呢類設計主要針對需要處理超大數據集嘅場景，例如：

• 生成式 AI 訓練與推理
• hyperscale 雲端平台
• 企業級分析與資料湖

將接近 10PB flash 壓縮入一個標準 2U 機箱，可以大幅提高數據中心嘅容量密度。

核心硬件配置

整個系統建基於 Dell 的 PowerEdge R7725xd，呢款係為數據密集型工作負載而設計嘅儲存優化伺服器。

示範配置包括：

• 40 × Kioxia LC9 NVMe SSD
• 每隻 245.76TB 容量
• 總原始容量約 9.8PB

簡單計算：

40 × 245.76TB = 9,830.4TB（約 9.8PB）。

伺服器亦可搭載 雙 AMD EPYC 9005 系列處理器，提供極高核心數同 PCIe 通道數量，足以應付大量 NVMe 儲存裝置同 AI 數據處理需求。

點樣做到咁高密度？三個關鍵設計

1. 245TB 級 NVMe SSD

Kioxia LC9 Series SSD 每隻容量最高 245.76TB，屬於目前企業級 NVMe SSD 最高容量級別之一。

呢啲 SSD 使用 3D QLC NAND 技術，可以喺保持企業級性能同耐用度嘅情況下，大幅提升單碟容量。

對於 AI 系統嚟講，呢類大容量 SSD 可以儲存：

• LLM 訓練資料
• embedding / vector database
• 模型 checkpoint
• inference dataset

2. EDSFF E3.L 企業外形

LC9 SSD 支援 EDSFF E3.L form factor。

呢種設計比傳統 2.5 吋 SSD 更長，優勢包括：

• 可以放更多 NAND 封裝
• 支援更高功率
• 散熱更容易

結果就係可以做到超高容量 SSD，同時仍然適合資料中心密集部署。

3. 大量 PCIe Gen5 通道

PowerEdge R7725xd 採用新一代伺服器架構，配合高通道數 CPU 同 PCIe Gen5 I/O。

NVMe SSD 可以直接連接 CPU PCIe 通道，減少中間瓶頸，令數十隻 SSD 可以同時高速運作。

高速網絡：否則 9PB 都冇用

儲存密度高，前提係數據要能夠快速流入流出。

R7725xd 支援多種高速網絡配置，例如：

• 100 GbE
• 400 GbE
• 某些配置可支援 最多 5 張 400Gbps NIC

呢啲頻寬對 AI 集群特別重要，例如：

• 向 GPU cluster 提供訓練數據
• 支援大型 object storage
• 分發 embedding / vector database

如果網絡速度唔夠快，再大容量嘅儲存都會變成瓶頸。

對 AI 數據中心意味住乜

更細嘅機架空間

將 9.8PB flash 壓縮入 2U，意味住達到 PB 級儲存所需嘅伺服器數量可以大幅減少。

結果包括：

• 更少機架
• 更少線材
• 更簡單基礎設施

潛在電力與散熱優勢

高容量 SSD 可以取代大量小容量 SSD 或 HDD。

Kioxia 指出，呢種整合方式有機會減少：

• 電力消耗
• 冷卻需求
• 機房空間佔用

實際節能效果仍然取決於部署架構。

避免 GPU 閒置

AI 基建最大成本通常係 GPU。

如果儲存系統讀寫速度唔夠快，GPU 可能會等數據而閒置。高並行 NVMe 儲存正正係為了解決呢個問題。

245TB–256TB SSD 競賽已經開始

Dell 同 Kioxia 呢個配置其實反映緊一個更大趨勢：245TB 至 256TB 級企業 SSD 正快速出現。

例如 Micron 已推出 245TB 版本的 6600 ION SSD，同樣主打取代大量 HDD，同時提升容量密度同能效。

市場需求亦快速上升。

TrendForce 指出，全球五大企業 SSD 廠商收入喺 2025 年第四季按季增長超過 50%，AI 基建需求係主要推動力。

整體 SSD 市場亦預計會由 2026 年 363 億美元增長至 2031 年 764 億美元。

未來可能出現嘅儲存形態

Dell × Kioxia 呢部 9.8PB 伺服器，其實更像係一個方向指標。

隨住：

• NAND 密度持續提升
• PCIe 頻寬增加
• AI 數據量爆炸式成長

未來單一伺服器變成 多 PB 儲存節點 會愈來愈常見。

如果 SSD 容量再推到 256TB 或以上，未來 2U 機箱出現 10PB 甚至數十 PB flash 都唔算太誇張。

對 hyperscaler、AI 實驗室同大型企業嚟講，呢種密度提升可能會重新定義整個數據中心架構。

