2026 年 3 月 16 日，Jensen Huang 在 GTC 2026 keynote 上展示 Vera Rubin 系统时，指着一个全新的机架说："BlueField-4 STX，我们的新存储平台。" 紧接着他补充："100% 的存储行业正在加入我们这个系统。"

这意味着 NVIDIA 在 AI 工厂的全栈布局中，补上了最后一块拼图——存储层。

Vera Rubin 系统由四大机架组成：

• GPU 计算（Vera Rubin NVL72）；

• CPU 编排（Vera CPU）；

• 网络互联（Spectrum-X）；

• AI 存储（BlueField-4 STX）。

存储首次作为独立机架与 GPU 并列，成为 AI 工厂的第四根支柱。

从 CES 2026 的 ICMS（Inference Context Memory Storage）到 GTC 2026 的 CMX（Context Memory），再到 STX（Storage Technology eXtension）参考架构，NVIDIA 仅用三个月就完成了从"技术概念"到"行业标准"的跃迁。对所有参与 AI 基础设施建设的厂商和客户来说，这是一个信号：NVIDIA 不再只定义计算和网络的标准——存储层的规则，也由它来写了。

发生了什么:三个月，三次升级

1、CES 2026（1 月）：ICMS —— 一个存储层级概念

Jensen 在 CES 上首次提出 ICMS（Inference Context Memory Storage），在 GPU 显存和传统存储之间插入一个以太网直连闪存层（G3.5），专门存放 KV Cache。当时 ICMS 还只是一个技术概念，没有独立产品页，没有硬件出货时间。

2、GTC 2026（3 月）：CMX —— 一个产品

三个月后，ICMS 改名为 CMX（Context Memory eXtension），三个变化值得注意：

• 丢掉了 "Inference"

虽然当前主要服务推理场景，但 NVIDIA 显然不想把这个平台限定在单一场景，为未来扩展留了空间。

• 丢掉了 "Storage"

不再叫存储，叫"上下文内存"，强调内存级响应速度。

• 加了 "X" 后缀

对齐 CUDA-X、Spectrum-X 品牌体系，"X"在 NVIDIA 体系里意味着平台化、可扩展、生态化。

CMX 有了独立产品页，STX 架构下 CMX 的早期采用者包括 CoreWeave、Crusoe、IREN、Lambda、Mistral AI、Nebius、OCI、Vultr。

3、同时：STX —— 一套 AI 存储标准

CMX 解决的是 KV Cache 存储的问题，但 NVIDIA 的野心不止于此。CMX 之上，NVIDIA 发布了更大的框架——STX（Storage Technology eXtension），一个模块化参考架构，定义了 AI 原生存储应该长什么样：Vera CPU + BlueField-4 DPU + Spectrum-X 网络 + CMX 上下文内存，四个组件搭积木。并且宣布了 3 家硬件制造商（AIC、Supermicro、QCT），2026 下半年出货。

如果 Dynamo 是 AI 推理的"操作系统"，那 STX 就是 AI 存储的"主板规范"。

为什么现在：AI 推理对存储的需求发生了质变

Jensen 在 keynote 中用一段话点明了这个变化：

"大型语言模型正在变得越来越大。它会更快地生成越来越多的 token。所以它可以思考得更快，但它也必须访问内存。它会对内存造成巨大压力。KV Cache、结构化数据 cuDF、非结构化数据 cuVS——它会对存储系统造成巨大压力。这就是我们重新设计存储系统的原因。"

—— Jensen Huang, GTC 2026 Keynote

这段话揭示了两个关键变化：

1、为什么会造成巨大压力

• 第一个压力：速度

模型越来越大，生成 token 越来越快，意味着读写 KV Cache 的频率和带宽需求在指数增长。传统存储是为人类使用模式设计的——低频、能容忍延迟。但 AI Agent 每做一步思考都要读写 KV Cache，多轮对话中 90% 以上的 prompt prefix 是重复的，每一次都要以极低延迟返回。存储系统面对的不再是"人在等数据"，而是"GPU 在等数据"——GPU 等不起。

"以前人用存储，以后 AI 用存储"。

• 第二个压力：容量

Jensen 提到的不只是 KV Cache，还有 cuDF（结构化数据）和 cuVS（非结构化数据/向量）。当百万级 token 上下文窗口（Claude Opus 4.6 / GPT-5.x）成为常态，单个 Session 的 KV Cache 可达几十 GB。而 GPU 显存（HBM）单卡仅 80-288 GB，其中 60-70% 已被模型权重占用。主机内存（DRAM）虽有 TB 级容量，但成本是 SSD 的 100 倍。

