快科技 9 月 22 日消息，2026 云栖大会上，阿里云正式推出面向下一代 AI 训练集群的新一代高性能存储 CPFS（Cloud Parallel File Storage）。

该存储可提供高达百 TB/s 级吞吐和亿级 IOPS，单文件系统规模提升 5 倍至 100PiB，为百万卡模型训练加速，支撑大规模模型训练和多模态数据处理。

在实际训练中，可将模型启动平均耗时降低 50%、峰值算力利用率提升 30%、AI 存储成本降低 69%，业务承载能力翻倍。

随着大模型训练进入规模化阶段，数据集由文本扩展至图片、视频和语音，规模可增长 50 倍甚至百倍；模型参数规模增长约 10 倍，Checkpoint 保存也更加频繁。海量小文件并发读取和 Checkpoint 突发写入由此成为新瓶颈，存储如果无法跟上，昂贵的 GPU 集群就会因数据供给不足而空转。

针对这一问题，新一代 CPFS 采用数据服务与元数据服务分离架构，实现容量和性能的水平扩展。GPU、CPU 节点通过 EFC 弹性客户端和虚拟存储通道，接入分布式元数据和数据服务；结合飞天盘古的分布式持久化存储底座和高性能存储网络，形成从客户端、协议处理到数据落盘的全链路自研链路。

据悉，新一代 CPFS 文件系统容量规模提升 5 倍、元数据性能提升 10 倍、文件数量规模提升 100 倍，单文件系统可扩展至百 PiB 并承载万亿级文件。企业无需为不同训练阶段反复拆分或迁移数据，即可在统一文件系统中管理训练语料、模型参数、Checkpoint 和实验结果，并随 GPU 集群同步扩展容量与吞吐。

针对冷热数据长期并存带来的成本压力，CPFS 还提供智能生命周期管理和冷热分层存储，使不同访问频率的数据自动匹配合适的存储介质，在保障训练性能的同时，整体存储成本最高降低 69%。

以 Qwen 大模型训练为例，采用新一代 CPFS 后，模型启动平均耗时降低 50%，峰值算力利用率提升 30%，业务承载能力翻倍。

面向大模型推理，阿里云同时推出 KVCache 加速引擎—— KVCacheStore。它位于 GPU 显存、主机内存与远端共享存储之间，是基于近计算部署、高性能网络和弹性共享存储构建的新型 G3.5 存储层，以 " 存储换计算 " 承接长上下文、多轮对话和复杂 Agent 任务产生的大量缓存。

KVCacheStore 支持与算力亲和部署，单计算节点吞吐达到 40GB/s，通过 Batch 接口实现百万 QPS，单实例可满足千亿级 KV 存储规模，实测缓存命中率提升 20% 以上。

" 每一次模型的跃迁，都是云存储自我革新的最佳契机。" 阿里云存储产品负责人蒋江伟表示，阿里云将持续推进算、网、存协同创新，让数据更快进入计算、GPU 得到更充分利用，为大模型训练和 AI 应用提供高性能、可扩展且成本可持续优化的存储底座。