簡報 · 半導體
NVIDIA 為企業儲存提出整合式 DPU 與網路堆疊:附加率經濟與 Dynamo 連結
NVIDIA 正式公布面向企業 AI 儲存工作負載的 Blackwell-BlueField-Spectrum-X 整合堆疊。Guidances 於 2026 年 6 月 24 日收錄此資料,而搜尋提供者標示的日期為 2025 年 3 月,但在來源頁面層級尚未獲得驗證。此次公告顯示,DPU 卸載與自適應網路被應用於儲存 I/O 路徑,可能使每個機架的營收範圍超出 GPU 運算本身。開源推理函式庫 Dynamo 則是儲存供應商與企業建構者需要評估的另一個軟體整合點。
Guidances 編輯台 · Updated June 25, 2026 · 已審閱來源

發生了什麼
NVIDIA 官方新聞中心發布了一則公告——Guidances 於 2026 年 6 月 24 日收錄,搜尋提供者標示的日期為 2025 年 3 月,但在來源頁面層級尚未獲得驗證——內容描述其與儲存產業合作夥伴共同推動一項計畫,旨在為運行於企業資料儲存庫之上的 AI 工作負載,定位一套新的整合式硬體與軟體堆疊。來源頁面的發布日期無法確認;讀者應直接透過 NVIDIA 官方管道核實當前產品與合作夥伴狀態。
公開的架構包含四個彼此連動的層次。Blackwell GPU 負責運算密集型推理工作。BlueField 資料處理單元(DPU)在儲存 I/O 抵達 CPU 之前即予以攔截,並在專用晶片中處理通訊協定與資料搬移。Spectrum-X 網路負責管理儲存陣列與運算節點之間的流量路徑,採用自適應路由與壅塞控制,而非依賴靜態乙太網路轉送。Dynamo 開源推理函式庫則提供將這些硬體層連結起來的軟體抽象,並向應用程式開發者提供統一介面。
所披露的效能數據已足以支撐採購論證。NVIDIA 宣稱,Spectrum-X 透過流量感知路由,而非單純提升連線速度,可使 AI 儲存流量相較傳統乙太網路最高加速 48%。BlueField DPU 則被指可在儲存吞吐量上達到 CPU 基礎方案的最高 1.6 倍,同時將功耗降低最高 50%,兩者合併後,單位瓦特效能提升超過三倍。這些數據均以「最高可達」的形式在基準測試條件下呈現;在異質化的企業環境中,實際結果會有所不同,且現有來源材料並未引用任何獨立第三方驗證。
為何市場關注
此項策略的核心不僅在於效能,也在於附加率。每一個出貨至企業資料中心的 Blackwell GPU 機架,都為 BlueField DPU 與 Spectrum-X 交換器創造潛在的附加點。若 NVIDIA 能將其 DPU 與網路產品建立為 AI 儲存工作負載的合格參考架構,則每個已部署機架的營收可望超越 GPU 本身。這與伺服器網路從一般附加元件演變為差異化基礎設施層的路徑,屬於相同的平台延伸邏輯。
對儲存供應商而言,此公告帶來一項重要的資格認定問題。評估 AI 基礎設施提案的企業 IT 採購者,可能會詢問某一儲存系統是否已針對 NVIDIA 的 DPU 與網路堆疊完成驗證。若供應商延後完成資格認定,即使其原始儲存效能具競爭力,在競標中也可能被視為較不有利。此公告實際上將評估標準從單純的儲存吞吐量,轉向 AI 推理管線中的儲存吞吐量。
支撐這項計畫的商業規模相當可觀。市場資料背景足以使即便是相鄰的基礎設施類別也具備實質意義:截至 2026 年 6 月 25 日,年度營收為 2159 億美元,近期營收成長率為 +65.5%,近十二個月營業利益率為 +64.0%,市值為 4.76 兆美元。這些數據反映 NVIDIA 進入任何新產品類別時所帶來的定價能力與生態系槓桿。由如此規模的既有部署基礎與開發者生態系所支撐的儲存層計畫,勢必會引起既有供應商的關注。
對企業 IT 採購者而言,這種重新定位也影響預算配置。若一項儲存更新可被定位為 AI 基礎設施投資,而非例行性的容量升級,則其將與不同、通常也更大的預算池競爭。這種動態會影響採購時程與交易規模,而這正是 NVIDIA 市場推進敘事所意圖支持的結果。
技術與政策連結
Dynamo 推理函式庫值得獨立於硬體主張之外進行分析。開源發佈降低了初始整合門檻:儲存供應商與企業開發者可在不承諾授權的情況下,先以 Dynamo 的抽象層進行建構。然而,一旦某供應商的軟體堆疊圍繞 Dynamo 的資料搬移與排程介面進行最佳化,轉向其他推理執行環境,或轉向不同的底層硬體平台,成本便可能上升。這是基礎設施軟體中常見的平台依賴模式。
