VDURA Data Platform V12 瞄准 Neocloud，但存储经济性将决定成败

VDURA 发布了 VDURA Data Platform V12，将其存储软件转变为面向 GPU 云和企业 AI 基础设施的多租户服务。该版本在此前预览多项底层功能后，于 2026 年 9 月 30 日正式全面上市。

这场竞争远不止是一次存储升级。VDURA 希望 neocloud 运营商以一个跨越闪存和硬盘的软件定义平台，取代独立的性能与容量系统。这一承诺挑战了全闪存策略，也让 VDURA 与 DDN、VAST Data 和 WEKA 等成熟 AI 存储专业厂商正面竞争。

这一时机经过精心选择。Neocloud 正从 GPU 资源出租方演变为服务提供商，必须满足企业对于隔离、自动化、耐久性和可预测运营成本的要求。存储如今会影响这些提供商启用 GPU、接入客户，以及将昂贵基础设施转化为可计费容量的速度。

VDURA Data Platform V12 将存储转变为云服务

V12 将 VDURA 的产品从共享高性能存储转变为 GPU 提供商能够按租户打包、隔离、自动化和计费的基础设施。

Neocloud 是围绕 AI 加速器和高性能计算构建的专业云服务商。这些运营商通过比通用云平台更快、更少限制地提供稀缺 GPU 容量来展开竞争。

这种模式带来了严苛的存储难题。一位客户可能在训练模型，另一位客户在处理推理请求，第三位客户则在写入大型检查点。它们共享硬件，但在性能、安全性和可用性方面的要求必须彼此隔离。

VDURA 表示，V12 通过为每个租户提供独立命名空间、服务质量控制、加密密钥和网络隔离来解决这一问题。命名空间可提供有组织的文件和对象视图，无需让每位客户都获得专用存储硬件。

该平台还提供 REST 接口和 Kubernetes Container Storage Interface 插件。CSI 是 Kubernetes 用于请求和管理持久化存储的标准机制。VDURA 表示，这些接口支持自动配置、配额、计量，以及与服务商控制平面的集成。

这种自动化至关重要，因为云经济性取决于可重复的运营。客户期待近乎即时的资源配置时，存储管理员无法手动配置每个卷。存储层必须像围绕它的计算服务一样运行。

根据 VDURA 的 V12 发布详情，该软件现已面向 V5000 级系统全面上市。现有 V11 客户也可以升级。

经认证的 Supermicro 配置采用基于 AMD EPYC 处理器和 NVMe 存储的系统。它可将全闪存节点与高容量磁盘柜结合，同时通过 RDMA 在高速网络中直接连接存储。

RDMA，即远程直接内存访问，可让数据在系统之间传输时比传统网络路径更少占用 CPU。降低这部分开销有助于存储服务 GPU 集群，同时不消耗其他环节所需的处理能力。

VDURA 将该平台定位为适用于从 8 块 GPU 到 100,000 块 GPU 部署的一体化软件栈。这是一项广泛的适用性主张，而非证明某一家客户当前已在整个范围内运行 V12。

公司还表示，其底层 PanFS 技术已在 50 多个国家的逾 1,000 个生产部署中应用。这段历史主要属于 VDURA 先前的身份 Panasas 及其高性能计算业务。

这一区别很重要。并行文件系统的长期应用记录支持 VDURA 的技术可信度，但并不能自动证明 V12 新增的租户控制、API 和分层功能能够在商业 GPU 云中取得成功。

最初的 发布报道恰当地将这一举措界定为向 neocloud 和企业客户的扩张。VDURA 正将源于科学计算的技术，改造为适配基础设施即服务运营模式的产品。

这一变化构成了本文的核心张力。VDURA 不只是试图加快数据传输速度；它是在要求服务商信任一个平台来承载性能、隔离、容量管理和面向客户的存储生命周期。

为什么 Neocloud 存储已成为企业级问题

Neocloud 无法仅靠提供 GPU 赢得长期企业合同，因为采购方同样期待云式安全、治理和可预测的服务水平。

GPU 的可用性为专业服务商创造了机会。企业需要比传统云容量或内部采购更快获得加速计算能力。Neocloud 围绕这一短缺建立了业务。

下一阶段需要更多能力。企业客户带来敏感数据集、受监管工作负载、正常运行时间要求和采购审查。他们希望即使底层基础设施服务于众多组织，其数据依然保持隔离。

Gartner 将 neocloud 定义为专为 AI 和高性能工作负载打造的服务商。根据其 neocloud 预测，该机构预计到 2030 年，neocloud 将占据预计规模达 2,670 亿美元的 AI 云市场的 20%。

