AnswersPublished18 sources
האם תיאום בין אחסון לרשת יכול להאיץ הסקת AI?
בכנס Advanced Storage Conference באוקטובר 2026 דיווחה Huawei על תפוקת הסקה גבוהה פי 7.3 בתרחיש מעבדה עם GLM 5.2, לאחר העברת KV Cache, ועל שיפור נוסף של 20% ביעילות עם תזמון מתואם של פעולות קלט־פלט בין אחסון לרשת. KV Cache שומר נתוני Key ו Value שכבר חושבו, כדי שאפשר יהיה להשתמש בהם שוב בהמשך יצירת הטקסט.
פורסם על ידינערך באמצעות GPT-6 Lunaהתמונות נוצרו באמצעות GPT Image 2
Research answer
Key takeaways
- בכנס Advanced Storage Conference באוקטובר 2026 דיווחה Huawei על תפוקת הסקה גבוהה פי 7.3 בתרחיש מעבדה עם GLM 5.2, לאחר העברת KV Cache, ועל שיפור נוסף של 20% ביעילות עם תזמון מתואם של פעולות קלט־פלט בין אחסון לרשת.
- KV Cache שומר נתוני Key ו Value שכבר חושבו, כדי שאפשר יהיה להשתמש בהם שוב בהמשך יצירת הטקסט.
- הגישה שהציגה Huawei מתייחסת יחד למחשוב, לאחסון ולרשת. התוצאות הן דיווח של החברה מתרחיש מעבדה, והגדרת הבדיקה המלאה לא פורסמה — לכן אי אפשר להסיק מהן לבדן על שיפור דומה בכל מערכת או עומס עבודה.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What storage-network convergence approach did Huawei present at the ODCC-organized Advanced Storage Conference in Shanghai on October 22, 20. Article summary: Huawei presented storage–network convergence as a way to reduce the cost of moving KV Cache between compute, storage, and network during agentic AI inference at the October 22, 2026 ASC session in Shanghai; ODCC organize. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
בכנס Advanced Storage Conference (ASC) בשנגחאי, שהתקיים ב־22 באוקטובר 2026, הציגה Huawei תיאום בין אחסון לרשת כאמצעי להקל על צוואר בקבוק בתשתיות הסקת AI: העברת KV Cache בין רכיבי המחשוב, האחסון והרשת. החברה דיווחה על תפוקה גבוהה פי 7.3 בתרחיש מעבדה עם מודל GLM-5.2 לאחר העברת המטמון, ועל שיפור נוסף של 20% ביעילות בעקבות תזמון מתואם של פעולות קלט־פלט. אלה תוצאות שהחברה פרסמה; הגדרת הבדיקה המלאה לא נחשפה.5
8
למה KV Cache הופך לאתגר תשתיתי
במהלך הסקה, מודל שפה מחשב נתוני Key ו-Value עבור הטוקנים שהוא מעבד. KV Cache שומר את הנתונים האלה כדי שאפשר יהיה להשתמש בהם שוב בהמשך, במקום לחזור על אותם חישובים.47
48
ככל שההקשר ארוך יותר, המטמון גדל. בשיחות מרובות תורות, מערכת עשויה גם לשמור או להשתמש מחדש במידע משיחות קודמות. כאשר הבקשות והמטמון מפוזרים על פני אשכול של מחשבים, העברת המידע בין רכיבי המחשוב, האחסון והרשת מגדילה את התעבורה ואת העומס על הזיכרון הזמין. לפי הסיקור של הכנס, Huawei תיארה הצטברות של מטמון לכל בקשה, מטמון שנשמר במערכת ותעבורה בין שרתים — עד כדי דחיפת היקף ה-KV Cache באשכול לכיוון פטה־בייטים.5
Huawei תיארה את האתגרים כ״שלושה קירות״: יכולת קלט־פלט מוגבלת בצד המחשוב, השהיה בזמן העברת נתונים בין שכבות, ומספר פעולות קלט־פלט לשנייה (IOPS) שאינו מספיק כדי לשרת ביעילות פעולות מטמון רבות.5
גישה שמשלבת מחשוב, אחסון ורשת
