中，Infinia 作为 vLLM 的持久化 KV 缓存层，让先前计算好的上下文可以直接从 Infinia 加载，完全绕过预填充计算。GPU-Direct SDK 通过 RDMA 将张量数据直接传输到 GPU 内存，无需经过 CPU，也没有协议开销。 这也充分阐释了，为何需将存储深度集成至推理核心架构，而非仅作为后端附属组件独立配套部署。 RAG 的效果取决于背后的数据质量。基础设施的挑战不在于存储数据，而在于让数据在推理时可查询、保持即时性、能够被检索，同时不需要人工整理、冗余副本或异步索引带来的延迟。 Infinia 的解决方案是架构层面的。由于元数据和数据位于同一个分布式 KV 引擎中，目录的新鲜度在写入提交的那一刻就能得到保证——数据一旦写入，立刻可以被搜索到，不需要后台索引，也不需要额外用 ETL pipeline去同步一个独立数据库。对于正在构建可扩展 AI 数据湖的企业来说，这意味着数据湖真正变得智能：AI 框架（包括 Apache Spark、Trino、PyTorch 和 TensorFlow）可以直接访问，无需数据迁移或格式转换。相比传统对象存储，RAG pipeline的性能提升了 22 倍。 对企业 AI 团队而言，这就是普通数据湖和 AI 数据湖之间的差别。 并非所有工作负载都使用 S3 协议。基因组学pipeline、计算流体动力学模拟、量化研究工作流、数字孪生环境——这些都需要标准的 POSIX 文件协议。过去，要同时服务这些工作负载以及 AI 训练和推理，就必须使用独立的基础设施、独立的运维，并在不同系统之间复制数据。 随着原生 POSIX 文件访问进入客户验证阶段，Infinia 将能力扩展到这些工作负载，而无需额外的基础设施。基于文件的应用可以在同一个平台上运行，访问相同的数据，并享有与 Infinia 已有的 AI 原生对象工作负载同等的性能和隔离保障，这也让 Infinia 直接进入了 DDN 长期深耕的高性能计算领域——为 HPC 用户提供一个现代化、面向 AI 的平台，既熟悉又能快速投入生产。 DDN 和 NVIDIA 拥有共同的使命：确保全球要求最严苛的 AI 工作负载不必等待数据。 本次发布通过整合 NVIDIA 推理堆栈的多个环节——包括数据传输、推理编排、KV 缓存管理和存储 I/O 优化——进一步深化了这一合作关系。对于基于 NVIDIA DGX、HGX 或云上 GPU 基础设施构建系统的组织，Infinia 旨在成为保持整个堆栈性能的存储层。DDN 和 NVIDIA 正在积极联合开发和验证这些集成，目标是让 Infinia 成为面向各种规模 NVIDIA 客户的推荐且受支持的数据平台。 完整的 NVIDIA 集成路线图细节，可根据保密协议向符合条件的客户和合作伙伴提供。 对企业 AI 团队而言，这就是普通数据湖和 AI 数据湖之间的差别。 Infinia 之所以能够同时向推理、智能数据湖和多协议工作负载扩展，而不需要为每个领域变成不同的产品，根源在于其架构。 这是一个分布式的、日志结构的 KV 引擎，每个 I/O 操作都能独立优化。元数据与数据位于同一引擎中，保证了目录的实时新鲜度。布局间接寻址技术，让集群可以在零宕机的情况下扩展，而无需移动一个字节的数据。每个 I/O 的动态纠删码，为每次写入提供优质保护，没有固定条带大小的惩罚。分层键空间多租户技术，可以在几秒钟内配置出隔离的租户。 这些不是简单的功能点，而是平台的结构性属性。正是它们，让 Infinia 能够在同一个集群上同时运行训练、推理、RAG 检索和 POSIX 文件工作负载，在租户之间实现硬隔离，且无需在架构上做出任何妥协。 性能数据是架构正确的有力证明： 平台扩展由本次版本交付并进入客户验证的以下能力支撑： POSIX 文件访问 POSIX 文件访问现已作为技术预览版向获批的设计合作伙伴提供。标准的 Linux 文件语义——cp、mv、ls、rm、mkdir——可以在 Infinia 挂载点上原生使用。支持文件级分布式锁，支持 mmap()（适用于 HPC 和分析工作负载），支持 RHEL 9.5/9.6 和 Ubuntu 24.04，正式生产支持计划于 2026 年夏季推出。 AI Pipeline管理 专为 AI 基础设施团队打造的全新运维体验：包含预检的简化安装程序、统一 API，以及与 Ansible、Terraform 和云原生编排工具集成的自动化优先生命周期管理。集群从零开始可在 10 分钟内投入运行，并从一开始就具备完整的可观测性。 NVIDIA 生态系统集成 在 GTC 上展示的面向 vLLM 的 KV 缓存结构、直通 GPU 的数据路径，以及正在进行的针对 NVIDIA DGX 和 HGX 堆栈的联合验证工作，推理堆栈集成是过去一年中 Infinia 市场定位方面最具战略意义的进展。 2.4 版本的路线图继续推进平台建设，并承诺为企业和下一代云服务商的下一个层级部署提供支持： 规模验证：500–600 节点集群，并发布线性基准测试结果； POSIX 正式发布：生产就绪，支持 GPUDirect 存储、POSIX ACL、同一数据集上的 S3/POSIX 互操作； 企业级安全：支持 AD/LDAP 的 RBAC、支持每租户加密密钥的 KMS/KMIP、WORM/对象锁； 数据保护：用于业务连续性的复制引擎和数据迁移工具； NVIDIA 认证：DGX 定位及正式的认证路径。 Infinia 正在成为全面的 AI 数据智能层——从原始数据摄入到推理服务——满足生产级 AI 工厂对安全、生态集成和运维工具的全部要求。 DDN Infinia 现已全面上市。POSIX 文件访问、AI pipeline管理能力以及 NVIDIA 生态系统集成正在客户积极验证阶段，正式发布目标时间为 2026 年夏季。请联系您的 DDN 代表或访问 ddn.com，预约技术简报或启动概念验证。
