英伟达宣布，将开源用于让 GPU 直接读写存储的 cuFile API，以及位于其下层的存储软件栈[1]。该消息配合 8 月 4 日至 6 日在美国加州圣克拉拉举行的 Future of Memory and Storage（FMS）大会发布，同期公布的还有汇集 40 多家存储厂商的 Storage-Next 计划[1][2]。
存储正在成为数据通路本身
过去，存储被视为一个被动存放数据的地方。但如今 AI 智能体消耗的数据量极为庞大，GPU 本身也能够直接发起存储请求，由此产生数以千计的并发操作[1]。
存储系统必须一边响应这些请求，一边持续完成加密、压缩、校验与重建。英伟达指出，这些数据服务正在成为瓶颈。该公司技术博客给出的基准测试显示，属于 NVIDIA Vera BlueField-4 STX 一部分的 Vera CPU，在两级压缩与加密流水线中的吞吐量最高可达 x86 处理器的 3.21 倍[1]。
数据应放在内存还是放在硬盘，这个取舍在 40 年前首次被提出时，衡量单位是分钟。而在今天的 GPU 与 AI 存储方案组合下，同样的取舍以微秒为单位展开[1]。前提变了，设计自然也要跟着变。
cuFile 开源，谷歌、英特尔与 Meta 共同维护
cuFile 是 NVIDIA GPUDirect Storage 的开源组成部分，让 GPU 而非仅是 CPU 直接读写存储。它借助数十万条 GPU 线程与高带宽内存等方式，实现微秒级的数据访问[1]。
承载这些 API 的新站点列出了谷歌、英特尔、英伟达与 Meta 作为首批维护方[1]。这种安排显示出的意图，是让整套技术栈能够在多种软硬件平台上优化使用，而不是绑定在单一厂商的芯片上。
英伟达同时强调了安全层面的价值。快速且安全的数据与存储访问，是预防型和检测型网络安全措施的基础。开放 cuFile 有助于让安全上下文、数据与存储以 AI 驱动防御所需的速度被调用，并支持新成立的 Open Secure AI Alliance 等倡议[1]。
40 多家厂商参与的 Storage-Next 与 SCADA 框架
Storage-Next 汇集存储厂商、控制器供应商、热设计与散热及编排服务商，以及标准组织，共同就 GPU 驱动的存储应如何运作达成一致，并把这些成果转化为可互操作的开放行业标准[1]。
参与者超过 40 家领先的存储与闪存厂商，包括 DDN、铠侠与美光[1]。支撑该框架的技术是 SCADA（scaled, accelerated data access），它让高度并行的 GPU 只把应用所需的数据从存储直接拉入自身的高速内存。DDN 正在把 SCADA 集成进其软件定义的 AI 原生数据智能平台 Infinia[1]。
DDN 首席技术官 Sven Oehme 表示，AI 的成败不取决于机构拥有多少基础设施，而取决于使用得多有效率，并把此次合作定位为在 GPU 与数据之间建立更直接、更高效的连接[1]。
用职责拆分兼顾速度与安全
让应用直接与硬盘对话固然快，但处理不当就可能覆写其他进程的内存。那不是特性，而是安全漏洞[1]。
SCADA 通过把工作一分为二来规避这一问题。应用中需要原始速度的用户侧部分，留在可信计算基之外。另一个具备特权的组件则在初始化阶段，在用户应用与获准访问的存储之间配置受保护的访问通道，并遵循 Linux 标准的安全执行协议[1]。
Storage-Next 与 SCADA 的底座是 NVIDIA Vera BlueField-4 STX，这是一套机架级模块化平台，由 NVIDIA Vera Rubin 平台、Vera BlueField-4 存储处理器与 Spectrum-X 以太网组合而成。统一的 NVIDIA DOCA 安全栈让企业可以在 AI 数据通路上持续执行策略。基于 STX 构建的 NVIDIA CMX Context Memory Storage，还为长上下文、多轮次的智能体推理提供了 AI 原生的上下文层[1]。
总结
在 FMS 大会上，英伟达开源了 cuFile API 及其下层存储软件栈，并由谷歌、英特尔与 Meta 共同担任首批维护方。同时公布的还有 40 多家厂商参与的 Storage-Next 计划，以及只把必要数据直接拉入 GPU 内存的 SCADA。这提醒业界，通常围绕算力展开的 AI 基础设施讨论，同样需要从供给数据的一侧重新审视。
