Huawei представила твердотельный накопитель емкостью 122 ТБ для инфраструктуры искусственного интеллекта.

      Huawei анонсировала накопитель OceanDisk 1800 с ёмкостью 122,88 ТБ. Компания использует технологию Die-on-Board, чтобы улучшить плотность хранения при ограниченном доступе к современным решениям 3D NAND.

      Новая линейка SSD OceanDisk 1800 предназначена для дата-центров и AI-нагрузок и включает модели на 61,44 ТБ и 122,88 ТБ, а в будущем планируется выпуск версии на 245 ТБ. Накопители созданы для инфраструктуры, где данные необходимо хранить рядом с вычислениями и быстро передавать в AI-системы.

      Ключевой особенностью является не рекордная ёмкость, а конструкция накопителя. В OceanDisk 1800 чипы NAND помещены напрямую на печатную плату, в отличие от обычной схемы, где они сначала помещаются в отдельный корпус, а затем монтируются. Это позволяет более эффективно использовать внутреннее пространство накопителя.

      Для Huawei такой подход имеет практическую значимость, так как с 2019 года компания сталкивается с американскими ограничениями и не имеет доступа к самым современным технологиям производства и упаковки памяти. Поэтому увеличение ёмкости осуществляется не только за счёт более совершенных NAND-чипов, но и благодаря компоновке, упаковке и архитектуре хранения.

      Согласно данным TrendForce, метод Die-on-Board может увеличить плотность размещения примерно на 33%. Это не устраняет технологические ограничения полностью, но позволяет Huawei производить накопители большой ёмкости на доступной компонентной базе.

      OceanDisk 1800 предназначена не для использования в качестве одиночного SSD в сервере, а для работы в составе плотных систем хранения. По информации Blocks & Files, Smart Disk Enclosure на основе этих накопителей предоставляет до 1,47 ПБ в 2U. В конфигурации OceanStor Pacific 9926, состоящей из 36 SSD по 122,88 ТБ, физическая ёмкость достигает 4,42 ПБ в том же 2U. При сжатии данных в соотношении 2,5 к 1 полезная ёмкость может составить 11 ПБ.

      Для AI-ЦОДов это критически важный параметр. Чем выше плотность хранения, тем меньше требуется стоек, вспомогательной инфраструктуры и кабельных соединений. Это позволяет размещать данные ближе к вычислениям и масштабировать систему хранения без ненужного увеличения площади.

      Большие модели, мультимодальные данные, сценарии RAG, обучение и инференс требуют не только GPU и HBM. Им нужны быстрые и компактные хранилища, которые не создают дополнительного разрыва между вычислениями и данными. Если данные поступают медленно или хранятся слишком далеко от вычислительной системы, то дорогие ускорители не работают на полную мощность.