Tempo de leitura: 5 minutos
Olá, é um prazer inenarrável estar mais uma vez escrevendo este post. Em 30 de setembro de 2026, a NVIDIA anunciou novos componentes para ampliar o acesso acelerado a dados usados por cargas de inteligência artificial. A combinação entre as bibliotecas NVIDIA cuObject, a expansão do consórcio xio-sig e o novo SCADA Server SDK tenta resolver um problema que costuma aparecer longe dos holofotes: não basta ter GPUs rápidas se os dados continuam chegando devagar.
O objetivo é permitir que aplicações e servidores de armazenamento troquem dados por RDMA, reduzindo a dependência da memória controlada pela CPU. A mudança pode parecer bastante técnica, mas tem impacto direto em treinamento, ajuste fino, inferência, buscas e outras tarefas que precisam consultar grandes volumes de arquivos e objetos. A questão é entender o que foi lançado e por que a interoperabilidade se tornou tão importante.
Como o armazenamento de IA funciona com cuObject e SCADA
Em muitos ambientes de IA, os dados ficam distribuídos entre sistemas de arquivos e serviços de armazenamento de objetos, tanto na nuvem quanto em infraestruturas locais. Quando a aplicação precisa acessar esses dados, o caminho tradicional pode envolver a CPU do servidor, criando cópias adicionais e aumentando a latência.
O cuObject foi apresentado como uma forma padronizada de acessar armazenamento de objetos usando APIs próprias e um protocolo de comunicação sobre RDMA. Nesse modelo, o caminho de controle do objeto continua usando HTTPS e TCP, enquanto a transferência dos dados ocorre pela rede RDMA. A separação permite que o tráfego de dados aproveite dispositivos como placas de rede e DPUs compatíveis, sem encaminhar tudo pela memória controlada pela CPU.
Na prática, a proposta é semelhante a abrir uma faixa exclusiva para os dados mais pesados. Em vez de todos os veículos passarem pelo mesmo cruzamento, as transferências de maior volume podem seguir por uma rota acelerada. Isso pode contribuir para maior throughput, menor latência e menor utilização da CPU, embora os ganhos concretos dependam da infraestrutura e da implementação de cada ambiente.
O que muda no ecossistema de armazenamento de IA com cuObject e SCADA
A NVIDIA também anunciou a disponibilidade geral das bibliotecas cliente e servidor do cuObject e a expansão do xio-sig para incluir o cuObject ao lado do cuFile. A iniciativa busca criar uma base comum para APIs e protocolos de acesso acelerado a arquivos e objetos.
Essa padronização é relevante porque desenvolvedores normalmente precisam lidar com APIs e protocolos diferentes de cada provedor. Com um protocolo RDMA comum para o cuObject, a expectativa é que um cliente possa trabalhar com diferentes implementações de servidor que sigam as mesmas regras de interoperabilidade.
O material da NVIDIA informa que o Google Cloud está avaliando ampliar sua participação no xio-sig, enquanto a Microsoft planeja integrar o conselho da organização. A estrutura do repositório já separa os componentes de cuFile e cuObject, mas as implementações e os códigos associados ainda dependem da conclusão de testes de conformidade e da revisão dos documentos de governança.
SCADA amplia o armazenamento de IA com servidores compatíveis
O novo SCADA Server SDK permite que provedores de armazenamento criem servidores capazes de responder a solicitações iniciadas por GPUs a partir de clientes SCADA. Esses servidores podem atender às requisições usando armazenamento local ou remoto e devolver os resultados por RDMA.
Essa arquitetura foi pensada para operações de entrada e saída menores e mais específicas, iniciadas diretamente por aceleradores. São acessos que podem não se encaixar bem em protocolos ou mídias tradicionais, especialmente em aplicações que fazem buscas frequentes em grandes conjuntos de dados.
