SHANGHAI, 17. September 2026 /PRNewswire/ -- Auf der HUAWEI CONNECT 2026 stellte David Wang, stellvertretender Vorstandsvorsitzender und rotierender Vorsitzender von Huawei, in seiner Keynote offiziell den OceanStor M900 Context Memory Storage vor. Das Produkt wurde für KI-Inferenz in Hyperscale-Rechenzentren entwickelt und stellt SuperPoDs einen vollständig gemeinsam genutzten Speicherbereich zur Verfügung, der eine Kapazität im PB-Bereich und eine Leistung im TB/s-Bereich bietet. Dies markiert einen Wandel in der KI-Infrastruktur weg von einem rechenzentrierten Modell hin zu einer engen Zusammenarbeit zwischen Rechenleistung, Netzwerk und Speicher. Dies wird dazu beitragen, die Rechenleistung von SuperPoDs voll auszuschöpfen.
2026 hat sich der Übergang der KI von technologischen Durchbrüchen hin zur groß angelegten Implementierung beschleunigt. KI-Anwendungen haben sich von Chatbots zu Agenten weiterentwickelt, die in der Lage sind, komplexe Aufgaben autonom zu erledigen. Diese Agenten finden in kritischen Sektoren breite Anwendung und markieren den Beginn des Zeitalters der agentenbasierten KI.
Da große Modelle auf eine Größenordnung von 10 Billionen Parametern anwachsen, werden SuperPoDs zur optimalen Wahl für die KI-Infrastruktur. Gängige große Modelle unterstützen bereits Kontextfenster mit mehr als einer Million Tokens; Multi-Turn-Inferenz und komplexe Aufgaben sind zur Norm geworden, und die während der Inferenz generierten KV-Cache-Daten nehmen weiter zu. Diese Trends haben On-Chip-Speicher und DRAM hinsichtlich Kapazität und Kosteneffizienz an ihre Grenzen gebracht. Es hat sich in der Branche als Konsens etabliert, ein mehrschichtiges Speichersystem aufzubauen, das On-Chip-Speicher, DRAM und SSDs koordiniert, um einen vollständig gemeinsam genutzten Speicherbereich mit enormer Kapazität zu schaffen.
Huawei hat den „OceanStor M900 Context Memory Storage" eingeführt, um die Engpässe bei der Speicherkapazität bei Inferenz mit extrem langem Kontext und Multi-Turn-Inferenz zu überwinden. OceanStor M900 nutzt das UnifiedBus-Netzwerk, um einen globalen, mehrstufigen KV-Cache im PB-Maßstab mit One-Hop-Verbindungen aufzubauen. Dadurch wird das Rechenleistungspotenzial von SuperPoDs voll ausgeschöpft und die KI-Inferenz in Hyperscale-Rechenzentren beschleunigt. Der OceanStor M900 Context Memory Storage verfügt über drei Schlüsselfunktionen:
Kapazitätsgrenzen überwinden, um groß angelegte KI mit massivem Speicher zu ermöglichen
Angetrieben durch das hochgeschwindigkeitsfähige UnifiedBus-Verbindungsnetzwerk erreicht der KV-Cache eine globale Bündelung und gemeinsame Nutzung mit mehrstufigem Speicher. Der KV-Cache der SuperPoDs wird von On-Chip-Speicher und DRAM auf SSDs erweitert, wodurch ein einzelner Cluster eine Kapazität von 64 PB bereitstellen kann. Die verfügbare KV-Cache-Kapazität pro NPU wird von Gigabyte auf Terabyte erhöht, wodurch mehr Kontext gespeichert, gemeinsam genutzt und wiederverwendet werden kann. Dies steigert die Trefferquote des KV-Caches erheblich.
Steigerung der Inferenzleistung zur vollen Ausschöpfung der Rechenleistung
OceanStor M900 ist die branchenweit erste Architektur, die CPU, Netzwerkcontroller und NAND-Controller integriert. Sie bietet native KV-Semantik, um eine One-Hop-Verbindung von der NPU des SuperPoDs zu den SSDs zu ermöglichen. Dadurch entfallen Protokollkonvertierung und CPU-Weiterleitung, wodurch die Zugriffslatenz von Millisekunden auf 60 Mikrosekunden sinkt – eine Reduzierung um 90 %. Ein einzelner Cluster liefert eine aggregierte Zugriffsbandbreite von 40 TB/s, was 1,5-mal höher ist als bei vergleichbaren Lösungen. In typischen KI-Programmierszenarien verdoppelt diese Architektur den Token-Durchsatz des Inferenzclusters und halbiert die Zeit bis zum ersten Token, wodurch Rechenleistung in Produktivität umgewandelt wird.
