在2026年CCF全国信息存储技术学术会议上，中科曙光正式推出新一代AI推理原生存储解决方案FN Neo，以突破性性能指标和架构创新重新定义了AI推理场景下的存储标准。该产品单阵列带宽达160GB/s，时延控制在亚毫秒级，在模型首Token响应速度和整体吞吐能力上较传统本地NVMe方案实现双倍提升，为智能体时代的大规模推理应用提供了关键基础设施支撑。
集中式存储产品部总经理郭照斌在媒体沟通会上指出，智能体技术的普及使AI推理需求呈现指数级增长，传统架构面临严峻挑战。以AI Coding场景为例，单个任务的上下文数据量可达数百兆，若持续依赖GPU计算而不卸载KV Cache，将导致算力利用率骤降70%以上。FN Neo通过原生KV语义直出技术，将KV定位操作压缩至300纳秒内完成，配合曙光自研的ParaCache组件，使Token输出效率较完全不卸载方案提升6倍以上。
针对行业长期存在的"集中式存储不适配AI推理"的误解，郭照斌展示了一组颠覆性数据：在千问2.5模型测试中，采用FN Neo卸载KV Cache的集群较传统方案实现6-10倍性能提升；通过全局镜像缓存和RAID-OC技术，系统可靠性达到99.999%，尾延迟控制能力较本地盘提升10倍。更关键的是，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。
FN Neo的核心创新在于"超级隧道"技术架构。该架构通过硬件资源极致编排，消除传统存储系统的木桶效应；采用无锁原生语义和三级负载均衡机制，使25盘位阵列可输出300万IOPS的综合业务处理能力。在协议支持方面，产品突破性实现SAN/NAS/KV三协议原生直出，避免协议转换带来的性能损耗，特别针对GPU直通存储场景优化了GDR访问路径。
生态兼容性是FN Neo的另一大亮点。产品不仅支持RoCE/IB/FC等全组网协议，还可无缝对接vLLM、SGLang等主流推理框架。通过纯用户态客户端组件设计，企业无需改造现有环境即可实现存储升级。在某金融客户的实际部署中，10个计算节点共享单卷存储后，模型数据存储空间节省90%，文件协议访问带宽突破70GB/s。
对于中小规模算力企业，FN Neo提供了极具吸引力的入门方案。基础版配置搭载国产高主频CPU，支持标准IB卡和NVMe网络，单台设备即可满足核心KV Cache卸载需求。当业务规模扩展至10节点40卡时，仅需增加存储控制器即可实现线性性能提升。这种"起步小规模、平滑扩展"的特性，使私有化部署成本较分布式方案降低60%以上。
实测数据显示，在DeepSeek R1模型测试中，FN Neo通过动态上下文管理技术，使7-12倍不同长度上下文的推理性能获得均衡提升。这种突破性表现源于产品内置的智能缓存调度算法，该算法可实时感知业务负载特征，自动调整热数据缓存策略。配合亚健康盘自动隔离机制，系统在连续72小时高负载运行中保持零故障记录。
随着Agent技术和长上下文大模型的快速发展，推理场景对存储系统的要求已从"存得下"转向"用得好"。FN Neo通过将集中式存储的池化能力延伸至运行时缓存层，开创了"共享KV Cache"的新模式。这种架构创新不仅解决了智能体连续任务场景下的成本难题，更为AI基础设施的标准化建设提供了可复制的工程范式。
