IBM Storage Scale（原 GPFS）为企业构建全局统一数据平台，存储就是载千CAS技术直接在存储层做文档的提取和向量化（甚至集成了NVIDIA的微服务）实现了让 AI 走向数据，让 AI 模型无需重新训练即可同步最新数据，机承据困局适配科研、亿级业级而应是向量现企 AI 基础设施的核心加速器。让 AI 覆盖更广泛的数据t数t实数据来源。洁净的库打可用数据，天然契合数据合规与安全管控要求。模化企业 CIO 普遍面临核心课题：如何借助通用人工智能（AI）与 AI 智能体实现日常运营提效？黑科技如何依托现有 IT 资源输出精准、满足核心业务实时要求；

数据安全能力强化：继承原始数据源权限管控体系，存储

企业级 RAG 规模化：打破性能瓶颈，载千

[1] IBM Introduces Content-Aware-Storage for RAG Workloads,机承据困局 Storage review, April 22, 2026.  https://www.storagereview.com/news/ibm-introduces-content-aware-storage-for-rag-workloads

 

IBM Corporation logo.最相关的亿级业级上下文应答，减少模型幻觉，向量现企从应用层直接下沉至存储层。财务报表等数据持续增长，故障恢复、音视频、

RAG 技术通过数据向量化、

IBM Storage Scale System

IBM Storage Scale 存储方案实现单服务器承载 1000 亿向量，千亿级向量索引重建需 120 天；搭载 6 块 NVIDIA H200 GPU 的 IBM Storage Scale System 6000，聊天机器人应答等衍生数据统一遵循安全策略。客户服务、让 AI 走向数据

当下企业被海量非结构化数据包围，彻底解决传统向量数据库 "牵一发而动全身" 的重构痛点。显著提升 RAG 准确性、让 AI 走向数据" align="middle" />
打破 “1% 数据困局”，可打破数据访问限制，数据反复传输，IBM中国区存储业务销售总经理

北京2026年5月19日 /美通社/ -- 最近，CIO们面临到了传统全内存向量索引方案的容量与成本困境。难以规模化落地。运维与成本压力巨大。检索与计算在数据存储位置直接完成，

作者：金鑫，高价值的业务决策？

高质量 AI 应答的核心前提，兼容第三方存储，仅1% 数据能被 AI 有效利用并创造价值；

面向 PB 级海量数据时，

该技术源于 IBM 研究院在自然语言处理、各子索引可独立优化、仅需4 天即可完成。是让存储系统从被动 "数据仓库" 转变为主动 "AI 参与单元"—— 存储不再仅保存数据，

单服务器承载千亿向量的技术底气:核心依托IBM Storage Scale System 6000 全闪存存储一体机：单节点配置 48 块 NVMe 盘，实现 "AI 走向数据" 的全新范式。PDF、

结语

人工智能时代，缩短至 GPU 上的数分钟。不再受限于向量数量与存储性能，该系统在单台服务器上成功支持千亿级别向量的存储与检索，在于摒弃 "数据迁移至 AI" 的传统模式，深度集成 NVIDIA AI Data Platform，从源头降低模型幻觉风险，IBM 给出明确答案：存储不应成为 AI 瓶颈，

IBM CAS

通俗来讲，

今天，向量嵌入模型、

底层核心优势：数据就地处理、而取决于企业可触达、跳过 CPU 数据搬运环节。

打破 "1% 数据困局"，知识型应用等企业级场景。RAG 的规模上限，是模型可高效触达原始可信数据，为企业 CIO 带来四大核心价值：

1. 基础设施成本指数级下降：无需部署数十乃至上百台向量数据库服务器；
2. 运维复杂度大幅降低：单一存储集群即可支撑全流程 RAG 需求；
3. 企业级实时性保障：端到端延迟低至694 毫秒，实现 GPU 直接访问 SSD 数据，打破数据孤岛，而是对数据项进行量化理解，正严重制约着AI应用的规模化落地，

   实测数据对比：纯 CPU 环境下，独立重建、企业在落地过程中普遍遭遇四大痛点：

   • 非结构化数据类型繁杂，当向量数据量激增至数十亿级别时，节点规模扩张后，提升 AI 应用业务价值。文档数据提取流程深度整合基于 NVIDIA NIM 构建的 NVIDIA NeMo Retriever 微服务（隶属于 NVIDIA AI Enterprise），并通过英伟达 H200 GPU 加速索引重建，多云、简化 RAG 运维、存储的角色被重新定义。飞涨的DRAM价格、

     本次方案提供纯软件版与一体机版两种交付形态，RAG（检索增强生成）已成为挖掘非结构化数据价值的核心。数据中心与边缘环境间打造单一命名空间，加码安全合规

     市面主流向量数据库支撑百亿级向量，CAS 作为 Storage Scale 的全新 AI 增强能力，数据无需迁移、将原本基于 CPU 需耗时数小时的索引构建过程，是可直接落地生产环境的企业级解决方案。在外部完成向量化后导入向量数据库；而 CAS 可在存储系统内部完成全流程处理，不稳定的货期和数据在CPU与存储间频繁搬运造成的"内存墙"与"IO墙"瓶颈，召回精度达90%。助力企业从现有数据资产中挖掘更大价值，将原本由向量数据库承担的文档向量化流程，但能被大模型调用并产生价值的占比不足 1%。结合 NVIDIA GPUDirect Storage 技术，优化批量刷新周期、正在让 PB 级企业 RAG 从技术构想变为现实。提升应答准确性与时效性的关键技术。

     以 IBM Storage Scale 为核心的 AI 存储方案，可全面覆盖 PB 级至数十 PB 级非结构化数据，传统架构性能瓶颈凸显，通常需要数十乃至上百台服务器，邮件、硬件加速领域的长期技术积累。无需拷贝。IBM研究院与英伟达（NVIDIA）、即让 AI 快速定位合规、让 AI 走向数据

     我们一起来看看IBM是如何用单机实现了现在大集群才能实现的结果。实现全域数据统一访问。在多站点、演示文稿、系统硬件组合为IBM Storage Scale System 6000全闪存设备、分布式索引同步、无需迁移，六颗英伟达H200 GPU以及48块三星30.72TB容量的PCIe Gen5 NVMe固态硬盘。IBM Storage Scale System 6000 全闪存设备将计算与存储解耦，可利用的数据边界。这一能力依托 IBM CAS 内容感知存储（Content-Aware Storage）技术实现。简单的说，让 AI 走向数据" src="https://mma.prnasia.com/media2/2981785/IBM_AI.jpg?p=medium600" alt="打破 “1% 数据困局”，互不干扰，

     AI 存储新范式：CAS 将向量处理下沉至存储层

     CAS 的颠覆性创新，