这是什么

NVIDIA 这周发布了两件东西：cuObject 和 SCADA Server SDK。直白说，过去 AI 模型要读硬盘里的数据，得先经过 CPU 这个'中转站'，再传给 GPU 去算。NVIDIA 现在开了一条'直连通道'，让 GPU 直接读硬盘，跳过 CPU。

要解决的具体痛点是：AI 训练、微调（用额外数据继续训练一个小模型）、推理时取数据（相当于 AI 回答问题前先翻资料）这些场景，数据量越来越大，CPU 中转越来越慢。NVIDIA 自称新方案能把数据吞吐提升最高 7 倍。

行业怎么看

编辑部的判断是：这是一个信号——AI 行业的瓶颈正从'算力不够'转向'数据喂不进去'。

看好的一方认为，存储直连会进一步压低 AI 推理成本，未来大模型跑在企业本地服务器（公司自己买的、不在云上的服务器）上会更便宜、更快。这对 AWS、阿里云、腾讯云等云厂商的存储业务是个新变量。

持保留意见的声音也不少。首先，cuObject 是 NVIDIA 专有生态，绑定 CUDA（NVIDIA GPU 的编程框架，相当于显卡的'操作系统'），企业一旦用上就进一步锁定 NVIDIA，对其他 GPU 厂商议价能力削弱。Gartner 已多次预警 AI 基础设施存在'供应商集中度过高'的风险。

对普通人的影响

对企业 IT：未来 12-18 个月，企业本地部署的 AI 服务价格有望继续下降，技术供应商会主动推'GPU + 存储'打包方案。

对个人职场：短期感受不到。但如果公司正在评估'上不上 AI、用哪家'，可以把'数据量多大、是否需要本地部署'作为判断维度，不只看模型跑分。

对消费市场：云端 AI 助手、AI 搜索的卡顿感会越来越少，同时服务更多用户不卡顿的能力会改善。