Nvidia otevírá cuFile a posouvá úložiště blíž ke GPU

Společným jmenovatelem je snaha odstranit jednu z největších slabin současné AI infrastruktury: výkonné GPU často čekají na data, která k nim úložiště a procesor nedokážou dodat dostatečně rychle. Nvidia zároveň řeší otázku, jak takto přímý přístup zabezpečit.

Tři hlavní oznámení

cuFile míří do open source

Nvidia chce zveřejnit API cuFile i celý podpůrný softwarový zásobník, který umožňuje GPU — nikoli pouze CPU — přímo číst z úložiště a zapisovat do něj . cuFile je klíčovou součástí platformy GPUDirect Storage (GDS) .

Vývoj má probíhat pod organizací xio-sig na GitHubu, přičemž mezi první správce patří Google, Intel, Nvidia a Meta . Záměrem je vytvořit otevřenější a interoperabilní rozhraní namísto čistě proprietární technologie Nvidia .

Praktická dostupnost však zatím za marketingovým oznámením zaostává. Následná analýza upozornila, že k 4. srpnu 2026 nebyl k dispozici obecně dostupný veřejný kód, licence, matice podporovaných jader ani migrační postup pro stávající instalace GPUDirect Storage . Pro provozovatele datových center tedy jde zatím spíše o oznámený směr než o hotový balík připravený k okamžitému nasazení.

Storage-Next propojí celý dodavatelský řetězec

Iniciativa Storage-Next sdružuje více než 40 výrobců úložišť a flash pamětí, mezi nimi DDN, KIOXIA a Micron. Zapojit se mají také výrobci řadičů, specialisté na chlazení a standardizační organizace .

Cílem je sjednotit způsob, jakým mají fungovat úložiště řízená GPU, a převést tento vývoj do otevřených průmyslových standardů. Nejde tedy jen o zrychlení jednoho produktu Nvidia, ale o snahu sladit flash paměti, řadiče, síťovou infrastrukturu i software tak, aby spolupracovaly napříč dodavateli .

SCADA přesouvá řízení I/O na GPU

SCADA, tedy Scaled, Accelerated Data Access, je produktizovanou podobou dřívějšího výzkumu BaM (Big Accelerator Memory) z konference ASPLOS 2023 . Jde o běhové prostředí, které umožňuje masivně paralelním GPU zahajovat a řídit vlastní operace vstupu a výstupu.

Každé ze stovek tisíc vláken GPU může samostatně požádat o data z lokálního NVMe nebo vzdáleného úložiště. SCADA zároveň využívá cache na GPU a dokáže slučovat velké množství malých, rozptýlených požadavků .

Jak mají novinky odstranit hlavní úzká hrdla AI

1. GPU nebude tolik čekat na procesor

U tradičního I/O musí CPU připravit každý přenos do úložiště. GPU proto čeká na nastavení operace a synchronizaci s procesorem, přičemž každý požadavek přidává mikrosekundové režijní náklady .

cuFile odstraňuje CPU z datové cesty: data se mohou pomocí DMA přesouvat přímo do paměti GPU . SCADA jde ještě dál a odstraňuje procesor také z řídicí cesty. Vlákna na GPU si sama vyžádají data, seskupí menší požadavky a mohou využít lokální cache .

Výzkum BaM, na němž SCADA staví, dosáhl při analytických úlohách 5,3krát vyšší rychlosti než přístup iniciovaný CPU. U grafových úloh současně vykázal až 21,7krát nižší náklady na hardware oproti ukládání dat v hostitelské paměti — a to při použití stejného hardwaru .

2. Úložiště se má přiblížit tempu AI

Moderní GPU dokážou data zpracovávat rychleji, než je většina úložných systémů dokáže dodat. Tento rozdíl se stává zásadní brzdou trénování i inference AI modelů .

cuFile má s využitím stovek tisíc vláken GPU a rychlé vysokopropustné paměti umožnit bezpečný přístup k datům v řádu mikrosekund . V praxi to může být důležité například pro systémy RAG (retrieval-augmented generation), modely typu mixture-of-experts nebo agentní AI, které při každém požadavku potřebují rychle načítat velké množství dat z různých zdrojů .

Storage-Next má zajistit, aby se z tohoto přístupu nestala technologie závislá na jediném dodavateli. Spolupráce více než 40 firem má podpořit standardy, díky nimž bude moci celý ekosystém úložišť držet krok s rychlostí GPU .

3. Přímý přístup nesmí obejít bezpečnost

Přímé spojení mezi GPU a úložištěm přináší také bezpečnostní riziko. Pokud by nebylo správně chráněné, mohla by jedna aplikace číst nebo měnit data jiné aplikace .

Návrh SCADA proto rozděluje oprávnění do více úrovní. Výkonově kritický kód aplikace běží bez privilegovaných oprávnění mimo důvěryhodný výpočetní základ. Privilegovaná část během inicializace nastaví chráněné spojení mezi konkrétní aplikací a pouze tím úložištěm, ke kterému má mít přístup. Návrh přitom využívá standardní bezpečnostní mechanismy Linuxu .

Nvidia zároveň tvrdí, že otevřené cuFile může pomoci bezpečnostním nástrojům pracovat s kontextem, daty a úložištěm rychlostí potřebnou pro AI podporovanou prevenci i detekci útoků . Technologie má zapadat také do iniciativy Open Secure AI Alliance . Celý hardwarový zásobník s procesory Nvidia Vera BlueField-4 STX má pro průběžné vynucování bezpečnostních pravidel v datové cestě používat sjednocený zásobník NVIDIA DOCA .

Co to znamená pro datová centra

Trojice oznámení z FMS 2026 představuje dosud nejucelenější pokus Nvidia sladit rychlost GPU s rychlostí úložišť. cuFile má otevřít softwarové rozhraní komunitě a dalším výrobcům, Storage-Next má koordinovat celý průmysl a SCADA nabízí konkrétní cestu, jak odstranit CPU z datové i řídicí cesty .

Potenciál je značný, zejména u AI úloh, které potřebují současně obsluhovat obrovské množství malých požadavků. Rozhodující ale bude, kdy Nvidia skutečně zveřejní kód, licenci a podporované konfigurace cuFile. Teprve poté bude možné posoudit, zda se z oznámené otevřenosti stane široce použitelný standard, nebo především další etapa proprietárního ekosystému Nvidia.