KV池化回到集中式阵列 卸载改拼预测器

2026年9月22日 · 观天下

今天三条线索，指向同一件事：KV缓存这把椅子，正在被"池化"重新搬回集中式存储的桌上；而卸载这条赛道，比拼的已经从"介质快不快"换成了"预测准不准"。第一条来自中科曙光——在 CCF 全国信息存储技术学术会议上，它把 AI 推理原生存储 FN Neo 全新迭代升级，一句话就否掉了行业里流传多年的印象："集中式存储不适合 AI 推理"。第二条来自华为——数据存储产品线总裁袁远给出的三个攻坚方向里，最硬的一个数字是把 KV 加载的 I/O 时延从 350 微秒压到 55 微秒。第三条是日程——云栖大会今天上午开幕，GMIF 2026 同周在深圳举行，两份议程把"阶段解耦"和"Token 经济"摆进了主线。论文侧今天选两篇，都来自端侧：一篇用 Prefill 阶段的预测，替代 Decode 阶段的反应式驱逐；另一篇用提前一个 token 的路由预测，把 35B 专家模型的权重留在 SSD 上。三条线索收在同一个判断上：内存池化正在被两条互不相同的路线同时推进，而卸载系统的标配件，正在从"更快的介质"变成"更准的预测器"。

一、行业动态

1. 中科曙光 FN Neo：集中式存储把"池化"这项老本事，拿回来当推理的入场券

9月21日，在 2026 年 CCF 全国信息存储技术学术会议（第 32 届 CCF 大会）上，中科曙光正式发布全新迭代升级的 AI 推理原生存储 FN Neo。会后，集中式存储产品部总经理郭照斌围绕"智能体时代 KV Cache 的落地"与媒体做了沟通。

先把硬指标摆上：单阵列带宽可达 160GB/s、亚毫秒级时延，延迟表现、吞吐量和多请求并发数相比传统本地 NVMe 方案均有约 2 倍提升；实现模型首 Token 响应时间缩减 73%，整体 Token 吞吐能力提升 150%；通过全局镜像缓存与 RAID-OC 技术把系统可靠性做到 99.999%，尾延迟控制能力较本地盘提升 10 倍。

但这一条真正的看点，是它把 KV Cache 放进了 KV Cache 分层体系的 L3 层，并且做到了原生 KV 语义直出——官方口径是把 KV 的定位操作压缩到 300 纳秒内完成。配套的是曙光自研的 ParaCache 组件。产品层面还有几个值得记的设计：

· 一台存储直出 SAN / NAS / KV 三类协议，块、文件、键值三类数据接口原生直出，不走协议转换的绕路；针对 GPU 直通存储场景专门优化了 GDR 访问路径；组网侧支持 RoCE / IB / FC，并基于 IB 协议自研了原生 RDMA 与 RoCE 协议。

· "超级隧道"架构：靠硬件资源编排消除木桶效应，采用无锁原生语义与三级负载均衡，25 盘位阵列可输出 300 万 IOPS 的综合业务处理能力。基础款为 2U、25 盘位双控阵列，搭载两颗国产高主频 CPU。

· 生态侧：可无缝对接 vLLM、SGLang 等主流推理框架，以及 LMCache、Mooncake 等缓存卸载层；通过纯用户态客户端组件，企业无需改造现有推理环境。

落到账本上，最值得抄下来的是两个对比。

第一个是对"本地盘更快"这个直觉的反驳。在传统部署里，KV Cache 是计算节点的私有资源，会话之间无法互通，大量缓存被闲置。FN Neo 的实测场景是：10 个计算节点共享一份模型与共享存储池，模型数据存储空间节省 90%，单卷 NAS 带宽达到 70GB/s；而本地盘的典型值是 7GB/s 左右。单盘看着快，但整个集群一直在重复存、重复算。另一组口径是单台 2U 双控阵列即可支撑 40 卡规模的推理集群，硬件成本较分布式方案降低 40% 以上。

第二个是卸载后算力配置的收敛。现场给出的测试是单节点 8 卡跑 DeepSeek-R1，通过 KV Cache 卸载，不同上下文下的性能提升可达 7-12 倍；在 AI Coding 这类上下文持续增长、轮数多的场景，Token 输出效率相比完全不卸载提升 83%，简单事务性智能体场景也有 50% 提升；在千问 2.5 模型测试中实现 6-10 倍性能提升。郭照斌另外给出了两个更直观的场景对比口径：若持续依赖 GPU 计算而不卸载 KV Cache，AI Coding 这类场景的算力利用率会骤降 70% 以上；而配合 ParaCache，Token 输出效率较完全不卸载方案提升 6 倍以上。

