2026年9月1日更新：新增MLPerf Storage v3.0結果：共有19位提交者，第一輪涵蓋訓練、檢查點和推理。已更新審核結果表和常見問題。
各大儲存廠商都聲稱自己銷售最好的儲存陣列，多年來，速度一直是衡量最佳效能的標準。幾乎沒有廠商允許進行獨立測試。戴爾、Everpure（前身為Pure Storage）、VAST、Weka、IBM、NetApp和華為都宣稱自己擁有領先的性能，而這些宣稱背後的幾乎所有數據都來自廠商自身的內部測試，並附有“實際性能可能有所不同”的腳註。
本頁面旨在梳理這些資訊。我們將儲存效能證據分為三類，並據此標註本頁面上的所有數據：經審核的基準測試提交結果（MLPerf Storage、IO500、SPC-1，供應商根據已公佈的規則提交結果）、供應商聲明（規格表和發布數據，未經獨立驗證）以及StorageReview 實驗室測試結果（我們自行測試的系統）。如果供應商不允許我們測試其陣列，我們會明確說明；缺乏可驗證數據也是事實。
人工智慧儲存領域的領導者
這些供應商會在建構人工智慧訓練集群或新雲端平台時出現。我們不對他們進行排名，因為目前還沒有統一的衡量標準。我們能做的，是為每個供應商提供相同的資訊：平台的具體功能、以客戶名義部署的位置、NVIDIA 是否對其進行過驗證、是否有經過審核的基準測試結果，以及哪些效能聲明尚未得到證實。如果供應商在上述任何方面發布了新聞，我們會更新其資料。
前四家是人工智慧原生儲存專家。其餘的則是擁有人工智慧產品線的成熟企業儲存供應商。兩類公司都贏得了實際部署專案；但他們所掌握的證據數量卻截然不同。
VAST資料
平台： VAST AI 作業系統，基於 DASE（解耦式、共享一切）架構建構。無狀態運算容器透過 NVMe-oF 協定連接到 NVMe 儲存池，並在檔案、物件和資料庫存取中提供單一命名空間。採用全 QLC 儲存介質，並配備儲存層級記憶體寫入緩衝區。
VAST已與CoreWeave簽署了一項價值1.17億美元的多年協議，該協議於2025年11月宣布，CoreWeave是VAST最大的客戶。此外，VAST還參與了xAI Colossus Frontier AI Factory的擴展項目，並為運行在NVIDIA GB300 NVL72上的Mistral Compute AI工廠提供支援。
NVIDIA 認證： NVIDIA 認證儲存產品發布合作夥伴，並透過 DGX SuperPOD 驗證。
審計結果：無。 VAST 從未向 MLPerf Storage 提交過資料。
公開聲明： VAST 和 AMD 聯合宣稱，透過對 Instinct 進行 KV 快取卸載，其首次令牌獲取速度提升了 9 倍（基於廠商測試）。預計 2026 年 4 月的 F 輪融資，估值將達到 300 億美元，雖然設定了預期，但並非實際的績效數據。
我們過去一年的報道：
- VAST 和 AMD 聲稱，透過 KV 快取卸載，首次令牌回應時間可提升 9 倍。 （2026 年 XNUMX 月）
- Cloudera 和 VAST 瞄準 GPU 資源匱乏問題 （2026 年 XNUMX 月）
- VAST 為 Mistral Compute 的 GB300 NVL72 人工智慧工廠提供動力 （5月2026）
- VAST發布其智能體AI作業系統 （Feb 2026）
- VAST Amplify 旨在讓現有 SSD 的效能提升 6 倍。 （Jan 2026）
- VAST引進了DPU原生推理架構 （Jan 2026）
威卡
平台： NeuralMesh，這是一款軟體定義的平行檔案系統，前身為 WekaFS，以軟體和 WEKApod 設備兩種形式銷售。 NeuralMesh Axon 將相同的資料平面嵌入到 GPU 伺服器中，因此本地 NVMe 可以加入集群，而不是閒置。
已公佈的部署案例： Nebius 將 NeuralMesh 作為其 AI 雲端的高級版本。 Andromeda 於 2026 年 7 月在約 50 家 GPU 供應商中實現了 NeuralMesh 的標準化部署。 WEKA 也是 CoreWeave 多廠商技術堆疊的一部分。
NVIDIA 認證： NVIDIA 認證儲存產品發布合作夥伴，擁有 DGX SuperPOD 和 BasePOD 認證。
