作者：金鑫，IBM中國區(qū)存儲業(yè)務(wù)銷售總經(jīng)理
北京2026年5月19日 /美通社/ -- 最近，IBM研究院與英偉達（NVIDIA）、三星共同展示了一項內(nèi)容感知存儲系統(tǒng)（content awareness storage）[1]。該系統(tǒng)在單臺服務(wù)器上成功支持千億級別向量的存儲與檢索，平均查詢延遲為694毫秒，召回精度達90%。系統(tǒng)硬件組合為IBM Storage Scale System 6000全閃存設(shè)備、六顆英偉達H200 GPU以及48塊三星30.72TB容量的PCIe Gen5 NVMe固態(tài)硬盤。IBM Storage Scale System 6000 全閃存設(shè)備將計算與存儲解耦，并通過英偉達 H200 GPU 加速索引重建，將原本基于 CPU 需耗時數(shù)小時的索引構(gòu)建過程，縮短至 GPU 上的數(shù)分鐘。
我們一起來看看IBM是如何用單機實現(xiàn)了現(xiàn)在大集群才能實現(xiàn)的結(jié)果。
今天，大模型版本平均數(shù)天便迎來一次更新，RAG（檢索增強生成）已成為挖掘非結(jié)構(gòu)化數(shù)據(jù)價值的核心。企業(yè) CIO 普遍面臨核心課題：如何借助通用人工智能（AI）與 AI 智能體實現(xiàn)日常運營提效？如何依托現(xiàn)有 IT 資源輸出精準、高價值的業(yè)務(wù)決策？
高質(zhì)量 AI 應(yīng)答的核心前提，是模型可高效觸達原始可信數(shù)據(jù)，而檢索增強生成（RAG）正是優(yōu)化推理效果、提升應(yīng)答準確性與時效性的關(guān)鍵技術(shù)。然而，當向量數(shù)據(jù)量激增至數(shù)十億級別時，CIO們面臨到了傳統(tǒng)全內(nèi)存向量索引方案的容量與成本困境。飛漲的DRAM價格、不穩(wěn)定的貨期和數(shù)據(jù)在CPU與存儲間頻繁搬運造成的"內(nèi)存墻"與"IO墻"瓶頸，正嚴重制約著AI應(yīng)用的規(guī)模化落地，企業(yè)在落地過程中普遍遭遇四大痛點：
打破 "1% 數(shù)據(jù)困局"，讓 AI 走向數(shù)據(jù)
當下企業(yè)被海量非結(jié)構(gòu)化數(shù)據(jù)包圍，PDF、郵件、音視頻、演示文稿、財務(wù)報表等數(shù)據(jù)持續(xù)增長，但能被大模型調(diào)用并產(chǎn)生價值的占比不足 1%。
RAG 技術(shù)通過數(shù)據(jù)向量化、優(yōu)化批量刷新周期、依托 GPU 集群實現(xiàn)分布式處理，可打破數(shù)據(jù)訪問限制，讓 AI 覆蓋更廣泛的數(shù)據(jù)來源。而 IBM Storage Scale 的核心突破，在于摒棄 "數(shù)據(jù)遷移至 AI" 的傳統(tǒng)模式，實現(xiàn) "AI 走向數(shù)據(jù)" 的全新范式。簡單的說，就是CAS技術(shù)直接在存儲層做文檔的提取和向量化（甚至集成了NVIDIA的微服務(wù)）實現(xiàn)了讓 AI 走向數(shù)據(jù)，即讓 AI 快速定位合規(guī)、潔凈的可用數(shù)據(jù)，從源頭降低模型幻覺風險，這一能力依托 IBM CAS 內(nèi)容感知存儲（Content-Aware Storage）技術(shù)實現(xiàn)。
AI 存儲新范式：CAS 將向量處理下沉至存儲層
CAS 的顛覆性創(chuàng)新，是讓存儲系統(tǒng)從被動 "數(shù)據(jù)倉庫" 轉(zhuǎn)變?yōu)橹鲃?"AI 參與單元"—— 存儲不再僅保存數(shù)據(jù)，而是對數(shù)據(jù)項進行量化理解，將原本由向量數(shù)據(jù)庫承擔的文檔向量化流程，從應(yīng)用層直接下沉至存儲層。
通俗來講，傳統(tǒng) RAG 需先將數(shù)據(jù)從存儲取出，在外部完成向量化后導入向量數(shù)據(jù)庫；而 CAS 可在存儲系統(tǒng)內(nèi)部完成全流程處理，數(shù)據(jù)無需遷移、無需拷貝。