呢類設計主要針對需要處理超大數據集嘅場景，例如：

• 生成式 AI 訓練與推理
• hyperscale 雲端平台
• 企業級分析與資料湖

將接近 10PB flash 壓縮入一個標準 2U 機箱，可以大幅提高數據中心嘅容量密度。

核心硬件配置

整個系統建基於 Dell 的 PowerEdge R7725xd，呢款係為數據密集型工作負載而設計嘅儲存優化伺服器。

示範配置包括：

• 40 × Kioxia LC9 NVMe SSD
• 每隻 245.76TB 容量
• 總原始容量約 9.8PB

簡單計算：

40 × 245.76TB = 9,830.4TB（約 9.8PB）。

伺服器亦可搭載 雙 AMD EPYC 9005 系列處理器，提供極高核心數同 PCIe 通道數量，足以應付大量 NVMe 儲存裝置同 AI 數據處理需求。

點樣做到咁高密度？三個關鍵設計

1. 245TB 級 NVMe SSD

Kioxia LC9 Series SSD 每隻容量最高 245.76TB，屬於目前企業級 NVMe SSD 最高容量級別之一。

呢啲 SSD 使用 3D QLC NAND 技術，可以喺保持企業級性能同耐用度嘅情況下，大幅提升單碟容量。

對於 AI 系統嚟講，呢類大容量 SSD 可以儲存：

• LLM 訓練資料
• embedding / vector database
• 模型 checkpoint
• inference dataset

2. EDSFF E3.L 企業外形

LC9 SSD 支援 EDSFF E3.L form factor。

呢種設計比傳統 2.5 吋 SSD 更長，優勢包括：

• 可以放更多 NAND 封裝
• 支援更高功率
• 散熱更容易

結果就係可以做到超高容量 SSD，同時仍然適合資料中心密集部署。

3. 大量 PCIe Gen5 通道

PowerEdge R7725xd 採用新一代伺服器架構，配合高通道數 CPU 同 PCIe Gen5 I/O。

NVMe SSD 可以直接連接 CPU PCIe 通道，減少中間瓶頸，令數十隻 SSD 可以同時高速運作。

高速網絡：否則 9PB 都冇用

儲存密度高，前提係數據要能夠快速流入流出。

R7725xd 支援多種高速網絡配置，例如：

• 100 GbE
• 400 GbE
• 某些配置可支援 最多 5 張 400Gbps NIC

呢啲頻寬對 AI 集群特別重要，例如：

• 向 GPU cluster 提供訓練數據
• 支援大型 object storage
• 分發 embedding / vector database

如果網絡速度唔夠快，再大容量嘅儲存都會變成瓶頸。

對 AI 數據中心意味住乜

更細嘅機架空間

將 9.8PB flash 壓縮入 2U，意味住達到 PB 級儲存所需嘅伺服器數量可以大幅減少。

結果包括：

• 更少機架
• 更少線材
• 更簡單基礎設施

潛在電力與散熱優勢

高容量 SSD 可以取代大量小容量 SSD 或 HDD。

Kioxia 指出，呢種整合方式有機會減少：

• 電力消耗
• 冷卻需求
• 機房空間佔用

實際節能效果仍然取決於部署架構。

避免 GPU 閒置

AI 基建最大成本通常係 GPU。

如果儲存系統讀寫速度唔夠快，GPU 可能會等數據而閒置。高並行 NVMe 儲存正正係為了解決呢個問題。

245TB–256TB SSD 競賽已經開始

Dell 同 Kioxia 呢個配置其實反映緊一個更大趨勢：245TB 至 256TB 級企業 SSD 正快速出現。

例如 Micron 已推出 245TB 版本的 6600 ION SSD，同樣主打取代大量 HDD，同時提升容量密度同能效。

市場需求亦快速上升。

TrendForce 指出，全球五大企業 SSD 廠商收入喺 2025 年第四季按季增長超過 50%，AI 基建需求係主要推動力。

整體 SSD 市場亦預計會由 2026 年 363 億美元增長至 2031 年 764 億美元。

未來可能出現嘅儲存形態

Dell × Kioxia 呢部 9.8PB 伺服器，其實更像係一個方向指標。

隨住：

• NAND 密度持續提升
• PCIe 頻寬增加
• AI 數據量爆炸式成長

未來單一伺服器變成 多 PB 儲存節點 會愈來愈常見。

如果 SSD 容量再推到 256TB 或以上，未來 2U 機箱出現 10PB 甚至數十 PB flash 都唔算太誇張。

對 hyperscaler、AI 實驗室同大型企業嚟講，呢種密度提升可能會重新定義整個數據中心架構。