Alibaba Cloud hat gerade KI-Speicher auf eine ganz andere Größenordnung gehoben.
Auf der Yunqi-Konferenz 2026 kündigte das Unternehmen eine neue Generation von CPFS an und nennt dabei einen Durchsatz im Bereich von 100 TB/s, IOPS auf 100-Millionen-Niveau sowie eine Ein-Dateisystem-Skala von 100 PiB. Außerdem heißt es, dass reale Trainings-Workloads die Modellstartzeit um 50% senkten, die Spitzen-Auslastung der Rechenleistung um 30% steigerten und die Kosten für KI-Speicher um 69% fielen.
Die Zahl, die meine Aufmerksamkeit erregt hat, ist allerdings nicht tatsächlich die 100 TB/s.
Es ist die Behauptung zur GPU-Auslastung.
Wir sprechen oft über KI-Infrastruktur, als wären GPUs die ganze Geschichte. Das sind sie nicht. Wenn der Speicher und die Datenpipeline nicht in der Lage sind, Tausende von Beschleunigern schnell genug zu versorgen, steht teure Rechenleistung untätig herum. An diesem Punkt löst der Kauf weiterer GPUs das zugrunde liegende Problem nicht unbedingt.
Moment — da gibt es noch einen weiteren interessanten Aspekt.
Die vorhandene öffentliche CPFS-Dokumentation von Alibaba listet für die derzeit dokumentierten Editionen noch deutlich niedrigere Leistungs- und Kapazitätsgrenzen. Daher scheinen diese Yunqi-Zahlen eher das neu angekündigte System der nächsten Generation zu beschreiben, statt die Spezifikationen des bestehenden, breit dokumentierten Produkts.
Diese Unterscheidung ist wichtig.
Wenn sich diese Werte bei großen produktiven Rollouts bewahrheiten, hört der Speicher auf, nur als unterstützende Infrastruktur zu wirken, und beginnt stattdessen, als Teil des KI-Rechen-Stacks zu erscheinen.
Ich versuche immer noch herauszufinden, was sich dadurch tatsächlich ändert.
#Write2Earn
Auf der Yunqi-Konferenz 2026 kündigte das Unternehmen eine neue Generation von CPFS an und nennt dabei einen Durchsatz im Bereich von 100 TB/s, IOPS auf 100-Millionen-Niveau sowie eine Ein-Dateisystem-Skala von 100 PiB. Außerdem heißt es, dass reale Trainings-Workloads die Modellstartzeit um 50% senkten, die Spitzen-Auslastung der Rechenleistung um 30% steigerten und die Kosten für KI-Speicher um 69% fielen.
Die Zahl, die meine Aufmerksamkeit erregt hat, ist allerdings nicht tatsächlich die 100 TB/s.
Es ist die Behauptung zur GPU-Auslastung.
Wir sprechen oft über KI-Infrastruktur, als wären GPUs die ganze Geschichte. Das sind sie nicht. Wenn der Speicher und die Datenpipeline nicht in der Lage sind, Tausende von Beschleunigern schnell genug zu versorgen, steht teure Rechenleistung untätig herum. An diesem Punkt löst der Kauf weiterer GPUs das zugrunde liegende Problem nicht unbedingt.
Moment — da gibt es noch einen weiteren interessanten Aspekt.
Die vorhandene öffentliche CPFS-Dokumentation von Alibaba listet für die derzeit dokumentierten Editionen noch deutlich niedrigere Leistungs- und Kapazitätsgrenzen. Daher scheinen diese Yunqi-Zahlen eher das neu angekündigte System der nächsten Generation zu beschreiben, statt die Spezifikationen des bestehenden, breit dokumentierten Produkts.
Diese Unterscheidung ist wichtig.
Wenn sich diese Werte bei großen produktiven Rollouts bewahrheiten, hört der Speicher auf, nur als unterstützende Infrastruktur zu wirken, und beginnt stattdessen, als Teil des KI-Rechen-Stacks zu erscheinen.
Ich versuche immer noch herauszufinden, was sich dadurch tatsächlich ändert.
#Write2Earn