这里需要做一次事实之问：同一天里出现了"6 倍以上"（ParaCache 口径）、"7-12 倍"（单节点 8 卡不同上下文口径）、"83%"与"50%"（分场景口径）四组数字，它们并不在同一个坐标系里——分母分别是"完全不卸载""传统方案""特定场景基线"。这四组数放在一起时，读者要盯的不是最大的那个，而是每个数字后面跟的定语。这个习惯在本系列已经用了一个月：口径不清时并列呈现，比单向引用更接近真相。

为什么值得关注：这条新闻真正的分量不在参数，而在于它把"路线"这件事摆到了台面上。就在前一天（9月20日），ODCC 在 ODX 大会上发出的第一批 KV Cache 推理存储专项测评成绩里，拿头名口径的是泛联 UbiPower 18000——一条典型的"分布式存储 + GPU Direct RDMA 零拷贝 + 绕过宿主机 CPU 调度链路"的路线。今天晨曦给出的则是另一条：集中式全闪 + 池化共享 + 三协议原生直出 + 原生 KV 语义。两条路线在 48 小时内，面对面摆在了同一个话题上。

这背后有一个容易被忽略的历史事实：池化共享、故障隔离、稳定的低延迟——这三样能力，本来就是集中式存储在金融、通信这些"不能停"的业务里练了十几年的看家本领。过去两年，AI 推理圈先入为主地认为"本地 NVMe 才够快"，把这些能力默认为"传统业务的遗产"。 KV Cache 一来，情况反转了：因为 KV Cache 天生要跨会话、跨节点复用，单机私有反而是它的先天缺陷。郭照斌那句回应值得记下来："服务器也好，双控阵列也好，在当前 AI 数据中心和 AI 存储里都占有一定比重，本来就是并行存在的，并不需要去纠正用户的使用习惯。"翻译一下就是：架构叫什么名字并不重要，内存池化 的关键落在一个很朴素的问题上——能不能在不增加节点数的前提下，把 KV池做大。

2. 华为把 KV 加载的时延账拆到了微秒级：350 微秒 → 55 微秒

第二条在 9月17日的华为全联接大会 2026"华为数据存储峰会"上就已落定，9月21日随中文财经媒体的细节复盘稿完整流出。华为公司副总裁、数据存储产品线总裁袁远提出了 AI 数据平台的三大创新方向，三个方向各配了一组可验证的数字：

· 构建"数据本体"——让 AI 真正理解任务语义，把智能体任务正确率提升到 90% 以上。

· 原生 KV 语义直通——单框提供 TB 级存储带宽，把 I/O 时延从 350 微秒降至 55 微秒，KV Cache 加载速度提升 2 倍。

· 打造"智能体数据韧性"——用意图识别引擎实现秒级风险拦截、分钟级一致性恢复，高风险操作拦截率 99%、勒索软件检测率 99%。

其中第二条是本条的核心。350 微秒降到 55 微秒，等于把同一条 KV 通道的时延预算砍到了原来的约六分之一。这个数字之所以重要，是因为前面一个月本系列反复在算同一笔账：介质从 HBM 换到 DRAM、再换到 SSD，损失的是几十到几百微秒量级；真正能再往下抠的空间，已经不在盘上，而在协议栈和软件路径里。"原生 KV 语义直通"想解决的正是这一段——让 KV 这种对象在存储侧被原生识别、原生定位，而不是被当成普通文件去层层查元数据。

配套的客户账本也给得很实。华为首创的"3+1"AI 数据平台方案，基于 OceanStor AI 语义存储，集成知识库、KV Cache 库与记忆库三大组件，依托 UCM（统一缓存管理）技术，已在 AI 辅助诊疗、AI 编程等 20 余个关键业务场景中落地。数据存储产品线副总裁吴俊杰举了两个例子：

· 医疗：某三甲医院把海量医学文献、疾病编码与患者病史转化为高精度知识库后，AI 辅助诊断报告采纳率从 50% 提升至 90%，智能体每日调用次数从 2000 次跃升至 16000 次。吴俊杰点出的痛点是：部分医疗客户做辅助诊疗时，知识获取准确率只有百分之五六十，数据语料根本进不了临床。

