Nvidia открывает cuFile и запускает Storage-Next, чтобы GPU не простаивали в ожидании данных

Общая цель — убрать разрыв между скоростью современных GPU и возможностями систем хранения. Когда ускоритель обрабатывает данные быстрее, чем получает их, дорогие вычислительные ресурсы вынуждены простаивать. Одновременно прямой доступ GPU к хранилищу требует строгого разделения прав и защиты данных.

Что именно представила Nvidia

cuFile становится открытым

Nvidia объявила об открытии API cuFile и всей поддерживающей вертикальной программной «стопки». Эти компоненты позволяют GPU, а не только CPU, напрямую читать данные из хранилища и записывать их туда . cuFile — ключевая часть платформы GPUDirect Storage .

Разработка должна вестись в новой GitHub-организации xio-sig — Accelerated IO Special Interest Group. Среди первоначальных сопровождающих названы Google, Intel, Nvidia и Meta . Такой подход призван превратить интерфейс из закрытой технологии Nvidia в открытый, совместимый с решениями разных производителей стандарт .

При этом есть важная оговорка. По состоянию на 4 августа 2026 года публичных исходников, лицензии, таблицы поддерживаемых ядер и инструкции по переходу с уже работающих развертываний GPUDirect Storage еще не было. Поэтому для архитекторов систем хранения это пока объявленное направление, а не полностью доступный к эксплуатации релиз .

Storage-Next объединяет рынок

Storage-Next — формальный консорциум, в который вошли более 40 производителей систем хранения и флеш-памяти. Среди них Nvidia называет DDN, KIOXIA и Micron; к инициативе также подключаются разработчики контроллеров, специалисты по охлаждению и организации, занимающиеся стандартами .

Задача проекта — согласовать принципы работы хранилищ, рассчитанных на GPU-управляемый ввод-вывод, и превратить эти разработки в открытые совместимые стандарты. Иными словами, Nvidia стремится избежать сценария, при котором ускорение зависит от одного поставщика и не работает одинаково в разных инфраструктурах .

SCADA переносит контроль на GPU

SCADA расшифровывается как Scaled, Accelerated Data Access — масштабируемый ускоренный доступ к данным. Это коммерциализированная версия более раннего исследовательского проекта Nvidia BaM (Big Accelerator Memory), представленного в 2023 году на конференции ASPLOS .

Среда выполнения SCADA позволяет массово параллельным GPU самостоятельно инициировать и координировать операции ввода-вывода. Каждый из сотен тысяч потоков может запрашивать данные, а система — объединять небольшие разрозненные обращения, хранить часто используемые сведения в кэше на стороне GPU и обращаться напрямую к локальному NVMe или удаленному хранилищу .

Как это должно решить три проблемы инфраструктуры ИИ

1. Простои GPU из-за ожидания данных

В традиционной схеме CPU подготавливает каждый перенос данных. GPU приходится ждать, а каждая операция сопровождается задержками на запуск ядер и синхронизацию между CPU и GPU .

cuFile убирает CPU из пути передачи данных: данные перемещаются непосредственно в память GPU с помощью DMA . SCADA идет дальше и исключает CPU также из пути управления — потоки на самом GPU инициируют чтение, объединяют мелкие запросы и используют собственный кэш .

В исходном исследовании BaM на том же оборудовании аналитические нагрузки выполнялись в 5,3 раза быстрее, чем при доступе, инициируемом CPU. Для графовых задач исследователи также сообщали о снижении требуемой стоимости оборудования до 21,7 раза по сравнению с хранением данных в памяти хоста . Эти показатели относятся к исследованию, а не к универсальной гарантии для любых рабочих нагрузок.

2. Узкие места в хранилищах для ИИ

Современные GPU способны обрабатывать данные быстрее, чем большинство систем хранения успевает их поставлять. Это становится ограничением для обучения и инференса больших моделей .

По заявлению Nvidia, cuFile обеспечивает защищенный доступ к данным с задержками на уровне микросекунд, используя сотни тысяч потоков GPU и высокоскоростную память . Такая архитектура особенно важна для систем RAG — генерации с дополнением поиском, моделей со смесью экспертов и агентных ИИ-сценариев, где требуется быстро извлекать большие объемы данных параллельно .

Storage-Next должен решить проблему совместимости на отраслевом уровне: производители накопителей, контроллеров и сетевого оборудования смогут согласовать решения, способные соответствовать темпам GPU .

3. Безопасность прямого доступа

Прямой доступ GPU к хранилищу без изоляции создает очевидный риск: одно приложение потенциально может прочитать или повредить данные другого . В архитектуре SCADA Nvidia разделяет уровни привилегий. Критически важный для производительности код приложения работает без повышенных прав и находится за пределами доверенной вычислительной базы. Привилегированный компонент на этапе настройки формирует защищенную связь между конкретным приложением и только разрешенным ему хранилищем, используя стандартные механизмы безопасности Linux .

Nvidia также связывает открытие cuFile с развитием ИИ для кибербезопасности: защитным системам нужны быстрый доступ к данным и сохранение контекста безопасности, чтобы своевременно выявлять и предотвращать атаки . Инициатива должна поддержать и создаваемый Open Secure AI Alliance .

В полном аппаратном стеке с процессорами Nvidia Vera BlueField-4 STX для постоянного применения политик безопасности в тракте данных используется унифицированный стек NVIDIA DOCA .

Что это меняет для рынка

Три анонса FMS 2026 складываются в единую стратегию. cuFile должен открыть программный интерфейс и упростить совместимость, Storage-Next — объединить производителей вокруг общих стандартов, а SCADA — убрать CPU не только из передачи данных, но и из управления операциями ввода-вывода .

Если заявленный открытый подход будет подкреплен доступным кодом, лицензией и понятным путем миграции, он может ускорить создание инфраструктуры, в которой хранилища работают с GPU на привычной для ускорителей скорости. Но на момент анонса практическая готовность cuFile к широкому внедрению оставалась вопросом, который предстоит подтвердить публикацией исходников и технической документации .