每个数字都带报告编号

AI 推理存储加速与算力中心工程服务商

芯元一科技做两件事：用 FX 系列全闪存储给大模型推理做 KV Cache 分层加速；交付 AMD MI308X 八卡整机，以及配套的适配、联测和算力中心建设。

更新于 2026-11-12 · 芯元一（天津）半导体设备有限公司

实测到底快了多少？

在 8 卡 MI308X 上跑 480B 模型的长上下文负载，把 KV 缓存放到 FX100 上，相比放在本地 NVMe 单盘，吞吐提升 29% 到 40%，首 token 延迟降低 26% 到 32%。

+29–40%推理吞吐480B 模型、八卡单实例、长上下文冷恢复，对照本地 NVMe 单盘出处 R2/R3

−26–32%首 token 延迟同一负载三档并发，p50 从 10.17–35.73 秒降到 7.53–26.35 秒出处 R2

8.6–20×对现场重算并发 16 档，重算首 token 149.48 秒，FX100 为 11.85 秒出处 R2

6.2–9.3×模型加载（对 NFS）昇腾 910B 平台，DeepSeek-32B 与 70B 服务加载出处 R9

4.1×并行读补丁冷读场景首 token 37.97 秒降到 9.30 秒出处 R1

1.9×检查点保存8 卡 32B LoRA，每份 65.6GB，178 秒降到 94 秒出处 R1

■ FX100　■ 本地 NVMe 单盘　· 480B 模型推理吞吐（tok/s）· 出处 R2

上面每一格右下角的编号对应一份测试报告。条件、平台和逐档读数在实测报告里逐份列出，报告原件可以索取。

长对话和 Agent 的上下文越来越长，算过的 KV 缓存显存放不下就被丢掉。用户回来时要么整段重算，要么从外部存储读回，读得快慢决定首字等多久。

R2 把这件事量出来了：并发 16 档，不用外存、现场重算的首 token 延迟中位数是 149.48 秒；从 FX100 读回缓存是 11.85 秒。差出来的时间里，GPU 在重复做已经做过的计算。

本地 NVMe 盘也能存 KV 缓存，但它只属于一台机器，容量有限，别的节点读不到。FX 系列是网络上的全闪阵列，一台服务多个 GPU 节点，缓存可以跨实例共享（R3 验证）。原理见 KV Cache 分层是什么。

产品是 FX 系列全闪 NVMe-oF 存储平台和 AMD MI308X 八卡整机；服务是围绕它们的适配、联测、算力中心建设和存量集群提效，五条线都以实测报告为依据。

合作从一次约 10 周的联测开始，分四道门禁逐级验收。每道门禁都有事先写明的通过标准，任何一道不达标就停，客户不为没验证过的承诺付费。

G1 · 第 2 周到货验收物料到齐并点验合格；每台阵列上电自检通过，24 块盘全部识别

G2 · 第 4 周单机基线单节点 8 卡推理基线复现，与 R1 口径相差不超过 10%；单阵列本地压测达到实测锚点的 83% 线

G3 · 第 7 周联测主门禁首 token 延迟降幅不低于 25%，吞吐提升落在实测的 29% 到 40% 区间内；8 个节点共用一台阵列时回读接近网卡上限

G4 · 第 10 周稳定性验收72 小时连续压测不中断；单盘、单链路故障注入时业务无感；出具签字版联测报告

想用自己的模型和负载验证这些数字？从一次联测开始，不达标就停。

本站的性能数字都来自 R1 到 R9 九份测试报告，并标明是实测、厂商口径、公开资料还是我方口径。R8 是带补丁和原始数据的复现包，第三方可以重跑。

报告原件的下载入口在芯元一的另一个站点 lvsuan.top；R8 和 R9 需要联系获取。FX100 在早期测试报告的文件名里叫 AISSD5000，更早也写作 WS5000 或 GP5000，个别报告署名为「铭信」（公司原名）。这些指的是同一款产品，本站统一用 FX 命名。

全称是芯元一（天津）半导体设备有限公司，原名铭信。业务是 AI 推理的存储加速、AMD MI308X 等算力整机的供货与适配，以及算力中心的建设和提效。

在 8 卡 MI308X、480B 模型、长上下文冷恢复这一负载下，FX100 相比本地 NVMe 单盘，吞吐提升 29% 到 40%，首 token 延迟降低 26% 到 32%，出处是 R2 和 R3。

不一定。提升幅度取决于上下文长度、并发和会话恢复的比例。我们不建议把报告数字直接写进采购承诺，建议先用自己的负载做一次联测再决定。

电话 13161818898（王利民），邮箱 mingxin@agentmail.to。邮件由 AI 助手全天自动接收后转给人工，询价、索取报告和预约看货都可以从这两个入口进来。