該技術(shù)源于 IBM 研究院在自然語言處理、向量嵌入模型、硬件加速領(lǐng)域的長期技術(shù)積累。文檔數(shù)據(jù)提取流程深度整合基于 NVIDIA NIM 構(gòu)建的 NVIDIA NeMo Retriever 微服務(wù)（隸屬于 NVIDIA AI Enterprise），確保 AI 助手與 AI Agent 基于最新、最相關(guān)的上下文應(yīng)答，簡化 RAG 運維、提升 AI 應(yīng)用業(yè)務(wù)價值。
IBM Storage Scale（原 GPFS）為企業(yè)構(gòu)建全局統(tǒng)一數(shù)據(jù)平臺，在多站點、多云、數(shù)據(jù)中心與邊緣環(huán)境間打造單一命名空間，兼容第三方存儲，打破數(shù)據(jù)孤島，實現(xiàn)全域數(shù)據(jù)統(tǒng)一訪問。CAS 作為 Storage Scale 的全新 AI 增強能力，助力企業(yè)從現(xiàn)有數(shù)據(jù)資產(chǎn)中挖掘更大價值，顯著提升 RAG 準確性、減少模型幻覺，讓 AI 模型無需重新訓練即可同步最新數(shù)據(jù)，適配科研、客戶服務(wù)、知識型應(yīng)用等企業(yè)級場景。
企業(yè)級 RAG 規(guī)模化：打破性能瓶頸，加碼安全合規(guī)
市面主流向量數(shù)據(jù)庫支撐百億級向量，通常需要數(shù)十乃至上百臺服務(wù)器，節(jié)點規(guī)模擴張后，分布式索引同步、故障恢復、擴容遷移等問題頻發(fā)，運維與成本壓力巨大。
IBM Storage Scale 存儲方案實現(xiàn)單服務(wù)器承載 1000 億向量，按企業(yè)典型文檔場景測算，可全面覆蓋 PB 級至數(shù)十 PB 級非結(jié)構(gòu)化數(shù)據(jù)，為企業(yè) CIO 帶來四大核心價值：
底層核心優(yōu)勢：數(shù)據(jù)就地處理、無需遷移，檢索與計算在數(shù)據(jù)存儲位置直接完成，天然契合數(shù)據(jù)合規(guī)與安全管控要求。
單服務(wù)器承載千億向量的技術(shù)底氣:核心依托IBM Storage Scale System 6000 全閃存存儲一體機：單節(jié)點配置 48 塊 NVMe 盤，搭載 PCIe Gen5 與 400Gb InfiniBand 高速互聯(lián)，結(jié)合 NVIDIA GPUDirect Storage 技術(shù)，實現(xiàn) GPU 直接訪問 SSD 數(shù)據(jù)，跳過 CPU 數(shù)據(jù)搬運環(huán)節(jié)。
系統(tǒng)將超大規(guī)模索引拆分為多個獨立子索引，各子索引可獨立優(yōu)化、獨立重建、互不干擾，徹底解決傳統(tǒng)向量數(shù)據(jù)庫 "牽一發(fā)而動全身" 的重構(gòu)痛點。
實測數(shù)據(jù)對比：純 CPU 環(huán)境下，千億級向量索引重建需 120 天；搭載 6 塊 NVIDIA H200 GPU 的 IBM Storage Scale System 6000，僅需4 天即可完成。
結(jié)語
人工智能時代，存儲的角色被重新定義。IBM 給出明確答案：存儲不應(yīng)成為 AI 瓶頸，而應(yīng)是 AI 基礎(chǔ)設(shè)施的核心加速器。
本次方案提供純軟件版與一體機版兩種交付形態(tài)，全面兼容 RHEL AI 開源數(shù)據(jù)流水線，深度集成 NVIDIA AI Data Platform，是可直接落地生產(chǎn)環(huán)境的企業(yè)級解決方案。
以 IBM Storage Scale 為核心的 AI 存儲方案，正在讓 PB 級企業(yè) RAG 從技術(shù)構(gòu)想變?yōu)楝F(xiàn)實。RAG 的規(guī)模上限，不再受限于向量數(shù)量與存儲性能，而取決于企業(yè)可觸達、可利用的數(shù)據(jù)邊界。
[1] IBM Introduces Content-Aware-Storage for RAG Workloads, Storage review, April 22, 2026. https://www.storagereview.com/news/ibm-introduces-content-aware-storage-for-rag-workloads |