經審計的結果： WEKA 於 2024 年 9 月提交了 MLPerf Storage v1.0 版本，但未於 2025 年 8 月提交 v2.0 版本。其最近一次經審計的數據已過時一代。
公開宣稱： WEKApod 3 搭載 NeuralMesh 6 技術，單機架容量可達 1.1 EB 和 10.2 TB/s。這些數據來自廠商，未經審計。
值得注意的是： HPE 於 2025 年 11 月終止了與 WEKA、Qumulo 和 Scality 的合作關係，因此 WEKA 不再透過 HPE 管道接觸買家。
我們過去一年的報道：
- Andromeda 在 50 多家 GPU 提供者中實現了 NeuralMesh 的標準化。 （2026 年 XNUMX 月）
- WEKApod 3 突破了單機架 EB 級儲存的限制 （2026 年 XNUMX 月）
- NeuralMesh AIDP 正式發布 （Mar 2026）
- NeuralMesh 與 NVIDIA STX 集成，用於推理內存 （Mar 2026）
- WEKApod Prime 和 Nitro 下一代平台 （Nov 2025）
DDN
平台：兩條產品線。 EXAScaler 是基於 Lustre 的平行檔案系統，是 AI400X3 和 AI400X3M 設備背後的核心元件，負責訓練任務。 Infinia 是一個鍵值物件平台，在 2.4 版本中增加了多租戶和 POSIX 支持，主要面向推理和 AI 工廠工作負載。
已公佈的部署項目包括： xAI Colossus，計劃於 2024 年 11 月發布，將在 EXAScaler 和 Infinia 超級電腦上部署 20 萬個 GPU。 DDN 還擁有大量國家實驗室和高效能運算 (HPC) 專案的部署記錄，這些專案早於人工智慧 (AI) 的發展週期。
NVIDIA 認證： NVIDIA 認證儲存產品發布合作夥伴，並通過 DGX SuperPOD 認證。
經審核結果：是，且為最新結果。在 MLPerf Storage v2.0 測試中，AI400X3 在多節點 3D U-Net 環境下持續保持 120.68 GB/s 的吞吐量，並且在 2RU 機架式設備上處理 Llama3-8b 檢查點時，讀取速度達到 30.6 GB/s，寫入速度達到 15.3 /GBs。由此可見，DDN 是此列表中效能最強的。
公開聲明：透過 NVIDIA Dynamo 實現 KV 快取加速，由 NVIDIA 與 Nebul 共同驗證，而非由獨立機構驗證。
我們過去一年的報道：
- DDN在2026年ISC展會推出AI400X3M （2026 年 XNUMX 月）
- Infinia 2.4 新增了多租戶和 POSIX 支持 （2026 年 XNUMX 月）
- DDN 和 Nebul 驗證了 KV 快取加速 （2026 年 XNUMX 月）
DDN 在性能密度方面領先 MLPerf Storage v2.0，但沒有參加 v3.0 輪比賽。
錘子空間
平台： Hammerspace 全球資料平台和 Tier 0，它將 GPU 伺服器內部已有的本地 NVMe 儲存轉換為共享的、支援檢查點功能的儲存容量。它基於標準構建，採用並行 NFS（NFS 4.2 和 FlexFiles），並且運行在普通伺服器上，而不是專有設備上。由於沒有 Hammerspace 設備可供拍攝，這正是該架構的優勢所在。
已公佈的部署案例： Meta 在其工程部落格上詳細記錄了 Hammerspace 在兩個 24,576 個 GPU 的 H100 叢集上的部署情況。這是本頁所有廠商中，關於大規模 AI 儲存部署的最具體的第一方案例，因為該案例是由營運商而非廠商撰寫的。
NVIDIA 認證：無。 Hammerspace 未獲得 DGX SuperPOD、DGX BasePOD、NCP 參考架構或 NVIDIA 認證儲存認證。
經審計結果：是，在 MLPerf Storage v1.0 和 v2.0 中均通過了審計。在 v2.0 中，Tier 0 在五個節點上使用 3D U-Net 協定實現了 420.8 GB/s 的吞吐量，加速器利用率達到 96.4%，同時為 140 個模擬的 H100 處理器提供資料。 Hammerspace 在此清單中擁有最佳的審計參與記錄，但其 NVIDIA 驗證結果卻最弱，這幾乎與清單中其他所有公司的情況相反。
