AI Agent 和大模型应用让存储不再只是容量问题。模型资产、企业知识库、上下文、KV cache、日志和中间结果都在持续读写，存储系统必须在安全、可靠和吞吐之间同时达标。
NVIDIA Developer Blog 介绍了 Vera BlueField-4 STX Storage Processor 的一组基准结果，重点关注加密、解密、纠删码恢复、CRC 校验、压缩、解压缩和多阶段写入管线。
存储数据路径里的 CPU 压力
在 AI 原生工作负载中，写入路径可能需要压缩、加密、校验和冗余计算；读取路径可能需要验证、解密、解压或重建数据。这些任务如果都由传统 CPU 承担，很容易在 SSD、网络和 GPU 之间形成新的瓶颈。
Vera BlueField-4 STX 把 Vera CPU 架构放进存储处理路径中，用 88 个 NVIDIA Olympus Armv9.2 核心、Spatial Multithreading、Scalable Coherency Fabric 和 SOCAMM2 LPDDR5X 内存支撑高并发数据处理。
基准结果说明了什么
在 NVIDIA 公布的测试中，Vera 相比用于对比的 x86 CPU，在 AES-128 加密吞吐上最高提升 1.43 倍，解密最高提升 1.29 倍，Reed-Solomon 恢复最高提升 3.26 倍，CRC32C 校验最高提升 3.67 倍。
压缩与解压缩同样是关键路径：Vera 压缩吞吐最高提升 3.29 倍，解压缩最高提升 1.72 倍；在压缩后再加密的两阶段写入管线中，吞吐最高提升 3.21 倍。
对 AI 集群规划的意义
这些结果说明，AI 基础设施的性能不只取决于 GPU。网络、存储、CPU 侧数据服务、DPU/基础设施处理器都会影响端到端吞吐。
智云时代在做 GPU 集群和高速网络方案时，也会同步关注存储链路、数据保护和网络卸载能力。对 Agentic AI 和企业知识库场景来说，数据能不能稳定、快速、安全地送到 GPU，正在变得和 GPU 本身一样重要。
原文参考：https://developer.nvidia.com/blog/nvidia-vera-storage-benchmarks-faster-encryption-compression-integrity-checking-and-recovery-for-ai-native-storage/