· AI 编程：某企业基于 KV Cache 库与 UCM，走"以查代算"的路径，把首 Token 时延降低 80% 至 10 秒以内，Token 吞吐率提升 2.2 倍。

值得注意的是"以查代算"这四个字——它不是一句营销话术，而是 KV卸载 的经济学本质：把重复计算换成一次读取，只要读取比计算便宜，账就成立。而"首 Token 压进 10 秒"这个口径，恰恰对应了本系列 9月13日算过的那笔账（AI Coding 类负载输出极短、上下文极长，PD分离 之后 KV 传输时长能占到端到端延迟的四到五成）。

另外两件配套动作也值得记下：华为云在大会上发布了新版 AICS（AI 集群服务），采用五级恢复机制与全链路可观测，已支撑超过 40 天的模型训练运行、故障 10 分钟内恢复，调度、缓存与算法优化带来 Token 吞吐较上一代提升 20%，将于 9月30日面向中国客户商用、11月30日面向海外；同时发布面向 Agent 的 CMS 记忆存储。而 OceanStor M900 面向超大规模数据中心，OceanStor M800 则用标准网络与硬件适配多种异构算力，用于非昇腾卡、非超节点场景——这一点常被忽略：华为把 KV 记忆层做成了一条产品线，而不是一套只服务于自家超节点的专属件。

这里还有一个必须提示的口径差异：9月17日发布 M900 时，官方给的数字是"访问时延由毫秒级降至 60 微秒、缩短 90%"；今天这条"原生 KV 语义直通"给的是"从 350 微秒降至 55 微秒"。两者不是同一把尺子——前者是 NPU 经灵衢"一跳直通"到 SSD 的访问时延，后者是原生 KV 语义路径上的 I/O 时延。把不同定义的微秒数直接比大小，是这一轮厂商口径里最常见的误读方式。

为什么值得关注：过去三周，KV 层的竞争指标换了三次尺子——先是容量（单集群 64PB、单 NPU 从 GB 到 TB），然后是层级编号（L3.5、G3.5），今天换成了微秒。尺子越换越细，说明这个层次的工程竞争已经从"有没有"进入了"抠不抠得动"。更有价值的是那个客户账本：采纳率 50%→90% 与调用量 2000→16000 次，是"记忆层建好之后业务量才敢放开"的直接证据。它解释了一个很多人没想通的问题——为什么存储厂商突然成了 Agentic AI 的主角。

3. 云栖大会今天上午开幕，GMIF 同周登场：议程就是行业待办清单

第三条是日程。9月22日上午 9:30，2026 云栖大会在杭州国际博览中心开幕，主题"智以致用"，会期 9月22-24日，设三大主论坛与 120 余场分论坛，参展企业超 1000 家，主线是 Agentic AI 与从模型到 Agentic Cloud 的"五层全栈"。同周，第五届 GMIF 全球存储器行业创新峰会将于 9月22-23日在深圳湾万丽酒店举行，由深圳市存储器行业协会与北京大学集成电路学院联合主办，主题"AI 存储，驱动未来"，明确以"Token 经济"为关键视角，登台方包括摩根士丹利、三星半导体、Sandisk、Solidigm、慧荣科技、Arm、佰维存储、联想等 18 家以上机构，展区汇聚 39 家以上企业的 300 多项创新成果。

会议本身不是新闻，但会议的议程结构是新闻，因为它等于一份被产业共识排过序的待办清单。今天这两份议程里，有四个点直接落在本系列的主线上：

· 阿里云智能集团资深技术专家卢晓伟的题目是《重塑推理范式：从阶段解耦迈向系统级最优》。"阶段解耦"就是 PD分离 的另一种说法——云厂开始把这件事讲成"范式重塑"，而不是"部署优化"。

· 阿里云数据库产品事业部与 NVIDIA 联合的题目是《数据库走向 Agentic AI：阿里云 Tair KVCache × NVIDIA 推理协同优化实践》。KV Cache 出现在数据库产品的议题里，说明它已经被当作一类需要独立管理的数据对象，而不是推理引擎的内部张量。

· NVIDIA 侧的《Dynamo：全面加速智能体推理部署》与"Token Performance Network"论坛，把网络也拉进了 Token 效率的账本里。

