Innodisk扩大企业级SSD产品布局:AI服务器存储如何选型

发布人:A5数据发布时间:2026-11-14 17:11阅读量:57
Innodisk扩大企业级SSD产品布局,推出面向AI数据中心的PCIe Gen5高速SSD及多种服务器存储解决方案,最高顺序读取速度达14GB/s

AI服务器的存储需求正在发生变化。过去,服务器采购通常围绕CPU、内存、硬盘容量和网络带宽展开,而在AI训练和推理场景中,SSD不仅承担数据保存任务,还可能直接影响模型加载速度、GPU利用率以及整个计算系统的运行效率。

11月13日,随着美国超级计算大会SC26临近,存储与内存厂商Innodisk(宜鼎国际)面向AI数据中心的企业级SSD产品布局再次受到行业关注。公司此前于11月4日在官网公布相关产品规划,并于11月13日进一步通过国际新闻渠道介绍其面向AI服务器的企业级SSD和内存解决方案。

此次产品布局覆盖服务器系统启动盘、本地高速数据盘,以及面向AI计算的DDR5内存和CXL内存扩展模块。其中,PCIe Gen5 5TS-P系列企业级SSD最高顺序读取速度达到14GB/s,写入速度最高达到10GB/s。

Innodisk计划于11月16日至19日在美国芝加哥举行的SC26展会上展示相关产品。

对于IDC企业和AI服务器采购人员而言,这次消息的价值不只是某款SSD拥有更高的读写速度,而是反映出企业级存储正在根据不同AI工作负载进行更加细致的产品划分。

当AI服务器需要同时处理模型加载、训练数据读取、推理缓存和业务数据库时,究竟应该怎样配置SSD,才能兼顾性能、稳定性和采购成本?

Innodisk完善企业级SSD产品线,不再只强调单一性能指标

根据Innodisk公布的产品信息,此次企业级SSD布局主要面向两类不同需求:服务器启动与操作系统存储,以及AI业务所需的本地高速数据存储。

前者主要负责操作系统、系统服务和基础运行环境,后者则承担模型文件、推理数据集、数据库及其他数据密集型任务。

Innodisk将PCIe Gen5 E1.S 5TS-P、PCIe Gen4 4TS2-P和SATA III 3TS9-P纳入数据中心启动盘产品组合,并强调固件定制、掉电保护和数据路径保护等功能。

在本地高速存储方面,5TS-P系列则提供最高14GB/s读取和10GB/s写入的性能指标,覆盖E1.S及U.2等数据中心常见形态。

需要注意,这些数字属于厂商公布的产品最高性能规格,并不代表所有容量、接口及实际应用环境都能够达到相同速度。

Innodisk还表示,相关E1.S和U.2产品获得OCP Inspired认证,并支持NVMe-MI带外管理,有助于满足大型数据中心对设备维护和运行状态监控的需求。

从产品进度来看,3TS9-P、4TS2-P和5TS-P系列已经开放样品申请及面向客户系统的定制服务。

这意味着相关产品正在推进客户验证和项目导入,但不能直接理解为所有型号和容量都已经形成大规模现货供应。

A5数据分析认为,Innodisk此次产品策略的一个特点,是将企业级SSD按照实际用途进行区分,而不是单纯依靠更高的PCIe版本或峰值速度吸引客户。

对于服务器运营商而言,这种分类更接近实际部署需求。因为系统盘与AI数据盘承担的工作不同,真正需要关注的性能和可靠性指标也不完全相同。

AI服务器系统盘,为什么不一定需要最快的SSD?

