群联在 SC26 上展出这款计算存储 SSD 原型,核心思路就是计算跟着数据走,不再把全部数据搬运到主机 CPU/GPU 处理;盘内自带 NPU、64GB 板载内存,带宽 130GB/s,原生支持 PyTorch、vLLM、llama.cpp 等主流 AI 框架,适合 RAG 检索、数据过滤、AI 推理,在适配场景下能减少 10~100 倍主机和 SSD 之间的数据传输量,缓解 AI 服务器的数据搬运瓶颈。它属于企业级原型方案,不是消费级零售 SSD,和大家熟悉的 aiDAPTIV 缓存加速技术不是同一个路线。
一、原型核心参数清单
- 发布场合:SC26(2026 国际超算大会)
- 产品形态:计算型存储 SSD 原型(Computational Storage)
- 板载算力:内置 NPU,算力 36800 DMIPS
- 板载内存:64GB,内存带宽 130GB/s
- 支持框架:PyTorch、vLLM、OpenVINO、llama.cpp
- 配套同期方案:PCIe 6.0 主控 X3(PS5303)、pSLC+QLC 混合介质 SSD
- 定位:面向 AI 服务器、超算、企业检索业务
二、传统 SSD vs 群联这款计算 SSD 对比表
| 方案 | 处理位置 | 数据流动方式 | 优势 | 短板 |
|---|---|---|---|---|
| 普通 NVMe SSD | 主机 CPU/GPU 读出来运算 | 整份数据集传回主机,算完再写回 | 通用性最强 | 大量数据来回搬,占用 PCIe 带宽、拉高延迟 |
| 群联计算 SSD | SSD 盘内 NPU 就地运算 | SSD 内部过滤、推理,只返回结果 | 大幅降低 PCIe 流量,释放主机算力 | 适合检索、过滤、轻量推理,不适合大模型训练 |
三、技术逻辑与适用 workload
- 传统 AI 服务器痛点:海量向量库、文档库全部存在 SSD,每次检索都要把大量原始数据读到内存,PCIe 通道很容易堵,也就是常说的 “数据墙”。
- 计算 SSD 做法:数据留在盘里,NPU 直接读取闪存、做向量检索、关键词过滤、LLM 推理,只把命中的少量结果传回主机。
- 适合场景:向量数据库 RAG、日志筛选、图像特征检索、离线批量推理。
- 不适合:大模型预训练、大规模微调,这类任务依然需要 GPU 高算力。
四、和群联 aiDAPTIV 系列的区别(很容易混淆)
- aiDAPTIV:做内存扩展 / 缓存卸载,把 SSD 当成 GPU 显存 / 系统内存的延伸,模型还是跑在主机 GPU 上;
- 本次 SC26 计算 SSD:SSD 自带独立 NPU,模型直接在 SSD 本地跑,是存储内置算力的路线。
五、现状与后续看点
- 当前只是技术演示原型,没有公布量产时间表、价格、功耗、接口规格。
- 生态门槛:需要应用适配计算存储接口,现有数据库、向量库不能直接无缝用上。
- 方向意义:存储不再单纯是 “放数据”,变成分布式 AI 算力节点之一,是超算和 AI 存储的新路线。
六、最终结论
群联这款带 NPU+64GB 内存的计算 SSD,核心价值是就地处理存储里的数据,砍掉大量无效数据搬运;它是面向企业 AI 检索、向量数据库的前沿原型,不是给家用 PC、游戏用的消费级产品,未来生态适配会是它能不能落地的最大门槛。
【相关 FAQ】
问题 1:群联展示内置 NPU 和 64GB 内存的计算型 SSD 设计,它可以用来跑大模型训练吗?
回答 1:主要适合 RAG 检索、数据过滤、轻量推理;大模型训练算力不足,训练任务依旧依赖主机 GPU 集群。
问题 2:这个带 NPU 的计算 SSD,和群联 aiDAPTIV 有什么不一样?
回答 1:aiDAPTIV 是把 SSD 当作显存 / 内存的扩展缓存,模型跑在主机 GPU;这款计算 SSD 自带 NPU,AI 运算直接在 SSD 内部执行,属于两条不同技术路线。
问题 3:群联这款计算型 SSD 是马上上市零售的产品吗?
回答 1:不是,它是 SC26 展出的技术原型,暂无量产、上市时间,主要面向企业 AI 服务器、超算场景,不是消费级硬盘。
【参考资料】
[2026-11-17] SC26: Phison Unveils Three Next-Generation Storage Innovations for the New Compute Era(群联官网新闻稿)Phison Ele...
[2026-11-19] 群联亮出 PCIe 6.0 主控和 3 大存储新技术(闪德资讯)
[2026-11-20] Phison Unveils AI SSD With NPU and 64GB Memory(Tom’s Hardware)
【免责声明】
- 该产品为技术原型,参数、性能、功耗、量产计划以群联后续正式公告为准,不代表最终上市版本规格。
- 减少 10–100 倍数据传输是厂商在适配负载下的理论收益,效果取决于业务、框架和代码适配程度。
- 该方案属于企业级前沿存储技术,短期内不会面向普通消费者。
本文来自作者[雾核追踪]投稿,不代表品途网立场,如若转载,请注明出处:https://bbs.pintu360.com/kjxx/202611/1488132.html
评论列表(4条)
我是品途网的签约作者“雾核追踪”!
希望本篇文章《群联展示内置NPU和64GB内存的计算型SSD设计》能对你有所帮助!
本站[品途网]内容主要涵盖:范文、经验、百科
本文概览:群联在 SC26 上展出这款计算存储 SSD 原型,核心思路就是计算跟着数据走,不再把全部数据搬运到主机 CPU GPU 处理;盘内自带 NPU、64GB 板载内存,带宽 130GB s,原生支持 PyTorch、vLLM、llama.cpp 等主流 AI 框架,适合 RAG 检索、数据过滤、AI 推理,在适配场景下能减少 10~100 倍主机和 SSD 之间的数据传输量,缓解 AI 服务器的数据搬运瓶颈。它属于企业级原型方案,不是消费级零售 SSD,和大家熟悉的 aiDAPTIV 缓存加速技术不是同一个路线。