· 训练侧，阿里云将在云栖期间正式推出新一代全栈自研 CPFS（并行文件存储），面向下一代 AI 训练集群设计，可支撑百万卡级模型训练。

而 GMIF 那边更直接：把存储产业的年度讨论统一到"Token 经济"这个尺度下。这个变化值得单独说一句——一年前，存储行业的会议主题还是容量、带宽、层数和价格；现在主办方直接把"每 Token 成本"当作核心视角。这意味着存储从一个成本项，正在变成一个可以被写进单位经济模型的产出项。

为什么值得关注：昨天的观察清单里，第 3 条问的是"KVCacheStore 给不给容量与命中的口径"，第 4 条问的是"GMIF 会不会给出 HBF 与 CXL 内存模块的量产时间表"。今天这两件事同时进入窗口期。对做架构选型的人来说，这一周的价值不在于听发布，而在于看这些指标会不会被写进公开的、可比较的规格里——写进去了，才是可采购的。

二、论文分析：卸载系统的标配件，正在变成"预测器"

论文一：TierKV——把分层边界从"配置"变成"一次求解"（arXiv:2609.21172）

第一篇来自美国多所高校的合作团队（Zhihao Shu、Md Musfiqur Rahman Sanim、Jie Hu、Kun Yuan、Minghai Qin、Gagan Agrawal、Wei Niu），9月18日提交，题目是《TierKV: Long-Context On-Device LLMs via Predictive Multi-Tier KV Caching》。场景是手机等移动设备上的长上下文推理。

它先把前人的三条路都摆出来，然后逐条指出代价：低秩压缩（low-rank compression）的代价是重建开销；token 驱逐（token eviction）的代价是不可逆的信息丢失；闪存卸载（flash offloading）的代价是 I/O 停顿。三种办法都在省内存，但省下来的内存往往又被这些代价抵消掉了。这是一个很干净的诊断。

TierKV 的做法叫 PMCO（Predictive Multi-Tier Cache Optimization，预测式多级缓存优化），关键设计有三点：

· 预测点放在 Decode 之前。在 Decode 开始前，PMCO 直接从 Prefill 阶段的隐藏状态预测未来的缓存需求——也就是说，这个预测用的输入是模型本来就要算出来的东西，不额外增加开销。

· 联合分配，而不是逐级淘汰。在设备内存与精度的双重预算下，它把 token 同时分配到三个层级：精确保留（exact）、低秩近似（low-rank）、闪存卸载（flash-offloaded）。这个表述很像内存池化里的"分级存储"，只是把池子缩到了一台手机里。

· 闭式解在线求解。论文强调它保留了完整上下文的可访问性、去掉了反应式驱逐的循环依赖（因为反应式驱逐必须等"发现不够用了"才能动作），并且存在一个闭式解，可以在运行时选定层级边界与每层的秩（rank）。

实测覆盖 8 个文本、视觉、音频模型，跑在 3 款移动 SoC 上：Prefill 吞吐最高提升 17.6 倍，RAM 常驻的 KV缓存 降低 12.5%-34%，从而在同样的内存预算下支持明显更长的上下文，而精度损失很小。

这篇论文最值得记的一句判断是：分层不是一种配置，而是一次求解。过去做 KV 分层卸载，层级边界往往是人工设定、静态不变的（比如"前 4K 留在显存，其余下沉"）；TierKV 把这件事变成了"在 Prefill 结束时，用一次闭式求解算出这一次请求该怎么分"。对照 9月17日那篇《Where Should the KV Cache Live》的结论——收益主要来自容量比（1:8:64）而不是放置策略，batch=1 时放置甚至不影响吞吐——TierKV 恰好补充了另一半：当所有层级都塞在同一台设备里、容量比被硬件锁死时，剩下的唯一变量就是"哪些 token 值得精确保留、哪些可以低秩、哪些可以下闪存"。这不是矛盾，而是两个尺度的答案：集群尺度看容量比，单机尺度看分配解。

论文二：Edge0——先问"下一层要读什么"，再决定读不读得到（arXiv:2609.18063）

第二篇题目很直白：《The Other Half of the Memory Wall: Serving 35B MoEs from SSD with Trained Routing Prediction》（内存墙的另一半：用训练出来的路由预测，从 SSD 上服务 35B 专家模型），作者是 Yu Lin、Yiming Wang、Runyuan Cai、Hanze Liu、Xiaodong Zeng，9月16日提交、9月17日修订到第二版。

