核心观点与关键数据
计算存储（CS）技术背景
- 数据驱动需求：数据量爆炸式增长（2020年约60ZB，2020-2025年复合年增长率约20%），数据处理效率成为关键。
- 计算存储优势：通过在存储设备或近存储位置进行计算，减少数据传输延迟和不必要的计算，降低CPU周期、主机总线带宽和系统内存压力。
计算存储基本前提
- 减少延迟：在存储设备中直接处理数据，避免数据跃点，优化性能。
- 应用场景：适用于数据库扫描筛选、视频处理、对象检测、媒体管理等需要高效数据处理的应用。
计算存储价值主张
- 性能提升：降低系统资源成本，优化闪存带宽，减少应用程序延迟。
- 架构多样性：不同用例对计算存储的需求不同，需针对不同细分市场优化架构。
应用程序需求类别
- 开发要求：
- 易用性：IP重用、可移植性，支持现有开发技能。
- 快速上市：标准化API、开源库，支持多种计算资源类型。
- 运行时要求：
- 可预测性：CS设备操作需可预测，低开销调度，错误处理透明。
- 平台要求：
- 热管理与功耗：在给定热包络内平滑节流。
- 兼容性：支持多种形式因素（AIC、U.2、EDSFF）和操作系统（Linux、Windows等）。
- 可扩展性：支持虚拟化、RAID和多CS SSD配置。
- 部署要求：
- 可管理性：支持DAS/RDAS架构，透明卸载功能，诊断/升级支持。
市场采用与生态系统发展
- 广泛采用的关键因素：
- 开发易用性：快速迭代、软件流程化、透明性能升级。
- 解决方案灵活性：支持并发计算存储，全面性能提升。
- 生态系统建设：
- 标准化与开源：推动标准化API、开源库和工具。
- 协作：用户、供应商、服务提供商、学术界共同推动。
- 价值验证：明确计算存储适用场景，优化系统架构。
研究结论
计算存储技术通过优化数据处理流程，显著提升性能并降低成本，但需解决开发、运行、平台和部署等多方面需求。未来需加强生态系统建设，推动标准化和开源，以实现广泛市场采用。