我們的報道： Hammerspace尚未經過StorageReview實驗室的測試，我們近期的相關報告也比較少。這是我們自身的不足，並非對該平台的貶低。
Hammerspace 是 v2.0 版本的提交者，但也沒有參加 v3.0 版本的評選。
戴爾技術
平台：包含三個產品，分別針對管線的不同環節。 PowerScale 是橫向擴充的 NAS 產品線，採用全快閃 F 系列節點。 ObjectScale 是 S3 層，於 2026 年實現了基於 RDMA 的 S3 和鍵值快取卸載。 Lightning 檔案系統是一個全新的平行檔案系統，於 2026 年 4 月正式發布，是戴爾用來對抗 DDN、VAST 和 WEKA 的產品。
已公佈的部署案例：我們無法確認戴爾儲存是否存在已公佈的大規模人工智慧訓練部署案例。目前最明確的公開案例是斯巴魯，該公司在 PowerScale 上運行著一個駕駛安全人工智慧實驗室。對於這樣規模的供應商而言，與那些人工智慧原生供應商所宣稱的雲端原生應用案例相比，這確實是一個顯著的差距。
NVIDIA 認證： NVIDIA 認證儲存啟動合作夥伴，PowerScale 於 2025 年 7 月獲得 NVIDIA 雲端合作夥伴計畫認證。
審核結果：無。戴爾從未向 MLPerf Storage 提交過資料。
公開聲明：戴爾聲稱 Lightning 是世界上速度最快的平行檔案系統，其依據是內部分析，並宣稱其 Exascale 儲存能力可達每機架數 TB/s。這兩項聲明均列於下方的聲明追蹤表中。需要注意的是，Lightning 目前已正式發布，但其應用範圍僅限於 AI 工廠構建，大多數用戶在標準報價單中不會看到它。
我們過去一年的報道：
- 戴爾在 Gartner 2026 年企業儲存魔力像限報告中繼續保持領導者地位 （Aug 2026）
- ObjectScale 在 2U 機架式機箱內實現了 9.83PB 的儲存容量，使用了 245TB 的 Kioxia SSD 和基於 RDMA 的 S3 服務。 （Aug 2026）
- 戴爾在第一季外部儲存產品的銷售量超過了IDC排名前五的其他廠商的總和。 （2026 年 XNUMX 月）
- PowerStore Gen 3 重置內部 （5月2026）
- 2026 年 GTC 大會上的 Lightning 文件系統和百億億次級存儲 （Mar 2026）
- 我們評測了 PowerEdge R5715，這是一款我們實際測試過的 2U 儲存型伺服器。 （Mar 2026）
HPE
平台： Alletra Storage MP，分為用於區塊儲存的 B10000 和用於物件儲存的 X10000，以及用於檔案儲存的 GreenLake。 HPE 還銷售與之配套的運算和網路設備，其大部分 AI 儲存產品都是透過這些設備進行出貨的。
已命名的部署方案： Sovereign AI 和 AI 工廠構建，其中 HPE 提供全端解決方案。沒有像上述 VAST、WEKA 或 DDN 範例那樣具有可比擬的已命名 NeoCloud 解決方案。
NVIDIA 認證： NVIDIA 認證儲存產品發布合作夥伴，擁有 DGX BasePOD 和 SuperPOD 認證。
經審核， HPE 在 MLPerf Storage v1.0 和 v2.0 中均有出場，在參與度方面領先戴爾、NetApp 和 Everpure。不過，請仔細閱讀文件端的條目：HPE 最強的 AI 文件性能數據來自與 WEKA 的聯合提交，但 HPE 已於 2025 年 11 月終止了與 WEKA、Qumulo 和 Scality 的合作關係。這些結果已不再適用於 HPE 目前可以銷售的產品。
我們過去一年的報導：我們已經對 Alletra 平台進行了實際測試。
- HPE 在 Gartner 2026 年企業儲存魔力像限報告中持續維持領導者地位 （Aug 2026）
- Alletra Storage MP B10000 與 NIST CSF 2.0 的比較測試，我們的實際操作測試 （2026 年 XNUMX 月）
- Alletra Storage MP X10000 配備資料保護加速器節點 （Feb 2026）
- CloudCasa 為 B10000 新增了 Kubernetes 災難復原功能 （2026 年 XNUMX 月）
