Neu sind der Support für Direct Liquid Cooling, NVIDIA CMX und deutliche Verbesserungen bei Leistung, Energieeffizienz und Kühlungsflexibilität speziell für KI-Workloads…
Die KIOXIA Europe GmbH hat am 30. Juli 2026 im Rahmen seiner CM10-Serie neue SSDs angekündigt.
Die Laufwerke wurden laut Hersteller für anspruchsvolle Enterprise- und KI-Workloads wie KI-Inferenz und Context Caching entwickelt und mit der neuesten TLC-Speichertechnologie BiCS FLASH der 10. Generation des Unternehmens ausgestattet. Zudem unterstützen sie NVIDIA’s CMX Architektur** und sollen gegenüber der Vorgängergeneration (1) deutliche Verbesserungen in Sachen Leistung, Energieeffizienz und Kühlungsflexibilität aufweisen können.
**Anmerkung: CMX = Context Memory Storage. NVIDIA CMX ist eine KI-native Speicherplattform für agentische Workloads und Inferenz mit langem Kontext. Sie wurde entwickelt, um GPUs durch die Auslagerung und gemeinsame Nutzung des Key-Value-Caches (KV-Cache) zu entlasten.
Hintergrund
KI-Modelle werden zunehmend auf Billionen von Parametern skaliert. Dazu wachsen Kontextfenster auf Millionen von Tokens an. Somit steigt auch der Bedarf an leistungsstarkem Speicher für Context Caching immer schneller. Zudem erweitern Architekturen wie NVIDIA CMX die Speicherhierarchie über den GPU-Speicher hinaus, indem sie leistungsstarken Flash-Speicher einbinden. Enterprise-SSDs sind damit ein immer wichtigerer Bestandteil moderner KI-Infrastrukturen.
Die CM10-Serie wurde laut KIOXIA entwickelt, um diese sich wandelnden Anforderungen mit der erforderlichen Leistung, Kapazität und Ausdauer für KI-Implementierungen im großen Maßstab zu erfüllen. Kommentarauszug Paul Rowan, Chief Marketing Officer & Vice President bei der KIOXIA Europe GmbH: „Die Rolle des Speichers wird immer wichtiger. SSDs sind heute ein essenzieller Bestandteil der KI-Inferenz-Pipeline“.
Ankündigungsdetails
Die Laufwerke der CM10-Serie sind die ersten Enterprise-SSDs mit PCIe 6.0 von KIOXIA und bieten Unterstützung für Direct-Cold-Plate Liquid Cooling. Dadurch sollen sich Kühlungskonzepte für KI-Infrastrukturen effizienter umsetzen lassen. Im Vergleich zur vorherigen Generation (1) erreichen die Solid State Drives der CM10-Serie laut Entwickler eine bis zu 92 % höhere sequentielle Lesegeschwindigkeit sowie eine bis zu rund 85 % höhere Random-Read-Performance. Die Performancewerte können dazu beitragen, datenintensive KI-Inferenz- und Enterprise-Anwendungen zu beschleunigen und gleichzeitig die Gesamteffizienz des Systems zu verbessern.
Wichtige Leistungsmerkmale der CM10-Serie (Quelle, Anbieter):
„Konform mit den Spezifikationen PCIe 6.0, NVMe 2.1 und Open Compute Project (OCP) Datacenter NVMe SSD Specification 2.72, einschließlich Unterstützung für NVMe Flexible Data Placement (FDP).
Erhältlich in den Formfaktoren E3.S, E1.S und 2,5 Zoll3; die Formfaktoren E3.S und E1.S mit 9,5 mm unterstützen Direct-Cold-Plate Liquid Cooling (alle Formfaktoren unterstützen zudem die traditionelle Luftkühlung).
Kapazitäten von 1,60 TB bis 61,44 TB (abhängig vom Formfaktor) sowie Ausführungen für leseintensive Anwendungen (1 DWPD) und Mixed-Use-Anwendungen (3 DWPD). Basierend auf der Speichertechnologie KIOXIA BiCS FLASH der 10. Generation mit 332 Layern, die Leistung und Energieeffizienz der SSDs verbessert.
Sicherheitsoptionen umfassen SIE, SED, SED FIPS 140-3 (geplant), die von CNSA 2.0 empfohlene Post-Quantum-Kryptografie sowie Unterstützung für SPDM 1.4 Attestation.“
Bildquelle: KIOXIA.
Die neuen SSDs werden derzeit laut Anbieter an ausgewählte Kunden (4) als Muster ausgeliefert und sollen dann auch auf dem FMS: The Future of Memory and Storage, der vom 4. bis 6. August in Santa Clara (Kalifornien) stattfindet, zu sehen sein.
Quelle: Kioxia
[1] Im Vergleich zu SSDs der CM9-Serie von KIOXIA.
[2] Es werden nicht alle Anforderungen der OCP Datacenter NVMe SSD Specification 2.7 unterstützt.
[3] Der 2,5-Zoll-Formfaktor ist PCIe-5.0-konform und nutzt die TLC-Speichertechnologie KIOXIA BiCS FLASH der 8. Generation.
[4] Diese Muster dienen ausschließlich der Funktionsprüfung; die Spezifikationen der Muster können in der Serienfertigung abweichen.
Querverweis:
Unser Beitrag > Hochdimensionale Vektorsuche auf SSD-Basis anstelle von DRAM: KIOXIA AiSAQ mit NVIDIA Hopper GPUs
Unser Blogpost-Update mit Podcast > KI-Storage-Herausforderungen: Wie kann Speicherplatz im KV-Cache beim Einsatz großer Sprachmodelle und der Vektorsuche optimiert werden?