在 ISC 2026 上，DDN 宣布大幅擴展其 AI 和 HPC 資料平台產品組合，推出新的硬體、軟體和平台功能，旨在提高 GPU 利用率、加速 AI 推理並簡化大規模 AI 基礎設施部署。
此次發布的產品包括 AI400X3M 儲存設備、DDN 分散式 KV Cache 加速技術與NVIDIA Dynamo整合的正式發布，以及該公司 AI 資料平台新增的安全性、可觀測性和基礎架構管理功能。
DDN表示，此次更新旨在解決人工智慧資料管道中的各個瓶頸，包括資料準備、模型訓練、推理、檢索增強生成（RAG）、推理模型和智慧體人工智慧工作負載。該公司致力於透過提高GPU利用率來提升基礎設施效率，同時降低功耗和基礎設施成本。
DDN 執行長兼聯合創始人 Alex Bouzari 表示，現代人工智慧基礎設施需要的不僅僅是運算資源。他強調，高效的資料管理、安全性和營運視覺性已成為生產級人工智慧部署的關鍵組成部分，而該公司最新發布的版本旨在提高 GPU 效率、降低推理成本並加快首次令牌生成速度。
AI400X3M 旨在提升人工智慧和高效能運算的效能密度
此次發表會的重頭戲是 AI400X3M，這是基於 DDN 的 EXAScaler 平行檔案系統所建構的最新設備。
AI400X3M 技術規格
| 性能 | |
| 順序讀取性能 | 高達 190 GB/秒 |
| 順序寫入性能 | 高達 110 GB/秒 |
| 隨機讀取IOPS | 8M |
| 系統特點 | |
| 系統平台 | 適用於人工智慧的交鑰匙式 EXAScaler 共享平行檔案系統設備，配備主動/主動儲存控制器 |
| 每個設備的主機端口 | 4 個 XDR/400GbE OSFP 或 8 個 NDR200/200GbE QSFP112 端口 |
| 驅動器支持 | 24 個 2.5 吋雙埠熱插拔 PCIe G5 NVMe 固態硬碟 |
| 容量選項 | 120/250/500TB 和 1PB/2PB 可用 |
| 標準韌體功能 | LUN 映射和遮罩、智慧型寫入條帶化、讀取 QoS、資料完整性檢查/修正、介面選項（CLI、GUI、Python API）、包括 RELP 支援在內的出站 syslog、狀態變更訊息（透過電子郵件和 SNMP 陷阱） |
| 安全與合規 | |
| 安全指引 | IEC/EN/UL/CSA 62368-1，GB4943 |
| EMC | EN 55032 A級、EN 55035、EN 61000-3-2、EN 61000-3-3、FCC Part 15 A級、VCCI A級、ICES-003 A級、GB/T9254 A級、BSMI A級 |
| 環境建議 | RoHS、REACH、WEEE、ERP Lot9X |
| 物理屬性 | |
| 外形 | 2U 機架式安裝 |
| 尺寸 | 高度：3.43“（87mm） 寬度：17.56“（446mm） 深度：不含錶圈 33.7 吋（856 公釐）；總深度 35.2 吋（895 公釐） 可調式機架導軌：26.75″ 至 34.0″ (680–860mm) |
| 重量 | 空重 98 磅（44 公斤）；最大重量 108 磅（49 公斤） |
| 電源和冷卻 | |
| 輸入電壓 | 200–240伏特 50/60赫茲 |
| 電源供應 | 2 個熱插拔冗餘 IEC60320-C20 插座 |
| 工作環境 | |
| 溫度範圍 | 5°C至30°C（41°F至86°F） |
| 相對濕度 | 8%–80% 無冷凝 |
| 海拔 | 海拔 950 公尺（3,117 英尺）@ 30°C — 海拔 3,048 公尺（10,000 英尺）@ 23°C |
該平台可提供高達 190GB/s 的吞吐量，讀取效能比上一代產品提升高達 35%。 DDN 還支援在單一機架內擴展至 30PB 的配置，並新增了混合磁碟支持，將快閃記憶體和 HDD 儲存相結合，以平衡效能、容量和成本。
該設備專為人工智慧模型訓練、推理、檢查點保存、高效能運算模擬以及其他高度並行的工作負載而設計，在這些工作負載中，儲存吞吐量會直接影響GPU的利用率。預計於2026年第三季末正式上市。
分散式鍵值快取現已正式發布
繼在 NVIDIA GTC 2026 大會上進行技術預覽後，DDN 正式發布了其分散式 KV 快取加速架構，該架構整合了 NVIDIA Dynamo 技術。這項功能可應用於 Infinia 物件儲存平台和 EXAScaler 檔案系統。
分散式架構不依賴本地 GPU 記憶體來儲存模型上下文，而是從 DDN 的數據平台儲存和檢索 KV 快取數據，從而減少推理過程中的記憶體瓶頸。
DDN表示，該平台支援NVIDIA Dynamo、vLLM和其他現代推理框架，並支援跨多個推理節點共享分散式鍵值快取。該公司聲稱，對於大規模推理工作負載，鍵值快取載入速度最多可提升55倍，同時還能提高GPU利用率、加快令牌產生速度，並降低大型語言模型部署的基礎架構成本。
該技術旨在使長期上下文推理、檢索增強生成、推理模型和重複訪問大型模型上下文的智慧 AI 工作流程受益。
統一人工智慧資料管道
DDN 也概述了其更廣泛的策略，即將 Infinia 物件儲存用於推理，EXAScaler 用於模型訓練和檢查點，並整合到單一的 AI 資料基礎設施中。
該公司表示，Infinia 提供低延遲元資料操作、高並發性和針對推理密集型工作負載優化的物件效能，而 EXAScaler 則繼續服務高效能訓練環境。這兩個平台旨在共同消除資料孤島，並在整個 AI 生命週期中保持較高的 GPU 利用率。
新增安全和基礎設施功能
平台的其他增強功能側重於企業部署要求，包括裸機多租戶、基於 KMIP 的加密和密鑰管理、用於運營可見性的 VictoriaLogs 整合以及擴展的多租戶 API。
在儲存方面，DDN 推出了智慧型檔案綁定和 NAND 加速熱池技術，允許將頻繁存取的資料保留在快閃記憶體中，同時自動將存取頻率較低的資料分層儲存到成本更低的硬碟中。該公司表示，這些功能旨在提高儲存效率，同時降低快閃記憶體容量需求。
持續拓展雲端人工智慧
DDN 也重點介紹了其雲端 AI 基礎架構產品的持續普及，包括與 Google Cloud 合作推出的 Managed Lustre 開發項目，以及使用 EXAScaler 支援的 Google Cloud Managed Lustre 的 Salesforce 部署。
據 DDN 稱，Salesforce 的實施使模型訓練速度提高了 1.5 倍，I/O 延遲降低了 75%，訓練成本降低了 42%，這表明減少大規模 AI 環境中的儲存瓶頸具有重要意義。
透過最新的公告，DDN 繼續擴展其產品組合，從平行儲存擴展到 AI 資料編排、推理加速和基礎設施管理，使其平台能夠支援企業、雲端、研究和自主 AI 部署，並在大規模 GPU 規模下運作。
Amazon