曙光存储“超级隧道”，瞄准PCIe 6.0和下一代国产芯片

当AI大模型训练周期从3个月压缩至1周；当国产GPU算力利用率从30%跃升至80%；当万亿参数模型数据交互时延进入微秒级。这些看似分散的技术突破背后，都指向同一个核心命题：在算力持续爆发的今天，存储如何成为驱动计算效能释放的关键变量？

近日，第二届CCF中国存储大会在武汉召开。曙光存储正式宣布：“超级隧道”技术将标配于曙光全线高端存储产品，且已具备更好应对PCIe 6.0标准的能力。这一布局，既是对当前AI、科学计算等场景高性能需求的精准回应，更提前为下一代国产芯片筑牢了存储底座，在PCIe总线标准迭代的关键节点，为国内存储产业开辟了新路径。

曙光存储副总裁 郭照斌

“超级隧道”全线标配：破解高端存储性能释放难题

在当前AI大模型训练、科学计算、低空经济等场景需求爆发的背景下，存储性能已从辅助支撑变为核心制约。传统存储系统即便搭载高性能硬件，也常因软件协议桎梏、数据传输损耗等问题，导致硬件潜力仅能发挥30%-40%。

曙光此次将“超级隧道”技术全线标配于高端存储产品，正是针对这一行业痛点的系统性突破。该技术基于无锁架构、极简交互及软硬件协同三大核心设计，通过五大关键技术重构存储性能逻辑：

一，采用国产C86架构的高速硬件底座，搭配存储专属硬件平台，解决内部访问时延与资源竞争问题；二，基于CPU NUMA、CCX架构进行微控划分，将硬件拆解为多个逻辑独立的数据通道，让每个IO请求直达目标；三，通过零中断技术消除被动调度干扰，确保业务请求响应时间可精确计算；四，零竞争设计避免多任务资源争抢，即便在AI训练与科学计算混合负载场景下，性能波动也能控制在5%以内；五，零拷贝机制省去数据在内存、CPU、网卡间的冗余传输，将数据落盘时延压缩至硬件物理极限。

从实际应用效果来看，搭载“超级隧道”的曙光集中式全闪存储产品已实现亿级IOPS性能与202微秒级时延，在AI加速场景中，推理时延降低80%。曙光分布式存储系统，通过“五级加速+三级协同”技术，可将GPU利用率从30%-40%提升至70%-80%，训练速度提升4倍，万亿参数模型训练周期压缩60%以上。

笔者认为，这种全线标配的策略，体现出曙光存储对行业需求的深刻判断。随着AI技术从训练向推理落地渗透，从科研机构到企业用户，对存储性能的需求已从局部高端转向全面可靠。将核心技术规模化应用于高端产品线，不仅能避免用户因技术碎片化导致的兼容难题，更能通过批量落地进一步优化成本，打破高性能必高成本的行业误区。

前瞻应对PCIe6.0：为国产芯片生态筑牢存储底座

如果说“超级隧道”的全线标配是对当前存储需求的回应，那么其“更好应对PCIe 6.0标准”的能力，则彰显出曙光存储的技术前瞻性。

作为新一代总线标准，PCIe 6.0具备128GB/s单通道带宽、PAM4编码抗干扰等优势，本应成为解决算力与存力失衡的关键，但传统存储系统却面临硬件升级、软件滞后的困境，依赖操作系统通用IO协议的传统架构，会导致数据传输过程中的软件损耗高达硬件理论性能的60%以上，即便搭载PCIe 6.0硬件，实际性能也难以突破瓶颈。

曙光“超级隧道”技术的核心创新，恰恰在于提前打破了这一桎梏。不同于行业内先做硬件适配、再补软件优化的被动模式，“超级隧道”从设计之初就以软硬件协同为核心逻辑：

在硬件层面，采用兼容PCIe 6.0电气特性的国产控制器，提前完成与新一代硬件的兼容性测试；在软件层面，通过自研协议栈直接对接硬件接口，跳过操作系统中间调度环节，将软件损耗降低至5%以下。

曙光存储副总裁郭照斌在大会上透露，未来用户只需通过固件升级，即可实现现有“超级隧道”存储系统从PCIe 5.0到6.0的性能跃迁，无需大规模改造架构，这意味着当前选择曙光高端存储的用户，能无缝衔接下一代硬件生态，避免技术迭代即设备淘汰的资源浪费。

从产业视角来看，这种对PCIe 6.0的前瞻应对，更对国产芯片生态具有战略意义。长期以来，国产GPU、AI芯片在性能追赶过程中，常因存储系统适配性不足难以发挥全部实力。而“超级隧道”技术通过定制化硬件接口与协议优化，可针对不同国产芯片的计算架构、数据交互模式进行深度适配，形成芯片与存储协同加速闭环。

这种协同不仅体现在性能适配，更延伸至生态共建。在CCF曙光存储分论坛上，武汉大学、华中科技大学、西湖大学的学者与大普微等企业代表共同探讨AI存储架构创新时，一致认为存储与芯片的协同研发将成为突破AI能力边界的关键。

存储产业的价值重构：从“被动承载”到“主动赋能”

曙光存储“超级隧道”技术的全线落地与PCIe 6.0应对能力，背后折射出的是整个存储产业的角色转变。在AI与高端计算深度融合的今天，存储已不再是“被动承载数据的容器”，而是“主动赋能算力释放、驱动产业创新的核心基础设施”。这种转变，正深刻影响着行业的发展逻辑。

从需求端来看，用户的核心诉求已从存得下转向存得快、用得高效、成本可控转变。以AI大模型训练为例，传统存储需要3个月完成的GPT-4级别模型训练，借助“超级隧道”技术可压缩至1周，这不仅降低了算力成本，更让科研机构、企业能以更快的迭代速度推进技术创新，这种效率提升带来的价值，远超存储硬件本身的成本。

从产业竞争来看，“超级隧道”技术的突破也打破了国外厂商在高端存储领域的长期垄断。此前国内高端存储市场长期被国外品牌占据，不仅成本高昂，且在与国产芯片的适配性、数据安全自主性等方面存在短板。

而曙光通过21年存储研发积累，已实现从硬件到软件的全栈自主可控，其“超级隧道”技术在性能、成本、生态适配性上的综合优势，正推动国内高端存储市场格局重构。

展望未来，随着PCIe 6.0时代的正式到来与国产芯片生态的成熟，“超级隧道”技术的价值将进一步释放。一方面，其低阻数据通道将为智算中心、国家科学装置等大型基础设施提供支撑，助力我国在AI for Science、量子计算等前沿领域的研究突破；另一方面，其软硬件协同理念也将推动存储产业从硬件比拼转向生态共建，形成存储-芯片-应用的良性循环。

在AI与算力革命的浪潮下，“超级隧道”技术所代表的“以存提算、以存代算、以存降本”理念，或将重新定义存储产业的价值，为我国数字经济的高质量发展注入更强的存力动能。