这一预测为存储供应商重新定位提供了明确动力。如果 neocloud 获得企业工作负载，其存储要求将更接近超大规模云服务商的要求。它们需要自动配置、租户级安全性、多种访问协议、运营遥测和受控故障域。

V12 直接瞄准了这些需求。VDURA 表示，每个租户都可获得隔离命名空间、服务质量策略、配额、加密和网络边界。存储集还可在更大的平台内建立独立的硬件故障域。

其商业目的很直接。隔离让服务商能够将同一套物理资源池出售给多个客户，而不让每个租户暴露于相同的性能或安全事件中。

检查点突发便说明了这一问题。训练系统会定期保存模型状态，以便在故障后恢复工作。这些写入可能形成大量同步流量峰值，从而影响共享存储上的相邻工作负载。

服务质量控制旨在防止一个租户的检查点占用另一租户推理服务所需的带宽。然而，这些控制的有效性取决于实际工作负载、集群设计，以及在争用情况下的执行效果。

安全性又增加了一层复杂性。VDURA 表示，V12 可为租户卷应用独立的 AES-256 加密密钥，还支持基于 VLAN 的网络隔离和基于角色的访问控制。

这些功能有助于回应企业安全审查，但功能本身并不能证明合规性。采购方仍需要文档、审计证据、身份集成、经过测试的恢复程序，以及清晰的责任边界。

计费同样重要。Neocloud 需要将存储消耗与客户账单关联起来，就像衡量 GPU 使用时间一样。V12 的 API 优先模式旨在通过服务商现有门户公开用量，并自动化卷管理。

企业期望正是在这里对 VDURA 及其客户形成压力。Neocloud 必须提供一致的服务，而不是一组高速组件的集合。存储故障、配置延迟和“吵闹邻居”都会成为面向客户的业务问题。

这种压力也在向反方向传导。运营私有 AI 基础设施的企业越来越希望在自身数据中心内获得云式控制能力。他们需要让团队共享 GPU 集群，却不共享对所有数据集的无限制访问权限。

因此，VDURA 能够以一套架构追求两个相关市场。Neocloud 可以销售隔离存储服务，企业则可在部门、项目或受监管工作负载之间划分基础设施。

不过，这些客户评估产品的方式不同。Neocloud 运营商关注利用率、自动化和客户接入；企业采购方还会考量集成、支持、治理、迁移风险和供应商长期稳定性。

服务两类客户为 VDURA 带来更大机遇，但也提高了执行难度。公司必须让可能没有高性能计算专家的团队也能使用专业并行存储。

VDURA 对 Neocloud 存储的押注是混合架构，而非全闪存

VDURA 的核心论点是经济性：闪存应服务活跃数据，而硬盘则应在同一命名空间和控制平面中承载较冷的数据容量。

AI 基础设施讨论往往聚焦于 GPU 数量和网络带宽。当存储拖慢训练、模型加载、检查点创建或推理请求时，它才会变得显眼。

最直接的性能应对方案是部署更多闪存。这种做法能够降低延迟并提供高吞吐量，但会使每个数据集都存放在相对昂贵的介质上。训练归档和旧检查点即使很少被访问，也可能占用高成本容量。

VDURA 提出采用混合资源池。NVMe 闪存处理活跃工作数据，高容量硬盘则保留较冷的信息。软件通过一个平台呈现两种介质，并根据访问模式移动数据。

公司将其称为 Context-Aware Tiering。VDURA 表示，大约 90% 的文件可保留在闪存上，而约 90% 的总容量可落在磁盘上。这些比例描述的是其预期的数据放置模型，并非适用于每项工作负载的普遍结果。