当并发 Session 数增加、上下文窗口增长到百万级时，HBM + DRAM 必然溢出。L3（基于 NVMe SSD 的持久化 KV Cache 存储）从"可选优化"变成了"基础设施刚需"。

而 L3 的价值已经被数据验证，在 Agent 时代的典型工作负载下，KV Cache 命中率可以达到 80% 以上：

80% 命中率意味着推理吞吐接近 3 倍提升——不是靠更强的 GPU，而是靠不重复计算已经算过的上下文。

2、"重新设计"意味着什么

Jensen 说的"重新设计存储系统"，不是让传统存储跑得更快。而是 NVIDIA 亲自定义了一套新标准——Dynamo KVBM 负责调度，NIXL 负责传输，BlueField-4 STX 负责硬件加速——告诉存储行业：AI 时代的存储应该长这个样子，这就是 STX 和 CMX 的由来。

NVIDIA 定义的标准栈

GTC 2026 之后，NVIDIA 为 KV Cache 存储定义了完整的技术标准栈：

XSKY MeshFusion：为 CMX 时代而生

XSKY 研发的 MeshFusion 推理存储，正是面向这一趋势而设计的 KV Cache L3 持久化存储方案。它彻底摒弃了传统存储的“外挂”思维，作为推理框架的“外部内存”，与算力节点实现了深度融合。

1、产品定位：KV Cache 的原生管理底座

MeshFusion 将 KV Cache 提升为“第一等数据”进行管理，为推理框架提供持久化、低延迟、可横向扩展的上下文内存。它不修改模型权重、不侵入推理引擎，而是通过标准接口（如 NIXL）与主流推理栈解耦集成，完美契合 NVIDIA 倡导的新一代 AI 存储语义。

2、核心技术特点：为极致吞吐与极低延迟设计

• 原生 KV Cache Chunk 接口

推理侧的 KV Cache Chunk 直接映射为 MeshFusion 的存储 Chunk，砍掉所有协议转换开销，构建最短 I/O 路径。

• 用户态零拷贝 IO

基于 Kernel Bypass 架构，数据在从 NVMe 闪存流向 GPU 显存的过程中，实现零拷贝、零上下文切换，彻底消除操作系统层面的延迟抖动。

• Shared-Everything 并行化架构

允许任何节点上的 IO 进程直接访问所有数据和元数据。统一池化管理全体闪存与网络带宽，天生免疫单点瓶颈。在面对 Agent 时代多租户、多业务的高并发读写时，依然能保证一致的极低尾延时。

• FlexPath 智能网络引擎

专为高并发 KV 读写定制，支持多路径聚合、智能选路、RDMA 优先（TCP 回退）以及大小 I/O 智能路由，确保底层网络传输的绝对稳定。

3、DPU 原生架构：让存储成为 GPU 显存的自然延伸

MeshFusion 的底层设计决定了它不是一个被动响应的存储盘，而是一个能与异构算力（GPU/DPU）协同呼吸的基础设施组件：

• 原生植根 DPU

凭借极低的 CPU 和内存资源占用（硬件无损耗设计），MeshFusion 能够直接原生部署在 DPU 上。这不仅完全对齐了 NVIDIA BlueField-4 STX 的参考架构，还能在国产 DPU 生态中无缝落地，将存储管理与网络开销彻底从主机侧卸载。

• 深度直连 GPU

MeshFusion 的底层通道与 GPU 高速互联网络深度咬合。数据可以直接穿透至 GPU 显存（HBM），真正让 L3 闪存变成了 GPU 能够以极低延迟随时调用的“上下文外部内存”。

• 无缝兼容现有算力集群

即使在未配备独立 DPU 的通用 GPU/NPU 服务器上，MeshFusion 也能直接利用节点现有的 NVMe SSD 资源，实现零额外硬件投入的性能狂飙。同时，全面支持 NVIDIA GPU 和华为昇腾双栈，覆盖国内外主流算力底座。

写在最后

NVIDIA 已经亮出了明牌：

• Dynamo 定义了推理调度的标准；

• CMX 定义了 KV Cache 存储的标准；

• STX 定义了 AI 原生存储的参考架构。

AI 存储不再是传统存储的延伸，而是 GPU 算力的延伸，是一个全新的基础设施层。它需要是面向 KV Cache 语义的、与推理栈深度集成的、能跟上 GPU 速度的新型存储系统，XSKY MeshFusion 正是为此而生。