- MLPerf Storage v3.0：在 3D U-Net 上使用 K3000 時達到 345.8 GiB/s，K3000 是本頁上僅有的兩家提交此輪測試結果的供應商之一。
IBM
平台： IBM Storage Scale，具有 GPFS 血統的平行檔案系統，以軟體和 Storage Scale System 裝置的形式銷售，Fusion 將其打包用於 Kubernetes 和 AI 管道。
已公佈的部署方案： CoreWeave 多廠商堆疊的一部分。 IBM Cloud 也與 Together AI 合作，正在建立一個價值 2.4 億美元的專用 HGX B300 推理集群，預計將於 2026 年 8 月發布，但儲存層尚未公佈。
NVIDIA 認證： NVIDIA 認證儲存產品發布合作夥伴。
經審計的結果：是的，在 MLPerf Storage v2.0 中，包括檢查點工作負載在內，Storage Scale 在 Llama 3.1 1T 型號上實現了 656.7 GiB/s 的讀取速度。檢查點恢復速度是衡量故障導致前緣訓練運作損失的指標，而很少廠商公佈過這方面的審計數據。
公開聲明：在最快陣列類別中並無突出表現。 IBM Storage Scale 的市場定位專注於規模和集成，而非驚人的吞吐量記錄。
我們過去一年的報道：
- IBM 在 Gartner 2026 年企業儲存魔力像限報告中持續維持領導者地位 （Aug 2026）
- IBM 和 Together AI 共同投資 240 億美元，用於建造專用的 HGX B300 推理集群。 （Aug 2026）
- IBM推出面向RAG工作負載的內容感知存儲 （Apr 2026）
- 具備智慧體的下一代快閃記憶體系統 （Feb 2026）
- Storage Scale System 6000，針對人工智慧和高效能運算的統一存儲 （Nov 2025）
- 我們對 IBM FlashSystem 5300 進行了評測，實際體驗了 IBM 的這款緊湊型陣列，並了解了它如何與更大型的系統進行比較。 （2024 年 XNUMX 月）
Everpure（原名 Pure Storage）
平台： FlashBlade//EXA 是針對人工智慧的入門級產品，它將元資料和資料路徑分離，從而使資料平面能夠獨立擴展。 FlashBlade//S 和 FlashArray 則涵蓋了其他方面。 Everpure 自行生產 DirectFlash 模組，而不是購買成品 SSD，因此其密度和耐久性數據與市場上的其他產品有所不同。該公司於 2026 年 2 月 23 日正式更名為 Everpure。
已命名的部署：這是 CoreWeave 多廠商堆疊的一部分。我們無法確認 FlashBlade//EXA 上是否有已命名的 AI 訓練部署。
NVIDIA 認證： NVIDIA 認證儲存產品發布合作夥伴。
審查結果：沒有提交 MLPerf Storage 測試結果，但 Everpure 是目前唯一一家在 MLPerf 之外擁有經審核結果的供應商。它保持著 SPECstorage Solution 2020_ai_image 測試記錄，AI 作業數達到 6,300 個，發佈於 2026 年 2 月 17 日。雖然基準測試和工作負載模型不同，但這是在已發布的規則集下經過審核流程的真實提交，因此有效。
公開聲明： FlashBlade//EXA 被宣傳為業界效能最高的資料儲存平台，預計單命名空間吞吐量超過 10 TB/s。此為預計值，未經實測。
我們過去一年的報道：
- Everpure連續第二年蟬聯2026年Gartner魔力像限報告兩大維度榜首 （Aug 2026）
- Everpure推出企業AI管道的數據流 （2026 年 XNUMX 月）
- 數據智慧與企業數據雲增強功能 （2026 年 XNUMX 月）
- 本評測使用 Emulex SecureHBA 搭配 Everpure XL130 R5，並非 AI 基準測試，而是實際體驗 Everpure 硬體。 （Mar 2026）
- MLPerf Storage v3.0（2026 年 9 月）：首次提交，在 FlashBlade//EXA 上實現了 877.5 GiB/s 的檢查點寫入速度和 833 GiB/s 的讀取速度，以及 1,623 GiB/s 的 KV 緩存讀取速度，是本輪中讀取速度最大的檢查點和推理速度。 v3.0 版本全面覆蓋.
