存储加速（KV Cache 分层）
FX 系列全闪 NVMe-oF 阵列 + KV Cache 分层软件栈：在 480B 大模型生产部署形态下，签字级实测吞吐提升 29–40%、TTFT 降 26–32%。
核心能力与实测依据
- 同等出卡预算多一块可核验的有效产能：存储投入约占 GPU 一成内（联测口径），吞吐提升 29–40%（R2/R3 实测）
- 长上下文冷恢复（Agent/代码助手会话恢复风暴）场景：对无外存重算加速 8.6–20×（R2 实测）
- fs:// 共享池跨实例热共享验证通过，两轮独立测量偏差 ≤5%（R3 实测）
- 存量集群不必先扩卡：NFS 瓶颈下模型加载提速 6.2–9.3×（R9 实测，昇腾平台）
支撑证据
R1FX100 大模型推理与训练 综合性能测试报告（AMD MI308X ×8）2026-07-03
LMCache 并行读补丁、KV 分层多卡扩展、模型并发加载、模型切换有效 TPS、训练 checkpoint 并发写（Qwen2.5-32B/7B）
下载报告 PDF ↓R2FX100 KV Cache 性能测试报告（480B·TP8 长上下文·正式版）2026-07-05
Qwen3-Coder-480B-FP8 八卡单实例（TP=8 标准生产部署形态），长上下文冷恢复，三方对照×并发梯度
下载报告 PDF ↓R3FX100 KV Cache 性能测试汇总报告（480B·TP4×2·全指标·正式版）2026-07-06
四卡双实例九档全指标（TTFT p50/p90/p99、TPOT、吞吐、盘带宽），fs:// 共享池跨实例热共享验证，两轮独立测量偏差 ≤5%
下载报告 PDF ↓R9铭信 FX100-HBMM 与华为 910B 模型推理与训练性能测试（vs NFS 基线）2026-05-30
华为 Atlas 910B×8（Kunpeng-920）平台：模型推理加载（DeepSeek-32B/70B）、训练权重/Checkpoint 存取（Qwen-7B）、训练数据加速（YOLOv8/COCO）三组对照 NFS 基线（平台为昇腾 910B，非 MI308X，如实标注；联系我们获取）
联系我们获取 →合作路径
先联测、后决策：门禁化验收，不达标即止损。完整测算模型 NDA 后 Python 可复现，客户可自行改参数重算；本站所有关键数字附报告编号，接受任何第三方查证。