文件数量与容量之间的区别，使这项主张在原则上具备合理性。AI 数据集可能包含大量被频繁访问的小文件，以及数量较少但体积庞大的检查点、归档和模型版本。

然而，放置准确性至关重要。将错误的数据集迁移至较慢介质，可能延迟训练重启或增加首个 token 的生成时间。将过多数据留在闪存上则会削弱预期节省。

VDURA 表示，其设计避免使用存根文件和手动回迁。存根是在数据移动到另一层后留下的占位符。传统检索工作流可能在应用程序意外请求归档信息时造成延迟。

公司声称，V12 会追踪访问行为，并将重新升温的数据返回闪存。采购方应结合自身的检查点节奏、模型大小、文件分布和推理模式测试这一行为。

闪存定价使这一论点更具现实意义。VDURA 自己的指数显示，企业 SSD 价格较 2025 年水平大幅上涨。独立报道发现，这一广泛涨势与其他市场指标一致，尽管报道也质疑了 VDURA 的抽样方法及其修订后的历史数据。

一项闪存价格分析指出，VDURA 曾修改此前发布的历史价格。该分析还警告称，该公司将由供应商自行定义的闪存样本与新客户未必能够获得的硬盘价格进行比较。

这一批评并不能消除经济层面的问题，但说明买家不应将供应商指数视为中立基准。介质供给、合同规模、硬盘耐久性、折扣和支持条款，都可能显著改变计算结果。

VDURA 对其混合架构提出了更多主张。该公司称，约 20 PB 的配置可覆盖 35 倍的性能范围；还称其每瓦性能超过竞争方案的两倍，总拥有成本则低逾 60%。

这些数字需要谨慎解读。VDURA 尚未提供覆盖所有工作负载和竞争架构的、经独立审计的公开结果。可用容量、吞吐量、功耗和韧性等比较，都会受到配置选择的显著影响。

因此，该平台最强的价值主张是灵活性，而非某个单一百分比。运营商可以为带宽增加闪存，或为容量增加硬盘，而无需创建独立的命名空间。这让基础设施团队能够随着工作负载和价格变化调整介质组合。

这一机制挑战了全闪存的定位，但并不意味着全闪存系统不合理。某些环境更看重始终如一的低延迟、更简单的性能建模，或更小的物理占地，而非介质成本。

推理工作负载也可能改变这种平衡。对模型权重、嵌入向量、检索语料库或持久上下文的重复访问，可能使更大比例的数据保持活跃。混合设计必须识别这些活跃数据集，同时避免产生不可预测的停顿。

功耗又增加了一个维度。GPU 设施往往面临固定的电力限制。耗电更少的存储可以为加速器留出更多容量，但硬盘同样需要机架、控制器、冷却和运维关注。

相关的比较并非孤立地比较闪存和硬盘，而是在约定性能和可用性水平下比较完整的服务成本。这包括硬件、软件、网络、支持、电力、机房空间和管理投入。

VDURA Data Platform V12 为运营商提供了另一种构建这种平衡的方式。其经济性是否成立，将取决于透明的容量规划和生产环境证据，而不是不同介质类型之间的理论价格差异。

成熟的 AI 存储供应商已覆盖同一领域

VDURA 进入的是一个竞争激烈的市场，DDN、VAST Data 和 WEKA 已将存储性能与 GPU 利用率及租户隔离相结合。

VDURA 的核心对手并非某一家特定供应商，而是成熟的、以全闪存为先的 AI 存储方案；其竞争者拥有成熟的产品和客户关系。

WEKA 向专业云服务提供商推广其平台，强调安全的租户隔离、共享基础设施，以及旨在限制“吵闹邻居”效应的控制机制。其云服务平台还强调 GPU 利用率、能效、元数据性能和渐进式扩展。

