RustFS 1.0.0，正式來了。
這個2023年啟動、2024年寫下第一行代碼的開源項目，在正式版發布前已經跑出一條很陡的增長曲線。官方數據顯示，RustFS經歷6600多次代碼提交、135多個版本，吸引全球180多位開發者參與；開源14個月，GitHub Star超過3.2萬，全球安裝量超過270萬，其中70%以上來自歐美，Docker Hub鏡像累計拉取超過1000萬次，並已經進入AI、能源、金融、雲計算等生產場景。
放在對象儲存這個並不大眾的賽道里，這組數字很容易讓人產生一個疑問：一個成立時間並不長的項目，為什麼能在這麼短時間裡跑到全球？
答案多少與MinIO有關。長期以來，AWS S3和MinIO都是對象儲存領域繞不開的名字。隨著MinIO調整商業化策略和開源生態，一批開發者開始尋找新的選擇，RustFS恰好出現在這個時間窗口。但它最近做的事情已經逐漸超出「MinIO平替」的範圍。S3 Tables被做進對象儲存核心並直接開源，後面還有S3 Vector、RDMA、DPU以及面向AI數據中心的一系列計劃。
沿著這些動作看下去，RustFS創始人兼CEO Kevin真正關心的問題已經越來越清晰：AI時代的數據應該怎麼存、怎麼流動，一家開源基礎軟體公司又該靠什麼長期生存。
一開始就把路鋪向全球
2023年啟動RustFS時，團隊最先看到的，其實是國內市場的機會。當時，越來越多企業開始重新審視自己的基礎技術棧，而MinIO已經用多年的發展證明，對象儲存擁有一個足夠大的市場。對RustFS來說，一個很自然的起點，就是圍繞這些正在發生變化的需求，做一套更容易被這些企業部署和使用的對象儲存產品。
真正開始摸索商業化之後，Kevin發現國內外的軟體付費環境存在很大差異。歐美企業更習慣持續訂閱，國內不少IT採購仍圍繞年度預算和項目制展開。同一套軟體商業模式換一個市場，很難原樣照搬。
與此同時，MinIO本身也在調整。許可證變化，以及Docker鏡像、控制台等開源內容的變化，讓一些開發者開始尋找新的選擇。RustFS由此重新規劃了路線，既然代碼已經決定開源，面對的也可以直接是全球開發者，RustFS最初的官網甚至只有英文版本。代碼發布到GitHub後，不管用戶在歐洲、北美還是亞洲，都可以同時下載、部署和測試。Kevin把這種打法概括為「第一天全球化」。
一年多之後，這條路線已經反映在用戶分布上。RustFS官方披露，目前超過70%的安裝來自歐美。開源當然能降低第一次嘗試的門檻，但真正決定一個基礎軟體能不能留下用戶的，還是幾個很具體的問題：裝起來麻不麻煩，長期運行穩不穩，出了問題有沒有人解決。
這些問題，也把RustFS帶到了下一段更難走的路上。
讓企業信任的底氣，來自一次次暴力測試
對於儲存軟體來說，用戶一旦開始把真實數據放進去，衡量產品的標準就變了。一款普通軟體崩潰，重新啟動往往還能繼續工作；儲存系統如果發生嚴重故障，代價可能是一批業務數據再也找不回來。
RustFS早期為此搭建過接近300個節點的分布式測試環境，並主動製造各種故障。團隊會直接拔電源、拔網線、拔硬碟，也會隨機下掉一批機器，再格式化設備、重新加入新節點。很多數據中心裡讓運維人員頭疼的事故，被他們提前反覆演練。
就像新橋通車前的壓力測試一樣，晴天時車輛能夠順暢經過只說明基本功能正常，真正決定這座橋能不能長期使用的，是重載、故障和意外出現後，結構還能不能撐住。
到了企業客戶環境裡，驗證時間還會進一步拉長。Kevin提到，有些同行的POC可能只跑一周，RustFS願意讓客戶跑三個月甚至半年。同時，系統會持續監控硬碟、網路、並發和作業系統狀態，一旦接近資源閾值，就提前提示擴容或調整。
目前RustFS已經進入運營商、鐵路，以及海外金融科技、雲服務等場景，部分商業客戶的數據規模已經達到PB甚至數十PB級。到了這個規模，一次性能測試很難說明全部問題。客戶更關心系統能不能連續運行，故障出現之後能不能恢復，問題發生時有沒有人快速響應。
Kevin因此把大企業儲存生意理解為一種「信任生意」。代碼和性能只是底層，長期運行經驗、服務響應，以及最終有人願意對結果負責，同樣是產品的一部分。
GPU越來越快，儲存卻開始站到AI的路中央
今天談AI基礎設施，人們很容易把注意力集中在GPU上。晶片算力提高多少、顯存有多大、模型能跑多少Token，都有非常直觀的數字。
Kevin關注的是另一段正在變得擁堵的路：GPU越來越快以後，數據能不能及時送過去？
模型訓練以前，原始數據要保存、清洗和標註；進入訓練階段，GPU需要不斷讀取數據；模型訓練完成以後，權重和結果又要重新存下來。到了多模態階段，圖片、影片、音頻不斷增加，數據的體量和類型同時變得複雜。
如果把GPU看作高速運轉的加工廠，對象儲存更接近它背後的倉庫和物流系統。工廠加工速度再快，原料送不過來，機器還是會等。