它先算了一笔很朴素的账：消费级硬件上的 MoE 推理，卡在"权重内存"上——一个 35B 级模型 4-bit 量化后仍是 19.5GB；稀疏性减少的是每个 token 的计算量，而不是必须驻留在内存里的字节数。然后它点破了"天真卸载"为什么没用：

"第 N+1 层的专家，必须在第 N 层的输出存在之前就选好。所以这些读取无法启动得足够早，也就藏不到计算后面。"

这是一句非常锋利的诊断。它说明 MoE 专家卸载的瓶颈不是 SSD 不够快，而是信息来得太晚——你不可能去读一个还不知道要读哪几块的东西。

Edge0 的解法是给系统装一个"提前量"：

· prerouter（预路由）：每层有一个小 head，提前一个 token 预测下一层的路由。

· 预测被当作路由本身来消费，而不是"预测 + 校验 + 回退"。这一条是整个设计的枢纽：因为预测就是路由，被预取的专家集合恰好等于被激活的专家集合，因此不会丢专家、也不需要回退路径。

· 一个未合并的恢复型 LoRA（unmerged recovery LoRA），在 student 路径上训练，用来补回 int4 量化与路由替换带来的质量损失。

结果相当克制也相当有说服力：在一台 24GB 显存的机器上，35B MoE 跑到 20 tok/s，峰值活跃内存控制在 3GiB 以内，在五个公开基准上平均只落后其 fp16 教师模型几个点。同一套框架向下覆盖 8B 档，框架、checkpoint 与适配器全部开源。

把这篇和第一篇并起来读，会看到一个共同的新角色：预测器（predictor）。TierKV 预测的是"要读什么状态"，Edge0 预测的是"要读哪块权重"；前者把预测点放在 Prefill 结束，后者把预测点提前一个 token。两者都在做同一件事——把"读取"的决策时间点，从"已经需要了"提前到"还没需要"。

这件事和本系列最近三条同源证据正好接上：9月7日的 Random Attention 说，驱逐的选择信号几乎没用；9月8日的 KVMem 说，KV卸载正从"驱逐/压缩"升级为可寻址换页，语义从热度变成检索；9月19日的《Contiguity, Not Importance》说，连重要性都不必判断，只需判断连续性。四条放在一起，结论是一句话：判断"哪个重要"这件老活儿，正在被"预测哪个会被用到"替代。前者是打分，后者是预报——打分要算，预报只要猜得准。

顺带说一句 AF分离：Edge0 其实是 AF分离 在存储侧的变体。AF分离 的本意是把注意力（查字典）与前馈网络（做算术）拆到两类算力上；Edge0 没有拆芯片，但它把 FFN 的专家权重整块留在了 SSD 上，只把注意力与调度所需要的状态留在内存里——从"谁来算"退到了"谁住在内存里"。按本系列的判据，它仍然不算 AF分离 的产品级落地，但它给出了一条更容易被验证的路径：先证明专家路由可以被预测，再谈专家算力可以被拆开。

三、结语：三条判断

判断一：内存池化 的路线之争，在过去 48 小时里被正式摆上了桌面。9月20日 ODCC 的首批 KV Cache 测评成绩，代表的是"分布式存储 + GPU Direct RDMA 零拷贝 + 绕开宿主机 CPU 调度链路"这一路；9月21日中科曙光 FN Neo 代表的是"集中式全闪 + 集群级池化 + SAN/NAS/KV 三协议原生直出"这一路。两家的收益口径惊人地接近（一个说 TTFT 最大降 98%、TPS 最大提升 65 倍，一个说首 Token 缩减 73%、Token 吞吐提升 150%），但技术路径几乎相反。这恰好说明一件事：在 KV Cache 卸载这个场景里，胜负手不在"分布式还是集中式"，而在两个能不能——能不能把 KV池的容量做得比插槽数更大，能不能让 KV 这类对象在协议栈里被原生识别。谁能把这两件事同时做到，谁就不必在意自己的架构叫什么名字。

判断二：卸载系统的标配件，正在从"更快的介质"换成"更准的预测"。把今天的几个微秒级数字排一排：华为原生 KV 语义直通 55 微秒、M900 一跳直通 60 微秒、曙光 KV 定位操作 300 纳秒。当介质换成 SSD、通路换成 RDMA 之后，剩下的时延预算主要落在协议栈里，而软件层还能继续往下抠的空间只剩一个方向——提前知道要读什么。今天两篇论文正好一左一右：TierKV 在 Prefill 阶段预测缓存需求，Edge0 在上一层预测下一层的专家路由。它们的共同前提是：在 KV缓存 与专家权重都已经大到装不下的今天，"读得早"比"读得快"更能决定端到端指标。

