NetApp 喺 2026 年 10 月 5 日 INSIGHT 大會推新一代 Novus 儲存架構，自宣聚合吞吐量超 100TB/s，並推 AI Data Engine，目標縮短原本需 6–9 個月嘅數據備料工作。全部為廠商自宣，未有獨立驗證。
NetApp 喺 2026 年 10 月 5 日嘅 INSIGHT 大會上，正式推新一代 Novus 儲存架構，主打支援 AI 數據基建同高吞吐應用。以下技術內容均來自廠商自宣，未有獨立第三方驗證。
AI 數據基建嘅核心挑戰，係要同時支援不斷擴充嘅 GPU 叢集（GPU cluster，即用於訓練同推理嘅加速器群），並令企業數據真正可用於模型同 agent（代理，可執行任務嘅 AI 系統）。NetApp 首席產品官 Syam Nair 喺大會上表示，公司正將「智慧數據基建」同生產環境 AI 結合，透過統一嘅儲存同數據管理方案，涵蓋整個基礎設施生態。
Novus 架構嘅聚合吞吐量（aggregate throughput，多節點總和嘅數據傳輸速度）由公司自宣超 100TB/s，未有獨立測試數據。架構核心係 Data Director，佢將 metadata（元數據，即描述數據本身嘅數據，例如位置、權限、索引）同實際儲存嘅數據分開管理，兩者可以獨立擴展。呢個設計令應用喺多個 ONTAP 儲存叢集之間得到統一檔案視圖，唔使逐一存取每個叢集。Novus 產品管理副總裁 Gunna Marripudi 解釋：「metadata 係關鍵，metadata 存取嘅並發性（concurrency，同時處理多請求嘅能力）係架構嘅支柱。」
除咗速度，NetApp 同時推出 AI Data Engine，功能包括自動發現（discover）、分類（classify）同向量化（vectorize，將非結構化數據轉成數值向量以便模型處理）企業數據。Nair 話呢個引擎目標係縮短原本需要 6–9 個月工程時間嘅數據備料工作。
Nair 亦指出，目前企業喺 AI 上投資不少，模型同應用已就緒，但「大部分企業未得到回報」，原因係數據碎片化，加上治理政策仍靠人手執行。
模姐驗嚇貨：100TB/s 係聚合數字，唔代表單一節點或單一應用可達嘅速度；6–9 個月備料時間最終縮短到幾耐，亦係個待觀察嘅數字。GPU 叢集越大，資料存取瓶頸越明顯，而 AI 用唔用得到資料，關鍵正正係喺 metadata 呢一層。解決方案到底幾好用，要實測先至有講。
模姐｜深度調教
