觀點 · 資訊分享

Google Cloud Z4M 儲存型主機正式推出：一台接 168,000 GiB 本機 SSD，讀取比上一代快最多 70%

Google Cloud 推出專給 AI 訓練存檔、平行檔案系統用的 Z4M 主機：本機 SSD 最多 168,000 GiB，配 400 Gbps RDMA 網路，官方說延遲比 TCP 最多少 60%。

一句話看懂：Google Cloud 推出 Z4M 儲存型主機，一台最多接 168,000 GiB 本機 SSD、配 400 Gbps 的 RDMA 網路，目標是讓 AI 訓練用的 GPU、TPU 不再等資料。

Google Cloud Z4M 儲存型主機正式推出資訊圖卡：專門餵資料給 AI 的主機：硬碟更大、讀更快，網路直通記憶體

先用白話講：儲存型主機是什麼？

雲端主機大致分成幾種：有的 CPU 特別多，適合拚命計算；有的記憶體特別大，適合把大量資料放在手邊；儲存型主機則是硬碟特別大、特別快。

想像一間餐廳的廚房：GPU 是手腳很快的廚師，但如果食材從倉庫送來太慢，廚師只能站著等。儲存型主機就像蓋在廚房旁邊的大冰箱，再加一條專用輸送帶，讓食材（訓練資料、模型存檔）不斷送到廚師手上。

Google Cloud 在 11 月 7 日的官方部落格宣布，Compute Engine 的 Z4M 系列正式推出（GA），有一般虛擬機與裸機（bare metal）兩種。官方列出的重點規格：

目前在「全球部分區域」提供，官方文章沒有列出區域清單，也沒有寫價格。

建立 VM 或 GKE 節點集區時，在「儲存最佳化」機器系列選 Z4M 即可
支援 NVIDIA GPUDirect Storage 與 TPUDirect Storage，資料可以直接送進加速器
也能掛 Hyperdisk（Balanced、Throughput、Extreme），每台最多 512 TiB；Hyperdisk Extreme 每台最高 50 萬 IOPS
維護方式要先搞懂：本機 SSD 在 42,000 GiB 以下的 VM 可以熱遷移；84,000 GiB 以上的 VM 與裸機遇到計畫性維護時必須關機重啟（資料會保留），系統會提前幾天通知
可以用 Cluster Director 管理大型叢集，選擇緊密排列（拚效能）或分散到不同可用網域（拚可用性）

老實說，Z4M 這種等級的機器，一般接案做的中小企業網站完全用不到：一台就有 192 vCPU，價格想必不便宜（官方文章沒寫）。但它透露一個趨勢：AI 訓練的瓶頸已經不只在 GPU，而是「資料能不能及時送到 GPU 手上」，雲端廠商開始把儲存和網路當成 AI 基礎設施的主角來設計。

對小團隊或自架玩家來說，比較實際的啟示是：在 NAS 或家用主機跑本地模型時，模型檔放在 SSD 還是傳統硬碟、內網速度夠不夠，對載入時間的影響可能比想像中大。升級顯卡之前，先看看資料路徑是不是卡住了。

Z4M 跟一般雲端主機差在哪？

一般主機重視 CPU 或記憶體，Z4M 是「儲存型」：直接裝了超大容量的本機 SSD，讀寫速度很快，再加上 400 Gbps 的 RDMA 網路，適合需要大量搬資料的 AI 訓練、平行檔案系統與資料庫。

中小企業網站需要用 Z4M 嗎？

幾乎不需要。一台最多 192 vCPU、168,000 GiB 本機 SSD，是給大規模 AI 訓練與企業儲存叢集用的；一般網站用一般用途主機加雲端硬碟就夠了。

維護時主機會被重開嗎？

看本機 SSD 大小。官方說 42,000 GiB 以下的 VM 可以熱遷移、不用停機；84,000 GiB 以上的 VM 和裸機在計畫性維護時必須關機重啟，但資料會保留，系統會提前幾天通知。

台灣區域可以用嗎？

官方文章只說在全球部分區域提供，沒有列出清單，建議到 Google Cloud 主控台建立主機時查看，或詢問業務窗口。

作者

接案做系統開發、網站與主機託管。觀點裡的文章都是我自己寫的,寫的是做專案時第一手遇到的事。