谷歌 Z4M 存储型实例正式上线：单机 168000 GiB 本地 SSD，400 Gbps RDMA 喂饱 GPU

原文信息：本文译自《Storage-optimized Z4M machine series are GA》，作者 bob Napaa，发布于 2026 年 11 月 7 日。原文链接：https://cloud.google.com/blog/products/compute/storage-optimized-z4m-machine-series-are-ga/ 。原文未注明许可信息。本文为翻译，译者在文末补充了译者注。

译者导语：AI 训练推理的瓶颈常常不在算力，而在数据喂不进去：检查点要落盘、KV 缓存要扩容、并行文件系统要吞吐，GPU 空转着等数据是常事。谷歌云新上线的 Z4M 存储型机型就是冲着这个来的——单机 168000 GiB 本地 SSD 加 400 Gbps RDMA，目标是让存储跟上加速卡的速度。下面是官方公告的翻译。

为 AI 时代的存储而生

今天，谷歌云宣布新一代存储型 Z4M 机型系列在 Compute Engine 正式上线，提供虚拟机（VM）与裸金属（bare-metal）两种形态。

Z4M 是为 AI/ML 训练与推理设计的：检查点（checkpointing）保存、分布式键值（KV）缓存、并行文件系统——这些负载要搬运海量数据，要大规模并行处理，对存储和网络吞吐的要求都很高。同时，低延迟访问数据同样关键，只有数据供得上，GPU 和 TPU 才能一直满负荷运转。Z4M 采用第五代英特尔至强可扩展处理器（Intel Xeon Scalable），配合 Titanium 的最新增强，提供最高 168000 GiB 本地 SSD（Local SSD，LSSD）存储，以及最高 400 Gbps 的 Cloud RDMA（Remote Direct Memory Access，远程直接内存访问）网络。跟 TCP 网络比，RDMA 能把数据访问延迟降低最高 60%，应用吞吐上去了，云上投入也可以花得更值。

两种形态：虚拟机与裸金属

Z4M 虚拟机提供很大的本地 SSD 总容量，每个 vCPU 对应 875 GiB 本地 SSD，方便按需求扩展基础设施与集群规模。裸金属实例则直接用物理硬件，没有虚拟化层，延迟更低，适合自定义虚拟化层（hypervisor），以及有特定许可要求的负载。裸金属也适合智能体 AI 负载，开发者可以在上面大规模运行隔离沙箱，包括配合 Agent Substrate 使用。

除 168000 GiB 本地 SSD 外，Z4M 虚拟机与裸金属实例最高提供 192 个 vCPU、1536 GiB 内存，满足大规模数据处理。实例采用 Titanium SSD，把本地存储处理从 CPU 上卸载下来，实现实时数据处理、低延迟、高吞吐存储，还增强了存储安全性。Z4M 随机读最高 1560 万 IOPS，顺序读吞吐最高 75600 MiB/s；跟上一代 Z3 比，本地 SSD 存储性能与吞吐分别提升最高 70% 和 110%。

Cloud RDMA 与直通存储

Z4M 用 400 Gbps 的 RDMA 网络提供低延迟的存储层访问。即使处理大型多模态数据集，也能让 GPU 和 TPU 保持满负荷：通过 NVIDIA GPUDirect Storage 与 TPUDirect Storage，按线速传输海量数据；同时在本地处理数据的过程中，仍以满线速向外传输数据。本地 SSD 吞吐与网络吞吐的配比是 1.4:1，保持平衡。

适合哪些负载

合作伙伴怎么说

（原文配图：Nutanix、Silk、Sycomp、WEKA 四家合作伙伴标识，见原文链接）

Nutanix 产品管理副总裁 Saveen Pakala 表示，把 Nutanix Cloud Clusters（NC2）带到谷歌云新的 Z4M 裸金属实例上，凭借出色的 I/O 性能、高存储密度与英特尔 AMX 带来的效率，NC2 能支撑从密集 VDI 集群到数据密集型 AI 负载的各种场景。

Silk 首席研发官 Adik Sokolovski 说，Z4M 虚拟机把 Cloud RDMA 带到了存储型虚拟机上，本地 SSD 密度比前代高得多。他们的测试显示，Z4M 上的 Cloud RDMA 比 TCP 延迟低最高 3.7 倍，CPU 占用低最高 6 倍；对客户来说，从 I/O 密集型数据库到分析型 AI 负载，性能更快、更可预测，扩容也更从容。