NetApp的
平台： AFX，於 2025 年 10 月發布，是一款專為 AI 資料管道構建的全快閃解耦式 ONTAP，其上疊加了 AI 數據引擎。 AIPod 是經 NVIDIA 驗證的參考設計。
已公佈的部署案例：目前尚無任何大規模人工智慧訓練部署案例可供確認。最可靠的公開資料是經過驗證的架構，而非客戶名稱，例如思科於 2026 年 6 月推出的 FlexPod 人工智慧設計。
NVIDIA 認證： NVIDIA 認證儲存產品發布合作夥伴，擁有 DGX SuperPOD 認證。
審計結果：無。 NetApp 從未向 MLPerf Storage 提交過資料。
我們過去一年的報道：
- NetApp 在 Gartner 2026 年企業儲存魔力像限報告中持續維持領導者地位 （Aug 2026）
- HCLTech 將 Keystone 與 U4X 結合，實現基於消費的 AI 儲存。 （Aug 2026）
- NetApp 收購 DataPelago，用於 GPU 資料處理 （2026 年 XNUMX 月）
- StorageGRID 12.1 新增了聯合命名空間，最高速度可達 12 TB/s。 （2026 年 XNUMX 月）
- FlexPod 與思科合作驗證了 AI 架構。 （2026 年 XNUMX 月）
- AFX發表會 （十月2025）
關於華為的一點說明
華為在 MLPerf Storage v2.0 測試中取得了最高的絕對吞吐量，在 3D U-Net 測試中，一台 8U 雙節點 OceanStor A800 存儲設備同時為 255 個模擬 H100 設備提供數據，吞吐量高達 698 GiB/s，該數據已下方的審計表格。我們將其從領導者象限中移除，因為對於美國、歐洲以及本頁面所涵蓋的大多數市場而言，這並非實用型產品。吞吐量資料屬實，但實際供貨情況可能並非如此。 2026 年 Gartner 魔力像限報告從另一個角度也得出了類似的結論，華為憑藉 OceanStor 在北美以外市場的強勁表現，繼續保持在領導者象限。
分析師怎麼說
分析師的排名本身就是一種獨特的證據：它並非經過審計的基準，而是對執行力和願景的獨立評估，更貼近這些系統的實際採購方式。在2026年Gartner企業儲存平台魔力像限中，與去年一樣，六家廠商佔據了領導者象限：Everpure、華為、HPE、NetApp、戴爾和IBM。其中，Everpure連續第二年在執行力方面排名第一，並在願景完整性方面遙遙領先。本文需要說明兩點。 Gartner評估的是主儲存市場，而高效能文件和物件儲存市場則在單獨的研究中進行追踪，後者正是上述AI原生儲存專家的領域。因此，它們未出現在魔力像限中，僅是類別劃分的界限，而非最終結論。此外，當八家受評廠商中有六家獲得領導者稱號時，頭銜本身對買家意義不大；相對排名才是關鍵所在。
什麼會改變這份清單
以下四點按重要性排序：供應商允許我們按照我們的方法測試其平台，無論是我們可以自行託管的硬件，還是更大規模的部署。供應商提交了目前已審核的測試報告，例如 MLPerf Storage 或 SPECstorage。營運商（而非供應商）記錄了部署情況，就像 Meta 對 Hammerspace 所做的那樣。或者，供應商失去了其當前地位所依賴的認證或合作夥伴關係，例如 WEKA 和 HPE 的分拆改變了兩家公司接觸 AI 買家的方式。我們會根據這些情況更新相關資料。
經審計的基準實際上顯示了什麼
2026 年，人工智慧訓練及其所依賴的新雲端服務供應商才是儲存效能競爭的真正焦點，而 MLCommons MLPerf Storage 正是這方面擁有完善的、經過審計的基準測試的領域。目前已發布的版本為 v3.0（2026 年 9 月），共有 19 家機構提交了測試結果，共 143 個測試結果。此基準測試首次涵蓋了完整的 AI 管線：訓練吞吐量、檢查點機制以及兩項新的推理測試（向量資料庫和鍵值快取），此外還支援 S3 物件存儲，約有六分之一的提交結果使用了 S3 物件儲存。由於 v3.0 將其模擬加速器從 H100 升級到 B200，因此測試結果與先前的版本不具可比性。 MLPerf Storage 不會選出唯一的贏家；不同的系統在不同的工作負載和指標上表現最佳。
