GPU服务器里85%的NVMe在吃灰？龙存把它变成全局共享存储，不买一台存储服务器

「 GPU服务器自带的NVMe盘，平时利用率不到15%；龙存LoongStore把它们聚合成全局共享存储池，不买一台存储服务器，TCO直降40% 」

在AI模型训练、HPC高性能科研场景中，绝大多数企业都面临严重的硬件资源浪费问题：

GPU 服务器标配多块大容量 NVMe SSD，日常仅用于临时缓存模型，磁盘闲置率超过85%；传统存算分离架构需要单独采购专用存储服务器、搭建独立存储网络，硬件、机柜、运维成本同步翻倍，跨网数据传输还会直接拖低GPU算力利用率。

能否不新增任何硬件，将服务器闲置本地磁盘统一转为全局共享存储？龙存科技依托多行业落地项目给出成熟解决方案。

▶安装环境：英伟达以及国产 GPU 服务器

▶应用场景：HPC科研 & AI训练平台

▶存储需求：高性能文件共享，快速上线

案例 1｜某高校HPC小规模落地：10 台 GPU 服务器一键融合

某华北地区重点理工高校科研HPC集群部署10台GPU计算节点，项目预算有限，无法额外采购独立存储设备。龙存将LoongStore直接部署于现有GPU服务器，节点同时承担计算与存储双重能力，整合本地NVMe硬盘构建统一共享存储资源池，基于RDMA 网络，跨节点零拷贝直读。

落地收益

●无需新增存储硬件，当日完成部署并投入业务运行；

●本地磁盘直读数据，GPU 等待数据时间下降60%+，有效算力利用率显著释放；

●稳定连续运行3年，无底层架构故障，无额外运维工作量。

案例 2｜某生物制药企业AI大规模落地：近百台 A100 集群规模化验证

某头部药企AI药物研发项目规划近百台A100算力集群，传统存储架构设备采购、实施周期长，整体硬件投入成本高昂。针对该大规模 AI 研发场景，龙存落地复用服务器本地闲置 NVMe 盘的存算融合架构，大幅降低硬件投入、缩短项目交付周期。

下表从硬件投入、磁盘利用率、交付周期、运维成本四大维度，直观对比两种架构差异：

该项目已稳定落地运行，充分满足大模型训练高吞吐、低延迟业务需求，整体TCO下降40%以上，业务上线周期从数周压缩至1天。

19 年纯自研分布式存储，无硬件绑定
龙存深耕分布式存储领域19年，不捆绑自有服务器、虚拟化平台，兼容全品牌算力硬件，适配HPC、AI、数据库等各类业务场景。

内核适配 + 高性能用户态 IO 路径，无需部署容器/K8s，裸金属一键 RPM 安装
无需Docker、K8s容器环境，RPM安装包一键部署；数据访问链路简短，无多层转发损耗，资源占用低，原生适配裸金属服务器集群。

底层原生支持存算共存，性能互不抢占
存算融合为底层原生架构，非附加扩展功能；存算业务隔离调度，规避资源争抢造成的延迟卡顿，多年生产环境验证稳定可靠。

●盘活闲置资源：充分利用GPU服务器自带NVMe闪存，彻底杜绝磁盘资源闲置浪费；

●构建统一资源池：LoongStore聚合全节点本地磁盘，形成全局统一数据命名空间；

●就近读写加速：优先读取本地磁盘数据，跨节点依靠RDMA高速互联，降低访问延迟；

●全面降本增效：取消独立存储服务器、存储网络整套硬件采购投入。