【徽声在线9月14日讯】在人工智能大模型推理技术持续革新的背景下，元脑服务器今日正式发布面向高性能推理场景的G3.5层全闪存解决方案。该方案创新性地整合了Mooncake KV缓存共享技术，以元脑NF5286全闪服务器为硬件基石，通过与Mooncake缓存组件及推理框架的深度协同，构建出独立于计算节点的弹性KV缓存池。

据技术白皮书披露，该方案突破传统架构限制，实现了三大核心优势：其一，缓存资源与计算资源解耦设计，支持根据业务负载动态扩展缓存容量，当处理长上下文推理任务时，可单独扩容缓存模块而不影响计算节点；其二，通过缓存感知调度算法，使推理框架能够智能分配缓存资源，在GPU集群扩容或维护时，确保缓存数据持续可用；其三，全闪存架构将缓存延迟降低至微秒级，配合硬件加速引擎，使大模型推理吞吐量提升达40%。

行业分析师指出，这种架构创新有效解决了大模型推理中的资源竞争难题。传统方案中缓存与计算强绑定，导致扩容时需同步更新缓存节点，而元脑的新方案通过分离设计，使企业能够按需采购硬件，据测算可降低30%的TCO成本。目前该方案已在金融风控、智能客服等场景完成验证，单集群可支持超过10万QPS的推理请求。