服务器系统盘经常被采购人员忽视。

在许多配置方案中,GPU、CPU和大容量数据盘占据了主要预算,系统盘则只要求能够安装操作系统,容量足够即可。

但对于需要长期运行的AI计算节点,系统盘的可靠性同样重要。

操作系统、驱动程序、容器运行环境、监控代理和部分应用日志通常依赖系统盘保存。

如果系统盘发生故障,即使GPU、CPU和其他存储设备完全正常,服务器也可能无法正常启动或提供服务。

对于远程部署在机房中的服务器,系统盘故障还可能带来额外的维护成本。

尤其当服务器采用复杂的GPU驱动、CUDA运行环境、容器编排和专用推理框架时,重新安装系统和恢复运行环境可能比更换硬盘本身更加耗时。

因此,系统盘采购应当更加关注可靠性、固件成熟度、故障监控和数据完整性,而不是仅比较顺序读取速度。

Innodisk此次推出的不同接口启动盘,正体现了这种需求差异。

例如,SATA III SSD虽然带宽明显低于PCIe Gen5产品,但对于部分主要承担系统启动、配置文件和轻量日志任务的服务器,仍然可能满足需求。

PCIe Gen4或Gen5系统盘则更适合需要较高IO性能、特定硬件形态或统一NVMe管理能力的环境。

这里并不存在所有AI服务器都必须使用PCIe Gen5系统盘的要求。

A5数据在分析服务器存储配置时,更建议根据实际系统负载选择接口和性能等级,将有限的预算投入到真正影响业务吞吐量的部分。

如果操作系统日常IO压力较低,高速SSD增加的成本未必能够带来明显的业务性能收益。

14GB/s读取速度,对AI模型加载究竟有多大帮助?

Innodisk 5TS-P系列公布的最高14GB/s顺序读取速度,是此次产品更新中比较容易受到关注的指标。

这一性能主要依赖PCIe Gen5及相应的NVMe控制器、NAND闪存和固件设计。

在AI服务器中,高速顺序读取确实具有实际价值。

例如,大语言模型通常需要加载较大规模的模型权重文件。

当服务器启动推理服务、切换模型或者重新部署计算任务时,系统需要将模型文件从SSD读取到系统内存,随后根据运行架构将相关数据传输至GPU显存。

如果模型文件达到数百GB,存储读取速度就可能影响服务初始化时间。

从理论上计算,读取一个140GB的文件:

  • 如果SSD持续读取速度为3.5GB/s,纯数据读取至少需要约40秒。

  • 如果SSD持续读取速度为7GB/s,理论读取时间约为20秒。

  • 如果SSD持续读取速度达到14GB/s,理论读取时间约为10秒。

这些数字只是按照文件容量与标称读取速度计算的理想情况,没有包含文件系统、CPU处理、数据校验、内存复制、GPU传输和模型初始化等开销。

实际模型加载时间不可能直接等同于上述理论读取时间。

如果数据还需要经过网络存储、压缩解码或其他处理步骤,SSD的性能优势也可能受到限制。

此外,模型加载完成后,推理过程中使用的主要权重和中间数据通常位于GPU显存或其他内存层级。

对于能够完整放入显存并持续运行的模型,SSD性能不一定会直接决定每秒生成多少Token。

这也是AI服务器选型中容易出现的误区:SSD速度越高,不代表模型推理速度就一定越快。

只有明确业务是否存在明显的存储读取瓶颈,才能判断更高性能SSD是否值得额外投入。

训练数据盘与推理数据盘,关注的性能指标并不相同

AI训练与AI推理使用SSD的方式存在明显区别。

在模型训练过程中,系统通常需要读取大量训练数据,并持续向GPU提供能够用于计算的数据。

如果训练数据包含大量小文件、图像、文本片段或其他复杂数据结构,存储访问模式可能同时涉及顺序读取和随机读取。

此时,SSD顺序读取速度固然重要,但随机IOPS、访问延迟以及文件系统处理效率也可能影响数据加载性能。

如果数据预处理本身已经成为主要瓶颈,仅更换高速SSD可能无法显著提高GPU利用率。

相比之下,推理服务器经常需要读取模型权重、检索数据和应用数据库。

对于需要频繁切换模型的业务,高速读取有助于缩短模型加载时间。

对于长期保持模型加载状态的推理业务,SSD可能主要承担日志、数据库、缓存落盘及其他辅助任务。

另外,随着长上下文推理和AI智能体应用发展,部分系统会使用SSD保存无法全部放入高速内存中的数据。

但这类场景对SSD性能的要求,取决于缓存命中率、数据访问频率和具体推理框架。

如果大量推理请求需要持续从SSD读取缓存,存储延迟仍可能影响模型响应。

因此,AI服务器存储方案不应简单划分为训练使用高速盘、推理使用普通盘,而应进一步观察具体任务的数据访问特征。

对于IDC企业,最有效的方法是使用实际工作负载进行测试,而不是仅依靠SSD厂商公布的顺序读写峰值。

企业级SSD的关键能力,往往不体现在速度排行榜上

与普通消费级SSD相比,企业级SSD更强调长期稳定运行和数据完整性。

Innodisk此次重点介绍了几项面向数据中心的功能,包括掉电保护、端到端数据路径保护、固件定制及设备运行状态监控。

这些功能对长期运行的服务器具有实际意义。

掉电保护:避免突发断电造成数据异常

掉电保护通常称为PLP(Power Loss Protection)。

部分企业级SSD通过电容等储能元件,为设备在突然失去外部供电时完成必要的数据保护操作提供短暂电力。

其具体保护范围取决于产品设计,不能简单理解为具备PLP就能够保证任何情况下的数据都不会丢失。

对于数据库、日志系统和其他需要频繁写入的应用,掉电保护是值得重点核查的功能。

尤其需要关注SSD是否保护已经确认完成但尚未持久化的数据,以及厂商对相关功能的具体承诺。

数据路径保护:减少内部传输错误风险

SSD的数据需要经过主机接口、控制器、缓存和NAND闪存等多个环节。

端到端数据路径保护通常通过校验和错误检测机制,降低数据在内部传输过程中出现未被发现的错误的风险。

但它不能代替应用层校验、存储冗余或备份。

固件稳定性:决定长期运行体验

SSD固件负责处理闪存映射、垃圾回收、磨损均衡、错误恢复和部分设备管理功能。

不同固件策略可能让同一硬件平台在高负载下呈现不同的性能和稳定性。

特别是在大规模服务器集群中,固件版本不一致可能增加运维复杂度。

A5数据认为,企业级SSD的真正价值不仅是设备能够达到多高的峰值性能,更在于长期运行时能否保持可预测的性能,并在出现异常时提供足够完善的监控和恢复能力。

E1.S、U.2与M.2,AI服务器应该选择哪种SSD形态?

接口类型与外形规格经常被混为一谈,但两者并不是同一个概念。

PCIe Gen4、Gen5主要描述高速互连的技术代际,而M.2、U.2和E1.S涉及设备的物理形态、连接方式及相应的系统集成要求。

NVMe则是面向非易失性存储设备的通信协议。

因此,SSD的实际选型需要同时确认接口、协议、物理规格及主板支持情况。

对于服务器市场,几种常见形态各有特点。

SSD形态

主要特点

常见适用场景

M.2

体积紧凑,适合板载安装

系统盘、轻量本地存储

U.2

通常采用2.5英寸形态,适合服务器背板和热插拔设计

企业级数据盘、高容量存储

E1.S

面向高密度数据中心设计,便于优化散热和维护

高密度NVMe存储、AI服务器

2.5英寸SATA

兼容性广,接口性能上限相对较低

系统盘、对带宽要求不高的业务

需要注意,以上只是常见应用方向,实际可用性取决于服务器机箱、背板和主板配置。

例如,某些服务器虽然拥有2.5英寸硬盘位,但背板仅支持SATA或SAS,不能因此认为能够直接使用U.2 NVMe SSD。

E1.S也不是所有新服务器都默认支持的规格。

对于准备部署高密度SSD的IDC企业,还需要关注机箱风道和设备散热。

高性能NVMe SSD在持续读写时可能产生较高热量,如果散热条件不足,控制器可能通过降低工作频率来控制温度。

因此,即使两款SSD具有相同的理论读取速度,在不同服务器机箱中也可能表现出不同的持续性能。

AI服务器SSD采购,怎样避免容量和性能配置失衡?

在实际部署中,AI服务器可以按照系统运行、模型数据和高写入业务等不同用途划分存储资源。

但不一定需要为每一种任务分别安装独立SSD,最终配置仍要根据业务规模和故障隔离要求决定。

对于主要承担模型推理的服务器,系统盘可以选择可靠性较高的企业级SSD,而模型数据盘则根据模型数量、加载频率和容量需求决定是否采用高速NVMe。

如果模型长期保留在GPU显存中,日常存储访问压力较低,购买多块高性能SSD未必划算。

对于需要频繁训练和保存检查点的服务器,则需要更加关注持续写入性能、写入耐久性和可用存储容量。

例如,假设某块SSD容量为4TB,厂商标称写入耐久性为1 DWPD,意味着在规定条件和保修期限内,其额定每日整盘写入量为4TB。

如果标称为3 DWPD,对应的额定每日写入量则为12TB。

但DWPD必须结合厂商规定的保修期限和实际使用条件理解,不能直接当作设备在达到该数值后就必然损坏的寿命预测。

另外,数据写入量并不是唯一需要考虑的因素。

对于长期运行的AI训练任务,SSD持续写入期间的性能是否稳定、是否因温度升高而降速,以及设备是否提供完善的错误监控,同样值得关注。

A5数据建议,在确定AI服务器SSD配置之前,至少确认以下几个问题:

  • 服务器主要用于模型训练、推理服务,还是两者兼顾?

  • 模型权重和训练数据是否需要频繁从本地SSD加载?

  • 业务主要是大文件顺序读写,还是大量小文件随机访问?

  • 是否存在持续写入检查点、缓存和日志的需求?

  • 当前存储性能是否已经成为GPU等待数据的主要原因?

  • 服务器是否支持目标SSD的接口、背板、功耗和散热要求?

  • 故障后如何恢复数据,是否具备独立备份与存储冗余?

这些问题能够帮助采购方判断,究竟需要更高的SSD性能、更大的容量,还是更可靠的存储管理方案。

单块SSD速度达到14GB/s,整机就能实现相同吞吐量吗?

高性能企业级SSD往往会公布非常醒目的顺序读写速度,但服务器整体存储性能并不是多个SSD峰值简单相加。

例如,四块SSD分别支持14GB/s顺序读取,并不代表整机一定能够持续达到56GB/s。

实际性能需要考虑PCIe通道数量、CPU与芯片组连接、PCIe交换芯片、NVMe控制器、文件系统和应用程序访问方式。

如果多块SSD共享有限的上行带宽,就可能出现总线瓶颈。

此外,NUMA架构也会影响多路CPU服务器的数据访问效率。

当SSD连接到某个CPU的PCIe控制器,而应用程序主要运行在另一个CPU节点上时,跨处理器数据访问可能引入额外开销。

对于需要同时使用多张GPU和多块高速SSD的AI服务器,PCIe拓扑结构尤其重要。

如果GPU、网络设备和NVMe SSD之间需要频繁传输大量数据,合理安排设备连接关系和数据路径,可能比单纯增加SSD数量更有效。

部分AI训练系统还会采用分布式存储,通过高速网络从集中式存储集群获取数据。

在这种情况下,网络带宽、存储节点数量和分布式文件系统性能,同样可能限制最终吞吐量。

因此,采购高性能SSD时,必须同时核查整机的数据路径。

Innodisk为何同时布局DDR5和CXL内存?

除了企业级SSD,Innodisk此次还介绍了面向AI服务器的DDR5内存和CXL扩展方案。

公司公布的AI内存产品包括DDR5 12800 MRDIMM、DDR5 8000 RDIMM,以及单模块容量128GB、带宽最高32GB/s的CXL内存扩展产品。