Senkung der Token-Kosten für eine kostengünstige Einführung von KI in großem Maßstab
OceanStor M900 nutzt die branchenweit erste KV-bewusste adaptive Speichertechnologie, die den Lebenszyklus des KV-Caches anhand des Datenwerts vorhersagt und Daten intelligent auf die Speichermedien verteilt. Diese Technologie ermöglicht bis zu 24 Laufwerksschreibvorgänge pro Tag (DWPD), wodurch die Lebensdauer der SSDs um das 16-Fache verlängert und die Stabilität über drei Jahre gewährleistet wird. Durch die Reduzierung der Kosten für den Medienaustausch sowie für Betrieb und Wartung senkt sie die langfristigen Kosten einer groß angelegten KI-Inferenzinfrastruktur und ermöglicht eine schnellere Einführung von KI.
Da KI in alle möglichen Branchen und deren wichtige Produktionssysteme vordringt, entwickelt sich die KI-Infrastruktur von einem rechenzentrierten Modell hin zu einer engeren Zusammenarbeit zwischen Rechenleistung, Netzwerk und Speicher. Ein Kontextspeicher wird unerlässlich sein, um die Kapazität und Zugriffseffizienz von Hyperscale-Inferenz-KV-Caches kontinuierlich zu verbessern.
View original content:https://www.prnewswire.com/news-releases/huawei-stellt-den-oceanstor-m900-context-memory-storage-vor-um-die-ki-inferenz-in-hyperscale-rechenzentren-zu-beschleunigen-302882508.html
Das Schweizer Studio Urban Games bringt seine erfolgreiche Verkehrssimulation in die nächste Runde: Transport Fever 3 ist ab sofort erhältlich – erstmals auch in einer Version für macOS. Spielerinnen und Spieler bauen darin über mehr als 125 Jahre Transportgeschichte hinweg ein eigenes Verkehrs- und Logistikimperium auf, von den ersten Pferdekutschen und Dampflokomotiven bis hin zu modernen Düsenjets, Supertankern, Hochgeschwindigkeitszügen und Helikoptern. Der Titel setzt damit die Tradition von Genre-Klassikern wie Transport Tycoon fort und positioniert sich erneut als Konkurrenz zu Städten-Simulationen wie Cities: Skylines, allerdings mit klarem Fokus auf Transport und industrielle Verknüpfungen.
Auf dem Mac richtet sich Transport Fever 3 klar an Besitzer aktueller Hardware. Urban Games verlangt mindestens einen M2‑Pro‑Chip, 16 Gigabyte Arbeitsspeicher, 90 Gigabyte freien Speicherplatz und macOS Sequoia 15. Empfohlen wird ein M4 Pro oder besser mit mindestens 24 Gigabyte RAM. Vertrieben wird das Spiel über Steam und GOG, die Einstiegsversion kostet ab 49,99 Euro. Ob zusätzlich eine Veröffentlichung im Mac App Store geplant ist, ist noch offen. Die Simulation bietet eine deutschsprachige Benutzeroberfläche und Vertonung; Videoeinblicke in das Spiel stellt der Entwickler auf YouTube bereit.
Inhaltlich bleibt Transport Fever 3 dem Kern des Genres treu, vertieft aber die Komplexität. Spieler verbinden Städte und Industrie-Standorte, organisieren Linien für Busse, Straßenbahnen, Lkw, Eisenbahnen, Schiffe, Flugzeuge und Helikopter und optimieren so den Transport von Personen und Gütern. Einnahmen generieren alle Transporte, doch zugleich steigen mit jedem Fahrzeug und jeder neuen Strecke die laufenden Kosten. Zusätzlich müssen mehrstufige Produktionsketten bedacht werden: Rohstoffe wie Holz gelangen zunächst ins Sägewerk, bevor sie als weiterverarbeitetes Produkt in die Städte geliefert werden. Fehler in der Planung oder ungenaue Umsetzung können dazu führen, dass sich Systeme gegenseitig blockieren – etwa bei langen Verbindungen über mehrere Kilometer oder im dicht getakteten innerstädtischen Verkehr.
Transport Fever 3 adressiert diese Komplexität mit einem stärker geführten Einstieg und Szenarien. Eine Einführung erläutert Schritt für Schritt grundlegende Mechaniken wie Straßenbau, Linienplanung und Fahrzeugkauf. Spezielle Szenarien führen anschließend in kompakter Form durch komplexere Zusammenhänge und setzen auf abgeschlossene, erzählerisch eingebettete Aufgaben – etwa wenn eine Stadt für einen Großanlass wie Mardi Gras vorbereitet oder ein Dorf bei der wirtschaftlichen Entwicklung unterstützt werden soll. Das Spiel legt dabei Wert auf Detailsteuerung bis hin zu Ampelphasen an Kreuzungen und erlaubt es, ein fein verzweigtes Netz aufzubauen, in dem erfahrene Spieler jede Linie und jeden Zug kennen. Besitzer von Transport Fever 2 erhalten beim Kauf der Standard- oder Deluxe-Edition auf derselben Plattform einen Treuerabatt von 10 Prozent – ein Angebot, das die bestehende Community in die neue Version mitnehmen soll.