VAST Data 通过隔离的数据路径和资源控制支持多个租户。该公司将其平台定位为面向云服务提供商的全闪存基础，结合文件、对象和块访问以及数据缩减能力。

DDN 则凭借其在高性能计算领域的长期积累进入市场。根据该公司的AI 平台发布公告，其 2026 年发布的产品增加了多租户训练功能和 GPU 到数据的直接路径。

这些竞争对手削弱了多租户或面向 GPU 的数据路径是 V12 独有能力的说法。买家已可在多个平台上获得隔离、Kubernetes 集成、自动化和高吞吐存储。

VDURA 的差异化在于其如何组合这些能力。它推广跨闪存和硬盘的统一命名空间、容量与性能的独立扩展、通用服务器选项，以及继承自 PanFS 的文件级保护。

其软件定义模型还可降低对特定硬件的依赖。VDURA 认证了来自多个基础设施供应商的配置，不过 V12 的发布赋予 Supermicro 核心角色。

这种灵活性可能会吸引在不同地区建设业务的服务商。硬件可得性和采购关系因市场而异。绑定单一设备设计的存储产品，可能会使快速扩张变得复杂。

开放硬件仍然带来认证要求。运营商不能假设每种服务器、硬盘、网络适配器和固件组合都能表现一致。认证矩阵和支持边界仍然重要。

VDURA 的历史传承构成了另一处对比。早在 AI 基础设施成为行业核心投资主题之前，Panasas 就已为科研和工程工作负载开发并行文件存储。

这种经验覆盖了大型数据集、并发客户端、元数据压力和故障恢复。它为 VDURA 提供了可信的技术基础，但商业环境已发生变化。

研究机构可能为受信任的内部用户运行一套存储系统。新型云服务商则必须接入外部客户、隔离客户、计量其使用情况，并满足合同服务等级。这些职责所需的不只是并行吞吐量。

V12 的新控制平面承认了这一差距。平台、存储集和卷的层级结构，为运营商提供了用于集群管理、故障隔离和租户配置的不同层级。

尚未解答的问题是：这一模型是否能自然融入云服务提供商更广泛的技术栈。存储必须与身份系统、客户门户、调度器、监控、计费和事件响应集成。

API 可用性只是第一步。服务商还会考察 API 稳定性、错误处理、升级行为、可观测性和自动化覆盖范围。随着租户数量增长，人工例外处理可能抹去预期的运营节省。

竞争压力也将限制定价和验证要求。评估 VDURA 的买家不仅会比较标称吞吐量，还会比较故障、重建、分层迁移和并发租户活动期间的有效性能。

他们会询问系统在硬盘或节点故障后恢复冗余的速度。他们会测量尾延迟，而不仅是峰值带宽。他们还会测试一个租户是否能在检查点写入突发期间影响另一个租户。

VDURA 的耐久性声明同样值得严格审视。该公司不同页面近期显示了不同的最高耐久性数字，包括八个九和十二个九。配置假设似乎至少解释了部分差异。

该公司应明确说明每个数字对应的硬件、保护方案、故障模型和工作负载。买家需要的是可验证的服务等级设计，而不是脱离配置的最高数字。

持久上下文是另一个正在形成的战场。据 VDURA 称，V12 可以将键值缓存数据存储在 GPU 内存之外。KV cache 会保留中间注意力数据，使推理系统无需重复进行此前的全部计算。