判断三：AF分离 仍然只有架构主张，但它的存储侧变体已经先一步出现了。本系列的判据没有变——出现一个把 Attention 与 FFN 拆到两类芯片上、并给出端到端吞吐与时延对比的方案，才算产品级落地；到今天为止，还没有。但 Edge0 提示了一条绕行的路：把 FFN 的专家权重留在 SSD，用预测器保证"要读的那几块总能提前到"。这条路不需要新的芯片，只需要一个足够准的路由预测和一个足够小的恢复适配器。如果这条路被验证，AF分离 的未来形态可能不是"两类芯片"，而是"一块被证明可用的路由预测 + 一个分层明确的权重池"。硬件分离是最难的一步，也是最容易被绕过的一步。

观察清单

1. FN Neo 四组收益数字的口径对齐。要盯的是："6 倍以上"（ParaCache 对比完全不卸载）、"7-12 倍"（单节点 8 卡不同上下文）、"83%/50%"（分场景）分别对应哪些模型、序列长度与并发数；以及"单台 2U 支撑 40 卡"是单卷口径还是双控全配口径。"硬件成本较分布式方案降低 40% 以上"——对照方案的具体配置，是这条最需要补的定语。

2. 集中式与分布式两条 KV池路线的同台可比。泛联 UbiPower 18000 与曙光 FN Neo 目前各说各话。真正有信息量的是同一批负载下的对照：GDR 零拷贝路径与三协议原生直出路径，在长上下文、高并发、跨节点复用三种情形下的退化曲线各是什么样。

3. 云栖大会今天开幕的三个必看项。一是 KVCacheStore 给不给容量与命中率口径（每 TB 对应多少 token、跨节点访问时延分布、弹性扩容时间尺度）；二是《重塑推理范式：从阶段解耦迈向系统级最优》里的目标函数到底是什么——tokens/$ 还是 tokens/W；三是新一代 CPFS 的"可支撑百万卡级"是单文件系统挂载规模，还是集群可寻址总量。

4. GMIF 2026（9月22-23日，深圳）的介质侧时间表。三星半导体、Sandisk、Solidigm、Arm、慧荣科技都会登台，重点看 HBF（高带宽闪存）、CXL 内存模块与高速 NAND 有没有新的量产时点——它们是 KV池第三、第四层的成本基础。既然这届的主题是"Token 经济"，也值得看主办方会不会给出一套把存储折算成 Token 成本的算法。

5. 华为 55 微秒的可复现性。要问清三件事：这是单框 TB 级带宽下的常态时延还是峰值口径；350 微秒的起点是哪种配置；以及它和 M900 的"60 微秒一跳直通"是不是同一把尺子。把不同定义的微秒数直接比大小，是这一轮厂商口径里最常见的误读方式。

6. TierKV 的预测窗口在真实 Agent 负载下会不会失准。论文的预测点定在"Decode 开始前"，用的输入是 Prefill 隐藏状态。而 Agent 会话的上下文是不断追加的——第二轮之后，"Decode 开始前的 Prefill"本身就要依赖上一轮的缓存。预测的输入一旦来自被预测过的对象，误差会不会累积，是这套方法能否从端侧走到服务端的关键。

7. Edge0 的"预测即路由"会不会破坏专家负载均衡。因为预测值被直接当作路由值使用，预测器天然倾向于预测高频专家——这是 MoE 稀疏化里的老问题（路由塌缩）。论文用了恢复型 LoRA 来补质量，但负载均衡与长尾专家利用率这两个指标还需要独立验证。

8. AF分离 的产品级证据，判据不变。出现一个把 Attention 与 FFN 拆到两类芯片上、并给出端到端吞吐与时延对比的方案——不管是芯片、整机还是系统。在那之前，它仍然是架构主张；而 Edge0 这类"把 FFN 权重留在 SSD"的工作，是它目前最容易走通的一条绕行路。

免责声明：本文所涉信息均来自公开渠道，仅代表作者个人观点，不构成任何投资建议。市场有风险，决策需谨慎。