公告中較少呈現政策層面,但對國際部署而言具有實質相關性。NVIDIA 的硬體元件,包括 Blackwell GPU 與 BlueField DPU,在某些司法管轄區可能受美國出口許可要求約束。金融服務、醫療與政府部門的企業買家,在部署包含受管制元件的整合式 AI 基礎設施堆疊時,可能面臨額外的合規審查。現有來源材料並未處理這些限制,但在受監管的國際市場中,這仍是影響採購時程的重要變數。
電力效率是第三個與政策相鄰的變數。DPU 卸載可使功耗降低 50% 的主張,與面臨電力容量限制、購電協議上限與強制碳揭露框架的資料中心營運者直接相關。在電網容量緊張或永續揭露義務趨嚴的市場中,可信的單位瓦特效能改善,可能獨立於原始吞吐量基準之外,影響採購決策。
市場視角
觸發因素: NVIDIA 正式披露一套整合式 Blackwell-BlueField-Spectrum-X 堆疊,並針對企業 AI 儲存工作負載提出具體的單位瓦特效能與吞吐量主張。
機制: 若儲存供應商對此堆疊完成資格認定,BlueField DPU 與 Spectrum-X 的附加率可望隨 Blackwell GPU 部署一同提升,進而擴大 NVIDIA 每個資料中心機架的營收範圍。Dynamo 被儲存軟體堆疊採用後,隨時間推移可形成轉換成本障礙。若 Spectrum-X 取得合格參考架構地位,既有乙太網路網路供應商在 AI 儲存流量路徑上可能面臨競爭壓力。
受影響產業: 企業儲存硬體供應商、資料中心網路供應商,以及評估 AI 推理基礎設施更新的超大規模與企業雲端營運者。NVIDIA 是來源中明確指出的主要受益者。
時間範圍: 企業儲存的驗證與採購週期,從公告到大規模部署通常需要 6 至 18 個月。DPU 與網路部門的營收影響較可能反映在 2026 與 2027 會計年度,而非立即顯現。
下一個確認點: 需要觀察的關鍵不是某個特定財報日期,而是分部揭露與合作夥伴驗證的內容。應留意是否出現明確的儲存系統參考架構、管理層對網路與 DPU 營收貢獻的說明,以及 Dynamo 整合生態系的開發活動。只有在這些訊號出現後,才能判斷這項儲存路徑策略是否已從技術定位,進一步連結到平台營收擴張。
本分析屬於市場背景資訊,並非投資建議。
接下來值得關注的事項
若要判斷此次公告究竟代表持續性的基礎設施轉型,還是僅為一項需要更長時間才會轉化為採購的定位宣示,則有若干具體觀察點。
明確的儲存合作夥伴驗證公告。 目前來源提及儲存產業領導者共同參與,但未列出名稱。某一特定供應商公開包含 BlueField DPU 與 Spectrum-X 的已驗證參考架構之時點,將是該堆疊從公告走向可部署產品的第一個可觀察訊號。當前合作夥伴未具名,屬於重要資訊缺口。
Dynamo 生態系指標。 作為開源專案,Dynamo 的貢獻者數量、儲存供應商的整合拉取請求,以及下游函式庫的採用情況,都是在營收顯現之前衡量生態系動能的可觀察指標。若出現儲存供應商對 Dynamo 程式碼庫的貢獻模式,則可視為軟體依賴路徑已開始成形的訊號。
大型 IT 買家的資本支出指引。 金融機構、醫療系統與製造業大型企業,可能在自身財報與資本支出揭露中釋出 AI 基礎設施更新意向。若企業資本支出計畫中出現儲存層 AI 升級項目,便可從買方角度驗證 NVIDIA 論述的需求面。
獨立的電力與效能基準測試。 所有公開效能數據中的「最高可達」表述,都意味著需要在真實企業工作負載條件下進行第三方驗證。若資料中心營運者揭露與 DPU 卸載相關的電力使用效率(PUE)改善,將是最具可信度的外部驗證。
出口管制與合規動態。 任何影響 Blackwell GPU 或 BlueField DPU 的美國出口許可要求變化,都可能直接影響此整合堆疊在國際企業部署中的可用市場。受監管產業的採購負責人應持續監測工業與安全局(BIS)等相關主管機關的法規更新,作為背景風險。
不確定性與限制
來源的公開日期在頁面層級尚未獲得驗證。搜尋提供者標示為 2025 年 3 月,但 Guidances 無法將其確認為正式發布日期。因此,這項公告可能已被更新,或已由後續產品揭露補充;目前的產品可用性與合作夥伴驗證狀態,仍應直接透過 NVIDIA 官方新聞中心與開發者文件確認。