RustFS這次重點投入S3 Tables，就和這條變化有關。它把Apache Iceberg REST Catalog直接內置進對象儲存核心，Spark、DuckDB、PyIceberg等工具可以直接連接。用更通俗的話說，相當於在原來的大倉庫里，同時增加貨架、目錄和管理系統，讓結構化數據與圖片、影片、模型文件等數據能夠放進同一套體系里管理。
Agent的出現又提出了新的要求。過去，人通過帳號和文件夾訪問數據；未來可能是大量Agent自動讀取企業內部的數據。某個Agent能夠讀取什麼、能不能修改、哪些數據完全不能接觸，都需要更加細緻的權限控制。
因此Kevin很看重Catalog和Policy，希望數據被存下來時，就已經帶著明確的目錄和訪問規則。
再往底層走，還有RDMA和DPU。前者可以理解成數據運輸的高速通道，後者負責分擔網路、儲存等數據搬運工作，讓CPU和GPU把更多資源留給計算。RustFS已經進行了相關技術儲備，不過沒有急著全面鋪開，因為不同廠商的硬體和協議還比較分散。
加入NVIDIA Inception後，RustFS也開始更早接觸英偉達
的工程體系和開發者資源。Kevin尤其關注DOCA這類技術，它正在嘗試把GPU、DPU、網路和儲存連接得更緊。現階段，通用對象儲存依然是更大的現實市場。RustFS的選擇更像提前把施工設備準備好，等車流真正出現，再決定高速公路修到哪裡。
如果AI以後連軟體都能寫，RustFS還靠什麼賺錢？
AI編程能力越來越強，Kevin也在考慮一個更遠的問題：如果有一天，AI能夠直接理解一套軟體的全部代碼，再根據一句話生成類似產品，人們還會不會按照今天的方式為軟體付費？
這個問題很難提前回答，但有一些東西不會那麼容易消失。
其中之一是數據。假設用戶已經把大量照片、影片或者企業資料保存在RustFS里，未來可以直接授權AI處理這些內容。家庭用戶可以讓模型讀取多年的照片，整理孩子的成長記錄；企業也可以讓AI讀取特定數據完成分析。RustFS希望未來連接不同的模型和Token資源，讓數據留在原有儲存體系里，就能直接調用AI能力。
另一塊是備份。Kevin觀察到，海外企業對備份的重視程度很高，因此RustFS計劃建設雲上雲下一體化能力：企業的數據可以繼續保存在本地，需要備份時經過加密再上傳到雲端，平台拿不到密鑰，也無法直接讀取用戶的數據。開源軟體負責覆蓋更多用戶，雲端的備份、儲存和資源服務則可以形成持續收入。
Kevin甚至考慮過把IPFS一類分布式儲存資源用於低成本備份。經常訪問的數據需要高速讀取，備份數據卻可以接受幾分鐘的恢復時間，只要數據足夠安全，並且有更高的性價比。沿用前面的道路比喻，重要數據需要高速公路，一些長期歸檔的數據完全可以走成本更低的路線。
無論軟體本身發生怎樣的變化，Kevin認為「信任」依然很難被AI完全替代。AI能夠寫代碼、部署軟體、自動擴容，但當一家大型企業把幾十PB數據交給一套系統時，最終仍然會問一句：出了問題，誰負責？
這也解釋了RustFS為什麼承諾永久開源。Kevin希望開源版本繼續降低儲存的使用門檻，公司則圍繞雲服務、備份、資源和企業服務尋找收入。商業化可以慢一些，產品原來的路線不能因為短期收入發生變形。
從2023年啟動，到2026年發布1.0.0，RustFS走過的時間並不長。早期，它抓住的是對象儲存生態變化帶來的窗口；隨後進入全球開源社區，如今又開始把路線延伸到S3 Table、AI數據、雲備份、RDMA、DPU以及Agent的數據基礎設施。
模型會變，晶片會變，軟體形態也可能繼續變化。但數據依然需要保存、調用、備份和恢復，企業依然需要有人為這些數據負責。因此，Kevin反覆提到的「信任」，在AI能力不斷增強之後反而有了更具體的含義。
它可以是一套儲存系統連續運行幾年沒有丟過數據，可以是在硬碟和網路接近極限之前提前發出預警，也可以是在Agent自動完成部署之後，仍然有人願意在最終結果上簽字。RustFS早期反覆拔電源、拔硬碟、斷網路做穩定性測試，後來讓大型客戶跑三個月甚至半年的POC，本質上都在積累這種很難被一次模型升級抹掉的東西。
軟體會變，模型會變，晶片也會變。儲存與記憶、計算與數據之間的調度效率、Agent對數據的調用，以及產品可靠性和用戶信任，卻更像穿過技術周期之後依然存在的底層需求。
如果後AI時代真的存在一張通行證，它上面寫的或許不會只是「更強的模型」或者「更多的算力」。數據能不能存住，計算能不能及時拿到，Agent能不能安全使用，以及出了問題有沒有人負責，這些能力才更接近那張長期有效的憑證。
而RustFS正在做的事情，就是把這些能力一塊一塊拼起來。當這條路繼續向前延伸時，RustFS已經拿到了通往後AI時代的通行證。
