铠侠与戴尔实现单机柜157PB对象存储，640块245.76TBSSD集成于16台R7725xd服务器

11月12日，铠侠（Kioxia）与戴尔科技集团联合宣布一项存储技术突破：双方在单个标准42U机柜内实现了157PB（约15.7万TB）的对象存储容量，为全球首次达成该密度的实装方案。该系统并非概念验证，而是基于戴尔ObjectScale软件定义存储平台构建的可商用部署架构，标志着高密度存储向实用化迈出了关键一步。

整套系统由16台戴尔PowerEdge R7725xd服务器组成，每台服务器配置40块铠侠LC9系列企业级NVMe SSD, 共计640块。单盘标称容量为245.76TB，采用E3.L形态规格——这是目前面向数据中心优化的高密度封装形式之一，专为高插槽数、低功耗场景设计。640块盘理论总容量恰好为157.2864PB，四舍五入后即为157PB。所有硬件被紧凑整合进一个标准机柜，物理空间利用率显著提升。

该方案的核心硬件是铠侠LC9系列SSD，基于其第八代BiCS FLASH 3D QLC闪存技术，采用32 Die堆叠架构，单颗Die容量达7.68TB。E3.L规格下最高可达245.76TB，而2.5英寸与E3.S版本则上限为122.88TB}。LC9系列符合PCIe 5.0、NVMe 2.0及NVMe-MI 1.2c规范，并支持Open Compute Project（OCP）v2.5部分要求，具备灵活数据放置（FDP）功能；安全层面提供SIE、SED加密及FIPS 140-3认证，固件签名支持CNSA 2.0标准。其平均故障间隔时间（MTTF）标称为250万小时，同时内置闪存颗粒级故障保护机制，以应对高密度部署下的潜在风险。

软件层则依托戴尔ObjectScale对象存储平台。ObjectScale是戴尔面向云规模与企业级场景开发的软件定义对象存储系统，专为处理海量非结构化数据而设计，典型应用场景包括AI模型训练数据集管理、视频监控归档、基因组学分析及云原生应用持久化存储。与传统块存储或文件系统不同，对象存储通过元数据标签实现高效索引与横向扩展，更适配现代数据湖与AI工作流。

此次合作的现实意义在于回应AI时代的数据爆炸压力。据戴尔产品与工程高级副总裁George Papadopoulos介绍，当前AI训练对非结构化数据的需求呈指数级增长，但数据中心的物理空间、供电与散热能力却难以同步扩容。高容量SSD使客户能在不新增机柜的前提下大幅提升存储密度——157PB仅占一个机柜，若使用传统15TB企业级SSD，则需超过1000块硬盘，对应至少30台服务器与3个以上机柜。这不仅节省了机房占地，也降低了布线复杂度、PDU配置成本及冷却能耗。

铠侠美国SSD业务负责人Faraz Velani进一步指出，LC9系列让戴尔得以将“海量数据整合到更少系统中”，从而改善整体数据中心效率与可扩展性。从经济角度看，尽管单盘成本高昂（海外分销商报价约2.1万至3万美元，约合14万至20.1万元人民币），640块硬盘总值达8985万至1.28亿元人民币，但单位TB成本仍低于多盘拼接方案的综合TCO（总拥有成本），尤其在空间受限的边缘节点或超大规模云设施中优势明显。

然而，高密度也带来新的可靠性挑战。单机柜集中157PB数据意味着任一服务器发生物理故障，可能影响的数据量远超以往分散式架构。对此，ObjectScale平台本身支持纠删码（erasure coding）、跨节点副本冗余及自动重建机制；结合LC9的颗粒级保护与高MTTF指标，系统可在容忍部分硬件失效的同时保障服务连续性。但行业专家提醒，此类方案更适合冷热分层架构中的“热数据缓存层”或“中间训练集暂存区”，而非唯一主存储，需配合异地容灾与备份策略共同使用。

从技术演进脉络看，此次突破是存储介质、接口协议与软件栈协同进步的结果。PCIe 5.0带宽翻倍（单通道≈8GB/s）使245TB SSD能维持合理读写性能；NVMe 2.0规范强化了多命名空间与持久化内存语义支持；而ObjectScale作为轻量级、无单点瓶颈的对象存储引擎，可在有限节点上调度数千块SSD的I/O资源。三者结合，才使得“单柜百PB级”从纸面参数变为可部署方案。

值得注意的是，铠侠LC9并非唯一高容量选手。西部数据已推出240TB Ultrastar DC HC650，三星也有240TB PM1743原型，但均未公开实装于单机柜157PB级系统。戴尔选择与铠侠深度整合，既因后者在QLC企业级应用上的成熟经验，也与其在OCP生态中的兼容性有关。未来，随着BiCS FLASH第九代技术落地，300TB+ SSD有望在2027年进入量产阶段，单柜容量或将进一步逼近200PB。

当前，该方案已面向大型云服务商、AI实验室及科研机构开放评估。戴尔表示，首批客户反馈聚焦于训练数据预处理流水线的加速效果——在ImageNet等基准数据集加载环节，IOPS与吞吐量提升显著，减少了GPU等待时间。对于追求极致算力密度的组织而言，存储瓶颈的缓解，正成为下一阶段AI基础设施升级的关键支点。

高密度存储不会替代分布式架构，但会重塑其层级分工。当单机柜能承载相当于一座小型图书馆全部藏书的数字副本时，数据的“搬运成本”与“访问延迟”将重新被定义。这场由铠侠与戴尔推动的密度革命，正在悄然改写数据中心的物理边界。