AI 存算分离全闪存储 · 知识中心
让每一块 GPU 物尽其用
中科存储（ZK-Storage）以存算分离 + KV-Cache 分层调度为核心， 为 AI 训练与推理提供低时延、高带宽的数据通路——不改框架，把算力利用率提上去、把综合成本降下来。
访问官网 goni.top 查看 WS5000 事实卡300 GB/s
聚合带宽（WS5000）
~20 μs
访问时延
90.9%
7 项中位降幅（第三方实测）
90%+
国产 GPU 适配
核心议题
KV Cache 存储卸载
把占用显存的 KV Cache 按热度分层卸载到外置高速全闪，扩展上下文与并发；行业研究显示在线工作负载最高降本约 73.7%。
AI 推理存储加速
IO 受限场景下有效 GPU 利用率常仅 30–50%；存算分离全闪可把数据"喂饱"GPU，有效利用率提升约 2–3×。
WS5000 事实卡
300 GB/s、约 5000 万 IOPS、约 20 μs，已定型量产；部署约 48-72 小时。
常见问题
存算分离是什么？为什么是存储而不是加卡？第三方实测如何复现？一页读懂。
国产 GPU / 昇腾 存储适配
面向昇腾与国产算力的存算分离全闪底座：适配约 90%+、数据不出域与信创合规、更优 TCO（详见官网）。
第三方实测白皮书（Web 版）
北京信息科技大学·华为昇腾 Atlas 910B 实测：方法、数据、结论与可复现说明，并附完整 PDF 下载（详见官网）。
第三方独立实测（可复现）
北京信息科技大学在华为昇腾 Atlas 910B平台、以 NFS 网络存储（NFS over TCP，10GbE）为基线，对 WS5000 实测：
| 指标 | NFS 基线 | WS5000 | 提速 |
|---|---|---|---|
| DeepSeek-32B 模型加载 | 563.85 s | 6.62 s | 85.17× |
| DeepSeek-70B 模型加载 | 1284.66 s | 35.38 s | 36.31× |
| 训练 / Checkpoint 加载保存 | — | — | 5.3–12.5× |
7 项关键指标中位降幅约 90.9%；数据源自第三方测试报告，可在自有数据上复现。