其中,MRDIMM和RDIMM主要服务于不同的服务器内存容量及带宽需求。

CXL则提供另一种扩展思路,使支持相关技术的平台能够通过专门的互连设备使用额外内存资源。

在更复杂的系统架构中,CXL还可以支持内存池化,帮助多个计算节点更加灵活地使用部分内存资源。

但CXL内存扩展需要CPU、主板、固件和软件支持,不是所有现有服务器都能够直接使用。

同时,CXL扩展内存不能简单等同于GPU显存,也不能替代所有SSD存储场景。

这些产品被同时纳入AI数据中心布局,反映出厂商正在关注整个数据访问体系,而不只是单一存储设备。

对于AI服务器而言,GPU显存、CPU系统内存、CXL扩展内存和SSD构成了不同的存储层级。

这些层级在访问速度、容量和成本方面各有特点。

合理的数据分层可以让访问频率较高的数据尽量保留在速度更快的内存中,将容量较大但访问频率较低的数据放在SSD等设备中。

未来AI服务器的性能优化,可能越来越依赖不同内存与存储资源之间的协同,而不是单独追求某一种硬件的最高指标。

对IDC企业而言,长期供货和固件维护同样影响采购成本

Innodisk在此次产品介绍中,多次强调固件定制、系统兼容优化和长期供应支持。

这些能力对IDC企业具有实际意义。

大型GPU服务器或企业存储平台的使用周期通常较长,如果SSD产品在设备仍然运行期间停产,后续故障更换和批量扩容可能受到影响。

特别是已经完成兼容性验证的服务器,采购人员往往希望能够长期获得相同型号或经过验证的替代产品。

如果每次采购都需要重新进行固件适配和可靠性测试,就会增加运维成本。

另一方面,SSD故障不一定表现为设备完全无法识别。

部分问题可能先体现为错误计数增长、持续性能下降、温度异常或特定IO操作出现超时。

因此,设备监控能力和故障预警机制也会影响实际维护效率。

Innodisk此次强调E1.S 5TS-P的事件日志和自我监控能力,并支持NVMe-MI带外管理,目的之一就是提高数据中心对存储设备的可观测性。

不过,是否能够在特定服务器上完整使用这些管理功能,还需要确认BMC、背板、管理软件和SSD固件之间的兼容情况。

对于使用不同品牌服务器的IDC服务商,统一管理和监控能力尤其值得关注。

如果SSD虽然具备相关功能,但服务器管理平台无法读取关键状态信息,其运维价值就可能受到限制。

A5数据分析认为,未来企业级SSD供应商之间的竞争,不会只停留在读取速度和每TB价格层面。

固件质量、长期供货、故障定位以及整机适配能力,都可能成为影响数据中心采购决策的重要因素。

新产品已经公布,市场仍需要等待实际部署验证

根据Innodisk的公开信息,3TS9-P、4TS2-P和5TS-P企业级SSD系列已经开放送样,并支持根据客户系统需求进行定制。

公司计划在11月16日至19日的SC26展会上进一步展示相关产品。

从目前信息来看,产品技术规格和应用定位已经相对明确,但市场仍需要更多实际部署数据。

例如,不同容量版本的持续读写性能、随机IOPS、典型访问延迟、写入耐久性以及整机功耗表现,都是影响服务器选型的重要指标。

此外,客户还需要了解正式供货周期、各容量版本的可用情况、质保政策及实际采购价格。

截至11月14日,现有公开资料尚不足以对Innodisk这批新品与其他企业级SSD进行全面的实际性能和采购成本比较。

因此,现阶段不宜直接认定其具有行业最高性能或最低部署成本。

对于准备采购的企业,比较稳妥的方式是在目标服务器平台上进行实际负载验证,尤其要测试持续性能、掉电保护、固件稳定性和散热表现。

如果业务主要涉及AI推理,还可以通过模型加载时间、存储IO等待、GPU利用率和服务响应时间等指标,判断SSD升级是否真正改善业务效率。

AI服务器存储选型,正在从硬盘参数转向整体数据效率

Innodisk此次扩大企业级SSD产品布局,反映出AI数据中心对存储设备的要求正在进一步细化。

系统盘需要可靠运行和完善的故障保护,本地高速存储需要满足模型加载与数据处理需求,而高写入负载则更依赖持续性能和耐久性。

不同任务之间并不存在完全统一的最佳SSD配置。

对于IDC企业,如果只是按照PCIe版本、峰值读取速度和容量大小制定服务器套餐,可能会出现部分设备性能过剩、部分关键业务却仍然受到存储瓶颈限制的情况。

更合理的做法,是首先明确业务负载和数据流向,再决定SSD需要提供怎样的性能。

例如,模型加载缓慢时,应确认瓶颈来自SSD读取、网络传输还是模型初始化;GPU利用率偏低时,需要检查数据预处理、内存和存储系统;持续写入压力较大时,则应重点关注SSD耐久性与稳定写入性能。

只有将这些因素结合起来,才能判断增加高性能SSD投入是否具有实际价值。

随着AI训练、长上下文推理和智能体应用持续发展,服务器存储的重要性还会进一步提高,但这种重要性不一定意味着所有AI服务器都需要最昂贵的SSD。

真正值得采购的存储方案,应当能够在满足性能需求的同时,保持可靠的数据保护、良好的平台兼容和合理的长期运营成本。

对于AI服务器而言,存储性能的最终价值不是硬盘能够跑出多少GB/s,而是能否让GPU减少等待、让数据处理更加稳定,并让整套计算系统以合理成本持续提供服务。

本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/9478.html

相关推荐