| 系統 | 審計結果（MLPerf 儲存 v3.0） | 課程 |
|---|---|---|
| Everpure FlashBlade//EXA | 30 個資料節點上的檢查點寫入速度為 877.5 GiB/s，讀取速度為 833 GiB/s；鍵值快取讀取速度為 1,623 GiB/s | 檢查點和推理領導者 |
| 炎榮科技 F9000X | 在 3D U-Net 上，資料傳輸速率為 543.9 GiB/s，用於連接 99 台模擬的 B200 加速器。 | 提交的最高訓練吞吐量 |
| 圖靈數據 F9200 | 在 3D U-Net 上，來自三個儲存節點的讀寫速度為 541.5 GiB/s；Checkpoint-70B 的讀取速度為 539.9 GiB/s，寫入速度為 307.1 GiB/s。 | 性能密度新秀 |
| Azure 託管 Lustre | 從一個 4,096TiB 的託管雲端部署中以 642.2 GiB/s 的速度寫入檢查點 | 首個超大規模雲端服務提交 |
| NVIDIA AI商店 | 透過 OCI、AWS 和 GCP 上的 S3 物件儲存提交了 20 個請求 | 平行檔案系統領域的物件存儲 |
在高效能運算 (HPC) 領域，IO500 榜單（ISC 2026 版）由 SCNet 的 Sugon ParaStor 領銜，其在 500 個客戶端節點上測得的頻寬為 26,888 GiB/s。英特爾 DAOS 系統（Argonne Aurora、LRZ）佔據多個榜首位置，Weka 則透過三星 SSC-24 上榜。 v3.0 的更迭與數據同樣引人注目：v2.0 吞吐量領先者 DDN、華為、Hammerspace 和 Lightbits 均未參與本次評選，而 11 家首次提交榜單的公司上榜，其中包括 Azure 和 NVIDIA。完整分析請參考我們的MLPerf Storage v3.0 報告。
誰在為新雲端提供動力？
部署成功案例並非衡量標準，但它們真實反映了營運商在追求卓越效能時會選擇哪些解決方案。值得注意的是，規模最大的AI工廠都是多供應商合作的；沒有任何一家儲存公司完全擁有這些站點。
| AI雲 | 儲存 | 信息 |
|---|---|---|
| 核心編織 | VAST Data（以及堆疊中的 WEKA、DDN、IBM Storage Scale 和 Everpure） | 一份價值1.17億美元的多年協議，將於2025年11月生效，VAST的最大客戶 |
| xAI巨像 | DDN EXAScaler 和 Infinia，以及 Frontier AI Factory 擴充包中新增的 VAST 數據 | DDN於2024年11月宣布將推出10萬個GPU；到2025年底將實現多廠商合作。 |
| 尼比烏斯 | WEKA 神經網格 | Nebius AI Cloud 的高級版將於 2025 年 6 月發布。 |
| 一起人工智能 | IBM 雲端（HGX B300 系統） | 2.4億美元的交易將於2026年8月宣布；儲存層尚未披露。 |
理賠追蹤器
這些是目前人工智慧儲存領域宣稱的「最快」速度。所有說法均未經獨立驗證，且每項說法均被其供應商標註為內部測試結果。
| 供應商索賠 | 聯繫電話 | 狀態 |
|---|---|---|
| Everpure FlashBlade//EXA，「業界效能最高的資料儲存平台」（2025年3月） | 預計單一命名空間內的讀取速度將超過 10 TB/s | 供應商預測；未提交審計報告 |
| 戴爾 Lightning 檔案系統，「世界上速度最快的平行檔案系統」（2026 年 4 月正式發布） | 根據戴爾內部分析，每個機架單元最高可達 150 GB/s。 | 供應商聲明；未提交經審計的資料 |
| 戴爾百億億次級儲存（GTC 2026） | 每個機架最高可達 6 TB/s。 | 供應商聲明；未提交經審計的資料 |