所引用的效能數據均為基準測試條件下的最高值。在遺留儲存協定、異質網路拓撲、混合工作負載設定,以及既有供應商基礎設施交錯並存的實際部署環境中,結果可能不同。現有來源材料未引用任何獨立第三方驗證,採購負責人在將這些數據納入總持有成本(TCO)模型之前,應僅將其視為方向性指標。
來源亦未討論既有網路與儲存供應商的競爭回應。企業網路與儲存領域的既有領導者同樣擁有自身的 AI 基礎設施路線圖,而 NVIDIA 的整合堆疊究竟會取代還是補充既有基礎設施,將取決於客戶端整合複雜度、既有供應商關係與轉換成本。
建構者啟示
- 推理管線設計者 在為企業 AI 代理建構從內部資料系統擷取上下文的能力時,應先判斷儲存 I/O 延遲是否比 GPU 運算更早成為查詢成本與回應時間的核心瓶頸。若是如此,BlueField DPU 卸載模型與 Dynamo 函式庫便是具體的最佳化路徑,值得在確定儲存架構之前,以實際工作負載輪廓進行驗證。不過,「最高可達」的效能數據,仍應在真實工作負載條件下另行驗證後,再納入採購決策。
- 設計 AI 原生儲存或搜尋系統的基礎設施創業者與平台工程師,應將 Dynamo 的開源提供視為整合訊號。初期整合可加快與 NVIDIA 驗證硬體的上市速度,但若函式庫介面隨時間與工作負載需求發生偏移,架構轉換成本可能升高。在確定以 Dynamo 為中心的架構之前,應審慎評估依賴深度。
- 向資料中心環境銷售的企業軟體供應商,應預先準備面對儲存採購對話逐漸轉向 AI 代理吞吐量與單位瓦特效能指標的情況。針對 BlueField 與 Spectrum-X 參考架構的產品驗證,以及以這些指標為核心的定位,可能成為企業 AI 基礎設施投標的基本門檻。
深入了解
圖表、Market Lens 與本文的完整背景。
Market lens
On-device AI shifts attention from data-center chips to memory allocation and device margins
The useful read is whether local AI features create measurable pressure on memory mix, pricing, and product release schedules.
Impact path
Device AI → memory pressure
Signals to watch
- LPDDR and HBM allocation commentary
- AI PC and phone memory configurations
- Supplier lead times, spot pricing, and margin guidance
Verification schedule
D+1 · Jun 26
Do OEM launches raise baseline memory specs?
D+3 · Jun 28
Do suppliers change allocation or pricing language?
D+7 · Jul 2
Do device margins absorb or pass through memory cost?
Informational context only — not investment, legal, tax, or financial advice.
視覺簡報
A simplified workflow map showing how storage, DPU, networking, and software layers connect in the proposed enterprise AI stack.
Want follow-up alerts? Subscribe by email after reading the public article.
更正與安全
See a factual, privacy, rights, or safety issue? Review the corrections process or contact Guidances before relying on this article for important decisions.