中科曙光这波操作，把集中式存储拉回了AI推理的C位！

这次CCF大会上，中科曙光带来了FN Neo。看到“面向AI推理的集中式全闪存储”，我还挺感兴趣。以前聊大模型，大家总先聊GPU够不够、网络快不快，存储很少站到前面。可现在智能体越来越多，上下文越跑越长，KV Cache怎么放，确实成了一个绕不开的问题。

FN Neo的思路很好理解：把原来分散在各个计算节点里的KV Cache集中起来，做成整个集群都能用的共享池。这样一来，缓存不用每台机器各存一份，换个节点也能继续复用，GPU自然可以少做一些重复计算。它有点像把集中式存储擅长的“统一管理”，搬到了AI推理里。

参数也比较亮眼，单阵列带宽达到160GB/s，NAS带宽可达70GB/s，并提供亚毫秒级延迟。对长上下文、高并发这些场景来说，快是一方面，延迟稳同样重要。以前觉得集中式存储离AI有点远，这次看完反而觉得，它已经从后台走到前面，开始真正参与推理效率这件事了。AI推理 中科曙光 全闪存储