הגישה ש-Huawei הציגה נועדה לחבר בין המאיץ, מערכת האחסון והרשת — ולא להתייחס ל-KV Cache רק כאל בעיה של קיבולת זיכרון. סיקור הכנס מתאר מסלול בצד המחשוב שבו המעבדים יוזמים ישירות פעולות קלט־פלט למטמון, החל מגישה באמצעות AI CPU וליבות וקטוריות ועד לפעולות קלט־פלט עדינות ברמת SIMT. לצד זאת, הסיקור מתאר תיאום בין האחסון לרשת כחלק מהתכנון הרחב.5
Huawei קישרה את נתוני הביצועים לשני שלבים: העברה ישירה של KV Cache, ולאחר מכן תזמון מתואם של פעולות קלט־פלט באחסון וברשת. עם זאת, הדיווחים הזמינים מהכנס אינם מפרטים מספיק כדי לאמת את כל רכיבי המימוש או לקבוע שתצורה מסוימת של Hyper-Converged Fabric (HCF) היא שהניבה את השיפור. לכן נכון לראות בנתונים תוצאות מתרחיש המעבדה שתיארה Huawei, ולא מפרט ארכיטקטורה ציבורי מלא.5
7
מה Huawei דיווחה — ומה עדיין לא ידוע
בתרחיש המעבדה עם GLM-5.2, Huawei מסרה כי העברה ישירה של KV Cache הניבה תפוקת הסקה גבוהה פי 7.3 לעומת גישה מסורתית המבוססת על זיכרון. החברה דיווחה גם על שיפור נוסף של 20% ביעילות ההסקה לאחר הוספת תזמון מתואם של פעולות קלט־פלט באחסון וברשת.5
יש להתייחס לנתונים בזהירות: Huawei לא פרסמה את מלוא הגדרות הבדיקה, ולכן קשה לגורמים חיצוניים להעריך את עומס העבודה, את נקודת ההשוואה ואת התרומה של כל רכיב בנפרד. הדיווחים הזמינים מהכנס גם אינם מבססים את הטענה הנפרדת לשיפור של יותר מ־30% בביצועי קלט־פלט של האחסון, ולכן אי אפשר להתייחס לנתון הזה כמאומת כאן.5
7
מדידות חדשות במסגרת כיוון רחב יותר
ההצגה באוקטובר נערכה לאחר ש-Huawei הציגה בספטמבר, בכנס HUAWEI CONNECT, גרסה משודרגת של Stellar AI Fabric. לפי סיקור הכנס, האירוע באוקטובר סיפק נתוני מעבדה על העברת KV Cache; בחומרים מספטמבר הציגה Huawei גם את OceanStor M900 Context Memory Storage, שנועד להרחיב את KV Cache מעבר לזיכרון שעל השבב ול-DRAM, באמצעות מאגר מדורג ומשותף להסקת AI.10
15
16
ההבחנה חשובה: נתוני אוקטובר מוסיפים טענת ביצועים לכיוון קיים של Huawei בתחום האחסון והרשת, אבל המקורות הזמינים אינם מוכיחים שכל פרט טכני שנדון באוקטובר היה זהה לתכנון שהוצג בספטמבר. הם גם אינם מתעדים השקה נפרדת של מוצר חדש בכנס אוקטובר.5
10
16
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "האם תיאום בין אחסון לרשת יכול להאיץ הסקת AI?"?
בכנס Advanced Storage Conference באוקטובר 2026 דיווחה Huawei על תפוקת הסקה גבוהה פי 7.3 בתרחיש מעבדה עם GLM 5.2, לאחר העברת KV Cache, ועל שיפור נוסף של 20% ביעילות עם תזמון מתואם של פעולות קלט־פלט בין אחסון לרשת.
What are the key points to validate first?
בכנס Advanced Storage Conference באוקטובר 2026 דיווחה Huawei על תפוקת הסקה גבוהה פי 7.3 בתרחיש מעבדה עם GLM 5.2, לאחר העברת KV Cache, ועל שיפור נוסף של 20% ביעילות עם תזמון מתואם של פעולות קלט־פלט בין אחסון לרשת. KV Cache שומר נתוני Key ו Value שכבר חושבו, כדי שאפשר יהיה להשתמש בהם שוב בהמשך יצירת הטקסט.
What should I do next in practice?
הגישה שהציגה Huawei מתייחסת יחד למחשוב, לאחסון ולרשת. התוצאות הן דיווח של החברה מתרחיש מעבדה, והגדרת הבדיקה המלאה לא פורסמה — לכן אי אפשר להסיק מהן לבדן על שיפור דומה בכל מערכת או עומס עבודה.