<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>KVCache on AI内参</title>
    <link>https://www.neican.ai/tags/kvcache/</link>
    <description>Recent content in KVCache on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Wed, 01 Oct 2025 10:10:05 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/kvcache/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>AI数据洪流下的存储革新：全闪并行文件系统如何重塑大模型时代算力瓶颈</title>
      <link>https://www.neican.ai/insights/article-20251001101005075-1/</link>
      <pubDate>Wed, 01 Oct 2025 10:10:05 +0800</pubDate>
      <guid>https://www.neican.ai/insights/article-20251001101005075-1/</guid>
      <description>随着AI数据量爆炸式增长，高性能全闪并行文件系统正成为解锁大模型算力潜能的关键。通过I/O路径优化、元数据高效处理和创新的KVCache“以存换算”技术，该系统有效解决了AI训练和推理中的存储瓶颈，并预示着未来AI数据基础设施将向着更经济、更智能、DPU加速的方向演进，从而推动企业级AI的广泛落地。</description>
    </item>
    <item>
      <title>解耦赋能长上下文：Mooncake如何重塑大模型推理的成本与效率边界</title>
      <link>https://www.neican.ai/insights/mooncake-20250801111005253-3/</link>
      <pubDate>Fri, 01 Aug 2025 11:10:05 +0800</pubDate>
      <guid>https://www.neican.ai/insights/mooncake-20250801111005253-3/</guid>
      <description>Mooncake项目通过创新的KVCache中心化“PD分离”架构，显著提升大模型长上下文推理效率并大幅降低成本，为企业级AI规模化应用提供了关键基础设施。这一由阿里云和清华大学共同开源的方案，预示着AI算力向计算存储解耦和服务化方向演进，将加速AI技术的普及和更广泛的应用创新。</description>
    </item>
  </channel>
</rss>
