Nvidia відкриває cuFile і запускає Storage-Next, щоб GPU не простоювали в очікуванні даних

Усі три ініціативи спрямовані на одну проблему: сучасні GPU обробляють дані швидше, ніж традиційна інфраструктура встигає їх подавати. Через це прискорювачі простоюють, сховища стають вузьким місцем, а прямий доступ до даних створює додаткові вимоги до безпеки.

Що саме оголосила Nvidia

cuFile переходить у відкритий код

Nvidia планує відкрити API cuFile і повний вертикальний програмний стек сховищ, що працює під ним. Він дає змогу GPU, а не лише CPU, безпосередньо читати дані зі сховища та записувати їх туди . cuFile є ключовим компонентом платформи GPUDirect Storage (GDS) .

Код розміщуватиметься на GitHub в організації xio-sig — Accelerated IO Special Interest Group. Початковими супроводжувачами проєкту названі Google, Intel, Nvidia та Meta . Такий підхід має перетворити cuFile з переважно Nvidia-орієнтованого інтерфейсу на відкриту основу для сумісних рішень різних виробників .

Однак на практиці запуск поки варто сприймати як оголошений напрям, а не як повністю доступний реліз. Станом на 4 серпня 2026 року не було публічних коду, ліцензії, матриці сумісності з ядрами чи інструкцій для переходу з наявних розгортань GPUDirect Storage .

Storage-Next об’єднує виробників інфраструктури

Storage-Next — це формальна галузева ініціатива, до якої долучилися понад 40 виробників систем зберігання та флеш-пам’яті, зокрема DDN, KIOXIA і Micron. Також до неї входять виробники контролерів, фахівці з охолодження та організації, що працюють над галузевими стандартами .

Мета ініціативи — узгодити принципи роботи сховищ, орієнтованих на GPU, і перетворити ці напрацювання на відкриті взаємосумісні стандарти . Для клієнтів це важливо тим, що майбутня AI-інфраструктура не має залежати від одного постачальника та його закритого програмного стека.

SCADA переносить керування операціями на GPU

SCADA — це скорочення від Scaled, Accelerated Data Access, або «масштабований прискорений доступ до даних». Фреймворк є комерційним розвитком дослідження BaM (Big Accelerator Memory), представленого на ASPLOS 2023 .

SCADA дає змогу масово паралельним GPU самостійно ініціювати та контролювати операції введення-виведення. Кожен із сотень тисяч потоків GPU може окремо запитувати потрібні дані, а система — об’єднувати дрібні розрізнені запити, використовувати кеш на боці GPU та звертатися безпосередньо до NVMe- або віддаленого сховища .

Як це вирішує три головні проблеми

1. GPU не чекатимуть на CPU

У традиційній схемі CPU готує кожну операцію передавання даних. GPU змушений чекати на запуск ядра, синхронізацію з процесором і завершення налаштування чергового запиту. Кожна така операція додає мікросекунди затримки .

cuFile прибирає CPU з шляху передавання даних: DMA може переміщувати дані безпосередньо в пам’ять GPU . SCADA робить наступний крок і прибирає CPU також із шляху керування — самі потоки GPU ініціюють читання, об’єднують невеликі запити й використовують власний кеш .

У дослідженні BaM на тому самому обладнанні аналітичні навантаження виконувалися до 5,3 раза швидше, ніж у разі доступу, ініційованого CPU. Для графових навантажень автори також повідомляли про до 21,7 раза нижчу вартість апаратної інфраструктури порівняно зі зберіганням даних у пам’яті хоста .

2. Сховища мають встигати за AI

Сучасні GPU вже можуть обробляти дані швидше, ніж більшість систем зберігання здатні їх постачати. Саме цей розрив Nvidia називає одним із головних обмежень для навчання та роботи AI-моделей .

За задумом компанії, cuFile забезпечить захищений доступ до даних на рівні мікросекунд, використовуючи сотні тисяч потоків GPU та високошвидкісну пам’ять . Це створює коротший і швидший канал між глибоким сховищем і пам’яттю GPU — особливо важливий для RAG-систем, моделей суміші експертів і агентних AI-сценаріїв, яким потрібно одночасно отримувати великі обсяги даних .

Storage-Next має не допустити, щоб така архітектура залишилася рішенням лише одного виробника. Понад 40 учасників працюють над сумісністю сховищ, контролерів і мережевої інфраструктури, щоб вони могли відповідати темпам GPU .

3. Прямий доступ не має зруйнувати модель безпеки

Без належного контролю прямий доступ GPU до сховища міг би дозволити одному застосунку прочитати або пошкодити дані іншого . Тому в SCADA передбачено розділення рівнів привілеїв.

Критично важливий для продуктивності код працює без привілеїв і перебуває поза довіреною обчислювальною базою. Окремий привілейований компонент під час налаштування визначає захищений зв’язок між конкретним застосунком і лише тим сховищем, до якого йому дозволено доступ. Для цього використовуються стандартні механізми безпеки Linux .

Nvidia також розглядає cuFile як основу для AI-систем кібербезпеки: швидкий і захищений доступ до даних потрібен як для превентивного виявлення загроз, так і для їхнього розслідування. Відкритий cuFile має допомогти доставляти контекст безпеки, дані та доступ до сховища з тією самою швидкістю, якої потребують AI-засоби захисту . Ініціатива також пов’язана з Open Secure AI Alliance .

Повний апаратний стек із процесорами Nvidia Vera BlueField-4 STX використовує уніфікований стек безпеки NVIDIA DOCA, який має безперервно застосовувати політики в каналі обробки даних AI .

Що це означає для AI-інфраструктури

Оголошення на FMS 2026 свідчать про наймасштабнішу спробу Nvidia усунути архітектурний дисбаланс між швидкістю GPU та швидкістю доставки даних. cuFile має відкрити програмний рівень і спростити сумісність, Storage-Next — скоординувати виробників, а SCADA — зменшити залежність від CPU як у передаванні даних, так і в керуванні операціями .

Втім, найближчий практичний результат залежатиме від того, коли Nvidia опублікує код, ліцензію та процедури міграції. До цього моменту Storage-Next і відкритий cuFile залишаються важливими заявками на майбутню архітектуру, але не готовою універсальною заміною чинним системам GPUDirect Storage .