| 華為新一代 OceanStor Dorado（2024 年 9 月） | 規格表顯示，其 IOPS 上限為 100 億，延遲為 0.03 毫秒。 | 廠商規格；華為委託 Omdia 進行的測試在真實的 Oracle RAC 工作負載下，持續 IOPS 達到 2.58 萬，延遲為 70 微秒，這對規格表上的最大數值進行了有用的實際檢驗。 |
| WEKA，WEKApod 3 搭載 NeuralMesh 6，單機架 EB 級容量宣稱（2026 年 7 月） | 一個機架即可達到 1.1 EB 和 10.2 TB/s 的讀寫速度 | 廠商聲明：WEKA 最後一次向 MLPerf Storage 提交資料是在 v1.0 版本，而跳過了 v2.0 版本。 |
| VAST Data 和 AMD，Instinct 上的 KV 快取卸載（2026 年 7 月） | 首次令牌獲取速度提升 9 倍 | 聯合廠商測試；VAST從未向MLPerf Storage提交測試結果。 |
| DDN 和 Nebul，利用 NVIDIA Dynamo 實現 KV 快取加速（2026 年 7 月） | 廠商宣稱推理工作負載速度提升 | 合作夥伴驗證，而非獨立審計；DDN 確實擁有最新的 MLPerf Storage v2.0 結果。 |
SPC-1後來怎麼了？
SPC-1 曾是業界公認的區塊儲存基準測試，如今已基本處於停滯狀態：美國廠商在 2018 年左右就已基本放棄該測試，導致排行榜被中國廠商壟斷。目前公認的最高紀錄並非廣為人知的華為成績。 ExponTech WDS V3 以 2720 萬 SPC-1 IOPS 的成績位居榜首（該成績於 2023 年 11 月獲得認可），領先於浪潮的 2300 萬，而華為在 2020 年創下的 2100 萬 IOPS 的成績則位列第四。 FlashNexus 提交的 3000 萬 IOPS 的更高成績自 2025 年 2 月以來一直處於審核階段，尚未被認可，在儲存效能委員會 (SPC) 正式認可之前，我們暫不將其視為紀錄。
本頁面使用方法
三條規則。首先，每個數據都標有其證據類別：經審計的提交數據、廠商聲明或 StorageReview 測量結果。其次，我們不會重複使用無法提供最新資料來源的最高級描述；本頁上一些著名的「最快」說法已過時多年，並已相應標記。第三，任何廠商都可以透過提交資料至 MLPerf Storage 或 IO500，或授權我們按照標準方法進行測試的方式，進入本頁的驗證頁面。本頁僅涵蓋 AI 和新雲端儲存。主流企業級區塊儲存、文件儲存和中小企業儲存將單獨建立頁面，而非合併在此，因為每個細分市場可用的證據各不相同。我們會根據最新動態更新領先廠商的資料，並在新一輪審計結果發佈時進行全面審核。
最快儲存常見問題解答
世界上速度最快的儲存陣列是什麼？
目前尚無唯一經過驗證的答案，任何給出答案的人都只是引用了廠商的說法。根據截至2026年9月的審計數據：Everpure的FlashBlade//EXA在MLPerf Storage v3.0測試中創下了877.5 GiB/s的寫入速度紀錄；YanRongTech的F9000X在訓練吞吐量方面領先，達到543.9 GiB/IOs；SugonSture在紀錄。包括戴爾的單機架百億億次級儲存預測在內的最高宣稱數據，仍未經獨立驗證。
AI訓練最快的儲存方式是什麼？
根據唯一經過審計的AI儲存基準測試MLPerf Storage v3.0的評測，訓練吞吐量領先的是YanRongTech、TuringData和UBIX，而Everpure在檢查點和鍵值快取推理方面領先，Azure則在雲端服務中拔得頭籌。從最大的AI營運商的部署情況來看，VAST、DDN和WEKA在新型雲端服務領域佔據主導地位，儘管這三家公司均未提交v3.0測試結果。以上兩類證據均已標註。
為什麼針對企業級陣列的獨立基準測試如此之少？
由於大多數企業級儲存廠商在合約中禁止發布基準測試結果，而主流陣列廠商也在 2018 年左右放棄了他們曾經使用的公開基準測試（尤其是 SPC-1），因此面向人工智慧領域的廠商在一定程度上扭轉了這一趨勢，因為參與 MLPerf Storage 已成為銷售要求之一。我們會隨著新的經審核結果的發布更新此頁面。
Amazon