这一想法对长时间运行的助手和多轮服务颇具吸引力。不过，其实际价值取决于模型架构、缓存大小、网络延迟、存储行为以及与推理栈的集成。

竞争对手也在围绕推理数据和 GPU 内存压力寻求类似机会。因此，实施合作伙伴关系和经过测量的应用结果，比功能标签更重要。

VDURA 可以参与这场竞争，但不能依赖该类别的新颖性。它需要证明，混合放置能够在保持应用性能的同时，降低交付 GPU 服务的完整成本。

VDURA Data Platform V12 的主张仍需证明什么

下一项测试是生产环境证据：证明 V12 能在跨混合介质迁移数据时保持租户隔离和 GPU 吞吐量。

三个信号将决定 VDURA 的扩张是否奏效。

第一个信号是在具有实际规模的情况下获得具名新型云服务商采用。VDURA 曾表示其历史部署超过 1,000 个，但这一数字涵盖更早期的产品、市场和客户类型。

有力的验证将明确指出：某家商业 GPU 服务商正在 V12 上运行多个外部租户。有价值的细节包括集群规模、租户数量、介质组合、支持的工作负载和运营时长。

匿名部署仍可提供技术证据，但会限制独立审查。公开的参考客户有助于买家区分已安装的 PanFS 历史与 V12 新服务商功能的实际采用情况。

第二个信号是对混合性能进行可复现测试。VDURA 需要提供涵盖分层迁移、检查点写入、模型加载、推理读取和并发租户需求下故障恢复的结果。

峰值吞吐量只能说明部分情况。运营商需要百分位延迟、带宽一致性、恢复时长、管理开销以及应用层 GPU 利用率。

最具参考价值的比较应保持服务结果不变。它应在相同数据集、保护级别、工作负载和目标 GPU 供给速率下，比较混合配置与全闪存配置。

这类测试可能会强化 VDURA 的成本论点，也可能揭示某些工作负载所需的闪存比其宣传示例所暗示的更多。无论哪种结果，都会帮助客户更负责任地规划系统容量。

第三个信号是正式全面发布后的运营成熟度。V11 客户现在拥有升级路径，而这些升级可能暴露受控演示中遗漏的问题。

买家应关注发行说明、支持的集成、控制平面更新和有关升级行为的报告。他们还应考察 API 操作是否能覆盖完整的租户生命周期，而无需反复人工干预。

安全验证也属于这一类别。每租户密钥和网络隔离是有用的控制手段，但服务商还需要经过测试的边界执行、审计追踪、漏洞处理和恢复程序。

竞争对手的反应将提供另一个有用指标。如果 DDN、VAST Data 或 WEKA 更积极地强调混合经济性，VDURA 可能已经识别出一个重要的采购关切。

反之，如果竞争对手凭借更高密度的全闪存系统和更强的数据缩减能力获胜，VDURA 的介质成本优势可能会收窄。存储架构很少能简化为硬盘类型之间的单纯竞争。

新型云服务商的经济性也仍不确定。专业服务商面临高额资本投入、客户集中、加速器供应变化以及来自超大规模云服务商的竞争。存储效率无法修复薄弱的计算业务模式。

不过，它可以在运营层面影响利润率。更快的接入能更早形成可计费容量；更好的隔离可扩大客户群；可预测的吞吐量能够减少加速器闲置时间。

这些优势解释了 VDURA 为何此时进军这一市场。GPU 服务商日益需要企业级能力，而企业买家也越来越多地运营着类似私有 AI 云的基础设施。

VDURA Data Platform V12 正处于这一融合点。其多租户控制平面解决服务模式问题，而其混合介质设计则解决成本模式问题。

这一战略是连贯的，但结果尚未尘埃落定。VDURA 已将恰当的能力类别引入一个早已理解其重要性的市场。

决定性问题在于：单一混合平台能否提供云式运营，同时避免不可预测的存储行为。未来数月，公开部署案例和独立工作负载数据应能回答这一问题。

正在评估 V12 的基础设施团队，应先从自身的访问模式入手：哪些数据集持续处于热数据状态？检查点会以多高频率回写？每个应用能够容忍多长的延迟？

随后，他们应在压力条件下测试隔离能力，而不只是在稳态演示中观察表现。一项有说服力的试点应同时结合训练、推理、分层迁移以及模拟组件故障。

最后，采购方应比较完整的服务经济性，而非仅看介质成本的宣传数字。审查范围应包括电力、网络、人员配置、支持服务、可用容量、恢复能力，以及 GPU 等待时造成的营收损失。

VDURA 已不再只是为单一可信集群销售存储。它如今希望成为 GPU 服务和企业 AI 运营基础的一部分。

这一雄心让 V12 值得关注。接下来真正重要的证据，将来自运行相互竞争工作负载的客户，而不是又一个最大吞吐量数字。