A NVIDIA afirma que a IBM Storage demonstrou um protótipo de servidor SCADA integrado ao IBM Storage Scale. O exemplo indica como fornecedores diferentes podem desenvolver servidores compatíveis usando uma interface comum, sem que cada cliente precise conhecer detalhes exclusivos de toda implementação.
O ecossistema também inclui o Storage Lender Service e uma ferramenta de linha de comando para configurar e implantar o SCADA. A ideia é oferecer uma infraestrutura de software para cenários como busca semântica, sistemas de recomendação e detecção de fraudes, nos quais o acesso rápido a dados pode ser tão importante quanto o processamento realizado pela GPU.
Por que o armazenamento de IA com cuObject e SCADA importa
A iniciativa faz parte do NVIDIA Storage-Next, esforço que reúne mais de 40 fornecedores e clientes, segundo a empresa. O grupo inclui fabricantes de memória NAND, fornecedores de controladores, empresas de armazenamento, provedores de nuvem e desenvolvedores de aplicações.
O ponto central é que os aceleradores estão evoluindo mais rapidamente do que muitos caminhos tradicionais de acesso a dados. Se a GPU termina o processamento e passa a maior parte do tempo esperando por arquivos, objetos ou pequenos blocos de informação, parte do investimento em computação fica subutilizada. É como colocar um motor de corrida em um carro preso em uma rua estreita.
O cuObject e o SCADA não eliminam automaticamente todos os gargalos. Eles fornecem APIs, bibliotecas, protocolos e ferramentas para que aplicações e provedores construam caminhos mais diretos e interoperáveis. A adoção, portanto, dependerá do suporte dos fornecedores, da compatibilidade dos servidores e da maturidade dos testes de conformidade.
Como começar a avaliar o armazenamento de IA com cuObject e SCADA
Desenvolvedores e equipes de infraestrutura podem acompanhar o repositório do xio-sig, consultar a documentação do cuObject e avaliar o cuObject Server 2.0.0. Também é possível consultar a documentação do NVIDIA GPUDirect Storage para entender melhor o contexto das APIs e dos caminhos de I/O acelerados.
Antes de considerar uma implantação em produção, vale medir o comportamento do ambiente completo: rede, placas RDMA, DPUs, servidores de objetos, bibliotecas cliente, concorrência e padrão das requisições. Um benchmark que mede apenas a velocidade da GPU pode esconder justamente o gargalo que o cuObject e o SCADA tentam resolver.
O anúncio mostra que o armazenamento de IA está se tornando uma parte estratégica da arquitetura de sistemas acelerados. A promessa do cuObject é aproximar aplicações de armazenamento de objetos por meio de APIs e protocolos comuns, enquanto o SCADA oferece uma base para servidores capazes de atender solicitações iniciadas por GPUs. Se o ecossistema alcançar interoperabilidade suficiente, o resultado poderá ser menos integração específica por provedor e um uso mais eficiente dos aceleradores.
Conclusão: o próximo passo do armazenamento de IA com cuObject e SCADA
O anúncio da NVIDIA representa uma tentativa de organizar uma camada ainda fragmentada do armazenamento de IA. O cuObject chega com bibliotecas cliente e servidor e uma proposta de acesso a objetos por RDMA. O xio-sig amplia seu escopo para aproximar implementações diferentes, enquanto o SCADA Server SDK permite que fornecedores criem servidores preparados para solicitações iniciadas por GPUs.
A resposta para a questão do início está justamente nessa combinação: GPUs mais rápidas precisam de caminhos de dados igualmente preparados, e isso exige mais do que hardware. APIs comuns, protocolos interoperáveis e servidores compatíveis podem reduzir o trabalho necessário para conectar aplicações aos dados.
Ainda assim, o anúncio não significa que todos os ambientes terão ganhos imediatos. A tecnologia precisa ser testada, implementada por fornecedores e validada em cargas reais. Por enquanto, cuObject, xio-sig e SCADA sinalizam uma direção clara: no futuro da inteligência artificial, mover os dados com eficiência será quase tão importante quanto processá-los.
