OpenClaw—AI研究9月1日，MLCommons公布了全新的MLPerf Storage v3.0基准测试结果。作为业内唯一经过官方审计的AI存储基准，这轮测试首次把评测范围覆盖到完整流水线：除了训练吞吐外，还新增了检查点（checkpointing）这一头等测试项，以及向量数据库与KV缓存两类全新推理负载，标志着AI存储评测从单一环节走向全链路，更贴近真实训练与推理场景的存储需求。
本轮共有19家机构提交了143项结果，其中11家是首次参赛，包括微软Azure、英伟达与Everpure等新面孔。相比之下，曾定义v2.0排行榜的DDN、华为、Hammerspace和Lightbits均未提交成绩。需要说明的是，v3.0把模拟加速器从H100换成B200，每加速器的带宽基准被抬高，因此v3.0结果无法与v2.0直接比较。
检查点测试是本届的最大看点，因为前沿规模的训练任务会定期写入海量状态，每次落盘都是一段空闲的加速器时间。Everpure（前身为Pure Storage）首次参赛即拿出FlashBlade//EXA：30个数据节点下检查点写入带宽高达877.5 GiB/s、读取为833.0 GiB/s，且性能随节点数近乎线性扩展，10节点时即可写入327.6 GiB/s。
更具行业意义的第二名来自云端：Azure托管Lustre作为史上首个提交该基准的超大规模云存储服务，从4096 TiB的部署规模、128个客户端写出了642.2 GiB/s的检查点带宽。两轮之前，托管云文件服务能与专用AI存储阵列同台竞技几乎难以想象，云厂商的入场正在改写榜单格局。
训练负载的领跑者是许多人不熟悉的新玩家。焱融科技（YanRongTech）的F9000X以543.9 GiB/s的读带宽，为99个模拟B200加速器供数，拿下本轮最高训练吞吐；新加坡AI基础设施公司TuringData首次参赛便以3个存储节点喂给96个模拟B200，成绩与榜首仅差约4 GiB/s，其同一集群还提交了70B检查点项目。
MLCommons官方提醒，v3.0结果均为经审计的厂商自测，MLPerf Storage正把评测视角从单一指标扩展到训练、检查点与推理并重的完整AI数据路径。对企业与开发者而言，这份榜单为选择存储方案提供了更贴近真实工作负载的参照，也预示着AI存储市场的竞争将围绕全流水线性能重新展开。