Sycomp 高级 HPC 解决方案架构师 Scott Fadden 表示，Z4M 是 Sycomp 智能数据存储平台的一部分，每个节点容量更大，Z 系列架构持续演进，帮助客户构建更强大的平台。

WEKA 首席产品官 Ajay Singh 说，他们多年合作下来，测试发现 Z4M 机器的读吞吐大约是上一代的两倍，IOPS 最多高 79%，意味着更多数据、更多 token、更多完成的工作。

用 Cluster Director 编排大集群

用谷歌云的 Cluster Director 可以轻松配置、部署、管理大型 Z4M 集群，它提供高级的放置（placement）与维护能力，配合 Cluster Toolkit 能快速部署集群。可以把工作负载部署成紧凑拓扑以最大化性能，或分散拓扑以提高可用性，按可用区（availability domain）来定；也可以在这些可用区之间错开维护时间。另外，Z4M 实例可以跟 GPU、TPU 集群部署在一起，实时、大规模地处理超大数据。

维护体验更好

Z4M 虚拟机与裸金属实例都更容易提前规划维护：系统会在需要维护前数天发出通知。本地 SSD 容量在 42000 GiB 及以下的 Z4M 虚拟机，维护期间可以在线迁移（live-migrate）。本地 SSD 容量 84000 GiB 及以上的 Z4M 虚拟机与裸金属实例，则必须终止并重启，数据在计划内维护事件中会保留。

支持 Hyperdisk

Z4M 虚拟机与裸金属实例支持 Hyperdisk——谷歌云面向工作负载优化的块存储，可以针对每个工作负载独立调优存储性能与容量。

具体支持 Hyperdisk Balanced、Hyperdisk Throughput 与 Hyperdisk Extreme，网络附加存储单实例最高 512 TiB 容量。一般用途负载可选 Hyperdisk Balanced，单实例最高 32 万 IOPS，兼顾性能与成本。Hyperdisk Extreme 延迟极低，单台 Z4M 虚拟机与裸金属实例最高支持 50 万 IOPS、12500 MiB/s 吞吐，很适合要求严苛的数据库负载。

现在就能用

Z4M 虚拟机与裸金属实例今天起在全球部分区域上线。在谷歌云控制台创建虚拟机或 GKE 节点池时，在 Storage-Optimized（存储优化型）机型家族下选 Z4M 即可开始使用。区域可用性详情可以咨询谷歌云销售代表。

译者注

1. 性能数字是厂商实测：1560 万 IOPS、75600 MiB/s、延迟低 60% 这类数字来自谷歌与合作伙伴的实验室环境，落到自己的负载上会有出入；1536 GiB 内存是虚拟机与裸金属合起来的上限，按官方文档，虚拟机本身是 1488 GB，选型前先按工作集核对。
2. 维护的分界线要记牢：42000 GiB 及以下维护时可在线迁移，84000 GiB 及以上与裸金属则要停机重启（数据保留）。跑长期训练任务的话，检查点保存策略要跟维护窗口对齐，别让一次计划维护打断几天没存盘的训练。
3. 和华为云的结合点：思路是通用的——把存储贴到算力旁边，让加速卡少等数据。华为云弹性云服务器 ECS、GPU 云主机与云硬盘的组合也是这个打法：本地盘扛 I/O、高速网络扛传输，训练推理的检查点与缓存放得离算力越近，利用率越高。

相关阅读（同方向旧文，纯文本链接）： - vLLM 休眠模式的显存税怎么省：PhOSv1 共享 GPU 上下文，休眠 23 个模型显存降 98.1%：https://bbs.huaweicloud.com/blogs/f9cdf2ddf484453b81398875a93a9a44 - 竞价实例跑 Serverless 工作流不怕被回收：FaaSpot 按 DAG 结构分级容错，成本降一半：https://bbs.huaweicloud.com/blogs/0eb752350f164b0c8478911194445196

原文：Storage-optimized Z4M machine series are GA，bob Napaa，Google Cloud Blog，2026-11-07。原文链接：https://cloud.google.com/blog/products/compute/storage-optimized-z4m-machine-series-are-ga/