OceanStor M900: Nová éra AI úložišť od Huawei

Šanghaj 18. září 2026 – David Wang, místopředseda představenstva a rotující předseda společnosti Huawei, ve své hlavní přednášce na konferenci HUAWEI CONNECT 2026 oficiálně představil úložiště OceanStor M900 Context Memory Storage. Produkt je navržený pro inferenci AI v hyperscale datových centrech a poskytuje systémům SuperPoD plně sdílený paměťový prostor s kapacitou v řádu PB a výkonem v řádu TB/s. To představuje posun infrastruktury AI od modelu zaměřeného na výpočetní výkon k hluboké spolupráci mezi výpočetním výkonem, sítí a úložištěm. Pomůže to uvolnit výpočetní výkon systémů SuperPoD.

Rok 2026 přinesl zrychlený přechod AI od technologických průlomů k nasazení ve velkém měřítku. Aplikace AI se vyvinuly od chatbotů k agentům, kteří dokážou samostatně plnit komplexní úkoly. Tito agenti se široce uplatňují v kritických odvětvích, což znamená začátek éry agentní AI.

S tím, jak velké modely narůstají až k 10 bilionům parametrů, se systémy SuperPoD stávají optimální volbou pro infrastrukturu AI. Nejrozšířenější velké modely už podporují kontextová okna s více než jedním milionem tokenů, vícekolová inference a komplexní úkoly se staly normou a objem dat KV cache generovaných během inference dál roste. Tyto trendy dovedly paměť na čipu a DRAM na hranici jejich možností, a to jak v kapacitě, tak v nákladové efektivitě. Konsenzem celého odvětví se stalo vybudování víceúrovňového systému úložišť, který koordinuje paměť na čipu, DRAM a SSD a vytváří plně sdílený paměťový prostor s obrovskou kapacitou.

Společnost Huawei představila OceanStor M900 Context Memory Storage, aby odstranila úzká místa v kapacitě paměti u extrémně dlouhého kontextu a vícekolové inference. OceanStor M900 využívá síť UnifiedBus k vybudování globální víceúrovňové KV cache v řádu PB s propojením na jeden skok. Tím plně uvolňuje potenciál výpočetního výkonu systémů SuperPoD a zrychluje inferenci AI v hyperscale datových centrech. OceanStor M900 Context Memory Storage má tři klíčové schopnosti:

Prolomení kapacitních hranic a podpora AI ve velkém měřítku díky obrovské paměti

Díky vysokorychlostní propojovací síti UnifiedBus dosahuje KV cache globálního sdružování a sdílení s víceúrovňovým úložištěm. KV cache systémů SuperPoD se rozšiřuje z paměti na čipu a DRAM na SSD, takže jediný cluster poskytne kapacitu 64 PB. Dostupná kapacita KV cache na jednu NPU se zvyšuje z gigabajtů na terabajty, což umožňuje ukládat, sdílet a opakovaně využívat více kontextu. To výrazně zvyšuje úspěšnost zásahů do KV cache.

Zvýšení výkonu inference a plné uvolnění výpočetního výkonu

OceanStor M900 je první architektura v odvětví, která integruje CPU, řídicí jednotku sítě a řídicí jednotku NAND. Poskytuje nativní KV sémantiku, která umožňuje propojení na jeden skok z NPU systému SuperPoD na SSD. Tím odpadá potřeba konverze protokolů a přeposílání přes CPU, což zkracuje latenci přístupu z milisekund na 60 mikrosekund, tedy o 90 %. Jediný cluster poskytuje agregovanou přístupovou propustnost 40 TB/s, což je 1,5krát více než u konkurenčních řešení. V typických scénářích programování s AI tato architektura zdvojnásobuje propustnost tokenů inferenčního clusteru a o polovinu zkracuje dobu do prvního tokenu, čímž převádí výpočetní výkon na produktivitu.

Snížení nákladů na tokeny umožní hospodárné nasazení AI ve velkém měřítku

OceanStor M900 využívá první adaptivní technologii úložiště s rozpoznáváním KV v odvětví, která na základě hodnoty dat předpovídá životní cyklus KV cache a inteligentně rozděluje data mezi úložná média. Tato technologie umožňuje až 24 přepisů disku denně (DWPD), 16násobně prodlužuje životnost SSD a zajišťuje stabilitu po tři roky. Snížením nákladů na výměnu médií a na provoz a údržbu snižuje dlouhodobé náklady na infrastrukturu pro inferenci AI ve velkém měřítku a umožňuje rychlejší zavádění AI.

S tím, jak AI proniká do hlavních produkčních systémů ve všech možných odvětvích, se infrastruktura AI vyvíjí od modelu zaměřeného na výpočetní výkon k těsnější spolupráci výpočetního výkonu, sítě a úložiště. Úložiště kontextové paměti bude nezbytné pro trvalé zvyšování kapacity a efektivity přístupu u KV cache pro inferenci v hyperscale měřítku.

Yishan Chen, chenyishan1@huawei.com

https://www.protext.cz/zpravy/59227.

Často kladené otázky