GalaxAccel正式发布：DPU全闪数据加速器重构AI数据基础设施

近日，面向


AI


与大规模数据


中心


打造的Galax


Ac


cel DPU全闪数据加速器正式发布，通过DPU硬件卸载与Diskless存算解耦架构，彻底打破传统本地存储的资源绑定困局，为AI时代的数据中心构建起高性能、高弹性的共享全闪资源池。

当前行业普遍面临的核心痛点是，传统服务器本地NVMe S


SD


与计算节点深度绑定，在大规模


GPU


集群中极易出现冷热数据分布不均、SSD资源闲置、跨节点数据访问延迟过高等问题。大量昂贵的GPU资源常常需要等待数据加载，算力利用率长期难以提升，同时分散的本地存储也带来了运维复杂、扩容成本高企等一系列难题。GalaxAccel的出现，正是瞄准这一行业痛点，跳出传统外置存储的设计思路，从底层重构数据中心的SSD资源组织模式。

GalaxAccel最核心的创新，是将DPU置于整个数据访问路径的核心位置，把网络协议处理、存储虚拟化、I/O调度等原本消耗服务器


CPU


资源的“重负载”全部卸载到专用硬件单元中。这一设计几乎完全消除了数据访问过程中的主机侧开销，让服务器的CPU和GPU资源能够100%投入到模型训练、推理计算等核心业务中，在高并发的AI工作负载下，依然可以保持稳定的低时延与高带宽表现。

依托DPU的硬件加速能力，GalaxAccel通过Diskless架构将原本分散在数十上百台服务器内部的NVMe SSD完全解耦，集中组织成面向整个集群共享的高性能全闪资源池。数据中心管理者不再需要以单台服务器为单位规划存储容量，而是可以从全局视角统一调度SSD资源，彻底解决了传统架构下节点之间存储容量不均衡、部分节点SSD过载而部分节点长期闲置的问题，实测场景下可将整体SSD资源利用率提升2倍以上。

针对AI场景的专属优化，让GalaxAccel能够精准适配大模型训练、推理KV Cache、RAG知识库检索、分布式缓存等核心负载。在大模型推理的KV Cache场景中，搭配自研GLFS数据


操作系统


的GalaxAccel，相比传统本地盘方案可实现2.4倍的性能提升，在6盘RAID5配置下性能更可达到传统方案的2.6倍，大幅减少了大模型推理过程中的数据等待时间，让单集群可承载的推理服务密度实现显著跃升。

除此之外，GalaxAccel还原生适配Lustre、GPFS、BeeGFS等主流的并行文件系统，配备软硬协同的极速NVMe RAID可靠保障机制，能够以标准化部件构建高性价比的高性能SAN存储基座，全面支撑AI与HPC融合的复杂工作负载。在AI算力集群从“堆规模”向“提效率”转型的行业趋势下，GalaxAccel通过重构数据供给路径，为大规模AI数据中心提供了一套兼顾性能、弹性与成本的全新数据基础设施选择。