在 ISC 2026 大會上，高效能儲存廠商 DDN 釋出了一系列面向 AI 負載的儲存新品，核心是 AI400X3M 裝置與一套全新的 KV 快取解決方案。這些產品旨在提前應對輝達 Vera Rubin 平台預計將引發的海量資料存取需求。

AI400X3M 是 DDN 旗下 EXAScaler 平台的最新迭代，效能躍升相當顯著。據公司產品高階副總裁 James Coomer 介紹，通過最佳化資料路徑、減少不必要的資料複製，其寫入吞吐量從約 140 Gbps 提升至約 190 Gbps，增幅達 35%；隨機讀取吞吐則提升至 800 萬 IOPS，是前代的四倍。在密度方面，單機架已可支撐 30PB 的資料容量。為應對 NAND 快閃記憶體的供應鏈波動，該裝置還支援混合陣列，可同時搭配 NVMe 固態盤與傳統機械硬碟。

與硬體同步推出的 KV 快取方案，則直指當前 AI 推理的核心痛點。在推理的預填充階段，系統會生成大量中間結果並存入 KV 快取；進入解碼階段時，模型需快速從快取中調取這些資料，以避免重複計算、加快響應速度。然而，靠近處理器的 HBM 與 DDR 記憶體極易被 KV 快取佔滿，資料必然溢位到外部儲存。DDN 的方案在 EXAScaler 和 Infinia 兩條產品線中均集成了對輝達 Dynamo 與 Nixl 等 KV 快取軟體的支援，打造分散式共享快取架構。公司宣稱，與 Dynamo、vLLM 等框架配合，可將 KV 快取載入速度提升最高 55 倍，從而減少 GPU 空閒等待時間，降低每個 token 的生成成本。

此外，DDN 還在研發另一套基於輝達 DMX 參考架構的 KV 快取方案，該架構將利用 BlueField-4 DPU 與 SpectrumX SuperNIC，預計在相關硬體下半年出貨後交付。

Coomer 在訪談中指出，為 AI 請求提供足夠長的上下文視窗是當前最大的技術挑戰，這正推動整個行業重新思考分散式 KV 快取的處理方式。他提到，模型的“記憶”無論如何都會持續膨脹，即便有各種最佳化手段出現。例如，Anthropic 在 5 月推出了 Claude Dreams API，試圖在模型空閒時壓縮和提煉關鍵資訊；DeepSeek 也在 4 月釋出了一種可將 KV 快取體積縮小 10 到 100 倍的壓縮機制。但 Coomer 認為，需求增長總會超越最佳化速度，上下文容量——即模型能“關注”多少資訊——可能已成為行業公認的最大瓶頸。

除了效能與快取，DDN 還強化了多租戶環境下的安全與運維能力。公司為 EXAScaler 和 Infinia 儲存方案新增了裸金屬多租戶支援、基於 KMIP 的加密與金鑰管理、VictoriaLogs 整合以實現運維可觀測性、多租戶 API，以及利用 NAND 快閃記憶體加速“熱池”進行資料分層等特性。Coomer 表示，隨著安全審查日趨嚴格，以及新一批雲服務商對租戶隔離提出更高要求，這些功能正成為客戶剛需。

整體來看，DDN 此次釋出既是對輝達下一代計算平台的前置佈局，也反映出 AI 基礎設施競爭正從算力晶片向資料存取效率延伸。當模型引數與上下文視窗持續膨脹，儲存系統的吞吐、延遲與快取管理能力，將直接影響推理成本與使用者體驗，成為產業鏈中不可忽視的一環。