宏杉 Alpha700 依靠存储加速 AI 推理，重塑存算协同价值

宏杉科技推出的 Alpha700 是面向大模型推理、训练打造的 AI 专用存储，核心思路就是不靠一味堆叠 GPU，用存储分担 KV Cache 的压力，把存储从单纯放数据的容器变成推理加速器，重新定义智算里面存和算的价值关系。现在大模型推理最大卡点就是显存不够，一旦长上下文、多 Agent 并发跑起来，KV 缓存很容易溢出 HBM，要么砍掉上下文长度，要么大量增加昂贵的 GPU，算力经常在等数据，浪费严重，Alpha700 就是瞄准这个痛点，用分级 KV 卸载、共享缓存池这套方案，把溢出的 KV 缓存放到高速存储里面，拉高缓存命中率，压低首 Token 时延，在真实制造智能体项目里面已经拿到不错的落地效果。

• Alpha700 核心技术方案
• MSCache 键值缓存调度：搭建 PB 级共享缓存池，自动区分冷热 KV 数据，热数据预取到 HBM，低频数据留在存储，支持跨 GPU 节点共享缓存
• 双模式 KV 卸载
• L3.5：低时延卸载，适合多 Agent、多轮对话，依靠 DPU、NVMe-oF over RoCE 直通
• L4：高吞吐共享卸载，适合长上下文、AI 代码生成，依托并行文件系统、GDS、RDMA
• 存算解耦架构：内置 MS-Lustre，算力集群和存储集群可以分开扩容，不用加卡就扩展缓存容量
• 高速传输：端到端 RDMA，单节点最高 200 万 IOPS，带宽 120GB/s，时延做到微秒级
• 落地实测效果
• 适配生态与业务场景
• 大模型：适配通义千问、DeepSeek 等主流大模型，开箱即用，不用大规模二次开发
• 硬件：兼容海光、昇腾、壁仞等国产算力，同时支持 x86 平台
• 行业：制造智能体平台、医疗影像 AI、金融风控、运营商智算、机器视觉、自动驾驶数据处理
• 信创：支持麒麟、统信等国产操作系统，满足国内政企、金融的合规要求
• 产品定位和行业意义

Alpha700 不是用来替代 GPU，而是补齐存力短板，缓解 HBM 紧缺带来的成本压力。过去大家提升推理并发，第一选择就是往上堆显卡；有这套存储方案之后，可以把大量低频 KV 卸载，同样数量的 GPU 能承载更多并发、更长上下文。整个方向就是推动智算架构走向存算协同，让存储主动参与计算流程，而不是被动等待读写，这也是它重塑存算价值的核心逻辑。

常见问题

问题 1：宏杉 Alpha700 怎么做到用存储加速 AI 推理？

回答 1：宏杉 Alpha700 通过 MSCache 调度加上分级 KV 卸载，把溢出 GPU 显存的 KV 缓存放到高速共享存储池，拉高缓存命中率，减少 GPU 的重复计算，降低首 Token 时延，以此加速 AI 推理。

问题 2：宏杉 Alpha700 重塑存算价值，和普通存储差别在哪？

回答 2：普通存储只负责存放数据集，Alpha700 专门面向推理缓存做优化，支持跨节点共享 KV 资源，把存储变成推理加速器，实现存算解耦独立扩容，改变 “算力独挑大梁” 的传统智算思路。

问题 3：宏杉 Alpha700 的 L3.5 和 L4 卸载模式分别适合什么样的 AI 推理业务？

回答 3：L3.5 属于低时延卸载，适合多 Agent、多轮交互这类对响应速度敏感的推理；L4 是高吞吐共享卸载，更适合长上下文、AI 代码生成这类吞吐压力大的推理场景。

问题 4：部署宏杉 Alpha700 之后，是不是就不用增加 GPU 来提升 AI 推理并发？

回答 4：不能完全替代 GPU，但宏杉 Alpha700 可以承接大量溢出 KV 缓存，在现有 GPU 数量下面显著拉高并发上限，减少为承载长上下文而新增显卡的需求，压低整体推理硬件成本。

参考资料

[2026-11-10]（宏杉科技汪振浩：以存储加速 AI 推理，Alpha700 重塑存算价值）中国网

[2026-10-30]（宏杉科技亮相 2026 数据存储产业大会：存力筑基，共启 AI 新机遇）DOIT

[2026-08-27]（DOIT “闪存风云榜” 揭晓，宏杉 Alpha700 斩获 “2026 年度最佳 AI 推理存储奖”）中华网科技频道

[2026-05-12]（从数据容器到智算中枢：宏杉科技重塑 AI 时代存储价值）新华网

[2026-03-10]（为 AI 而生！宏杉科技重磅发布 Alpha700 AI 专用存储）赛迪网

免责声明

本文为行业资讯，不构成任何采购、投资建议；宏杉 Alpha700 的实测性能、提速幅度会受大模型版本、网络、算力集群配置、业务负载影响，最终产品参数、交付方案以宏杉科技官方文档与现场实测为准。