NVIDIA推AI数据平台参考设计：联手存储巨头，专为AI智能体造底座

很多企业兴冲冲地买了一堆算力，想让 AI Agent 帮着看财报、做客服甚至排查安全漏洞。结果发现最卡脖子的不是模型不够聪明，而是硬盘里的几十万份 PDF 和视频，AI 根本吞不进去。

算力和存数据的盘离得太远，每次检索都要在网络里跑个马拉松。5 月 19 日，NVIDIA 拿出了一个直截了当的解法：拉来全球头部存储厂商和代工厂，推出名为 NVIDIA AI Data Platform 的参考设计。

把算力直接塞进硬盘柜

以往的做法是，存储就是单纯存文件的仓库，要算数据了，再把大文件搬到 GPU 服务器里去算。数据量一大，通道就堵死了。

这次 NVIDIA 搞的参考设计，说白了就是把算力直接搬到数据家门口。这套架构里塞进了 NVIDIA RTX PRO 6000 Blackwell Server Edition GPU、BlueField DPU 以及 Spectrum-X 以太网络，专门跑 NeMo Retriever 微服务和 AI-Q 蓝图。

存储厂商负责把原有的文件权限控制、索引机制和这些硬件打通。这样一来，AI 在调取大批量企业私有文档和视频时，可以直接在存储层完成扫描、分类和检索，实时把结果送到推理模型手里。

从国际巨头到台湾代工圈，全员上车

NVIDIA 这次把圈子里的老玩家全拉了进来。Dell、HPE、IBM、NetApp、Pure Storage、VAST Data、WEKA 等主流存储厂商都拿出了基于该方案的产品。

比如 IBM 把这项设计塞进了 IBM Fusion，配合红帽 OpenShift 做感知内容的存储服务。NetApp 推出了基于该参考设计的 AIPod，VAST Data 则把 AI-Q 嵌入了自己的多智能体平台。

硬件代工层面，台湾厂商成了主力军。AIC 用 BlueField DPU 做全闪存阵列，华硕联手 WEKA 与 IBM 搞统一存储，富士康、广达 QCT、美超微以及纬创都在推搭载 Grace CPU、Blackwell GPU 或 BlueField-3 的整机柜方案。

为什么重要

对企业客户来说，做企业级 Agent 最头疼的其实不是调模型，而是怎么合规、安全、高效地把企业几十年的旧数据喂给它。如果每一次 RAG 检索都要等半天，甚至把绝密文档乱同步，业务根本不敢上线。这套方案让存储厂商在底层处理安全与检索，企业拿来就能加速私有化 Agent 落地。

对整个行业而言，NVIDIA 的护城河又拓宽了一圈。以前各家比拼的只是训练集群和单卡算力，现在 NVIDIA 开始把触手伸向传统企业存储柜。只要底层网络、DPU 和检索框架都绑定了它的标准，其他芯片厂商想在企业级推理市场分一杯羹就更难了。

我们认为，这一步走得相当狡猾且实用。存储厂商本来就在担心被 AI 边缘化，NVIDIA 给它们发了一张通往 Agent 时代的门票；但隐患在于，全套方案把 GPU、DPU 和以太网软硬件深度绑定，客户一旦上车，未来想换用性价比更高的第三方存储加速方案，迁移成本恐怕高得吓人。