NVIDIA推AI資料平臺參考設計：聯手儲存巨頭，專為AI智慧體造底座

很多企業興沖沖地買了一堆算力，想讓 AI Agent 幫著看財報、做客服甚至排查安全漏洞。結果發現最卡脖子的不是模型不夠聰明，而是硬盤裡的幾十萬份 PDF 和影片，AI 根本吞不進去。

算力和存資料的盤離得太遠，每次檢索都要在網路裡跑個馬拉松。5 月 19 日，NVIDIA 拿出了一個直截了當的解法：拉來全球頭部儲存廠商和代工廠，推出名為 NVIDIA AI Data Platform 的參考設計。

把算力直接塞進硬碟櫃

以往的做法是，儲存就是單純存檔案的倉庫，要算資料了，再把大檔案搬到 GPU 伺服器裡去算。資料量一大，通道就堵死了。

這次 NVIDIA 搞的參考設計，說白了就是把算力直接搬到資料家門口。這套架構裡塞進了 NVIDIA RTX PRO 6000 Blackwell Server Edition GPU、BlueField DPU 以及 Spectrum-X 乙太網路，專門跑 NeMo Retriever 微服務和 AI-Q 藍圖。

儲存廠商負責把原有的檔案許可權控制、索引機制和這些硬體打通。這樣一來，AI 在調取大批次企業私有文件和影片時，可以直接在儲存層完成掃描、分類和檢索，即時把結果送到推理模型手裡。

從國際巨頭到臺灣代工圈，全員上車

NVIDIA 這次把圈子裡的老玩家全拉了進來。Dell、HPE、IBM、NetApp、Pure Storage、VAST Data、WEKA 等主流儲存廠商都拿出了基於該方案的產品。

比如 IBM 把這項設計塞進了 IBM Fusion，配合紅帽 OpenShift 做感知內容的儲存服務。NetApp 推出了基於該參考設計的 AIPod，VAST Data 則把 AI-Q 嵌入了自己的多智慧體平臺。

硬體代工層面，臺灣廠商成了主力軍。AIC 用 BlueField DPU 做全快閃記憶體陣列，華碩聯手 WEKA 與 IBM 搞統一儲存，富士康、廣達 QCT、美超微以及緯創都在推搭載 Grace CPU、Blackwell GPU 或 BlueField-3 的整機櫃方案。

為什麼重要

對企業客戶來說，做企業級 Agent 最頭疼的其實不是調模型，而是怎麼合規、安全、高效地把企業幾十年的舊資料餵給它。如果每一次 RAG 檢索都要等半天，甚至把絕密文件亂同步，業務根本不敢上線。這套方案讓儲存廠商在底層處理安全與檢索，企業拿來就能加速私有化 Agent 落地。

對整個行業而言，NVIDIA 的護城河又拓寬了一圈。以前各家比拼的只是訓練叢集和單卡算力，現在 NVIDIA 開始把觸手伸向傳統企業儲存櫃。只要底層網路、DPU 和檢索框架都綁定了它的標準，其他晶片廠商想在企業級推理市場分一杯羹就更難了。

我們認為，這一步走得相當狡猾且實用。儲存廠商本來就在擔心被 AI 邊緣化，NVIDIA 給它們發了一張通往 Agent 時代的門票；但隱患在於，全套方案把 GPU、DPU 和乙太網路軟硬體深度繫結，客戶一旦上車，未來想換用價效比更高的第三方儲存加速方案，遷移成本恐怕高得嚇人。