9月1日，全球权威AI性能评测组织 MLCommons 公布MLPerf® Storage v3.0最新基准测试结果。苏州紫山龙霖信息科技有限公司基于GLFS 全局数据操作系统打造的GalaxSphere数据智能引擎，在AI 训练、Checkpoint、KV Cache、向量数据库四大核心 AI 负载场景下，实现全场景性能全面领先。
MLPerf由谷歌、英特尔、百度、哈佛大学等机构联合推出，国际AI工程组织 MLCommons 发起并维护，是全球最具影响力的AI性能基准测试体系之一。其采用公开、透明、可复现的标准化测试方法，已成为全球AI芯片、服务器、云平台及基础设施性能评估与采购选型的重要行业标尺。
MLPerf Storage关注的并不仅是存储设备的峰值带宽，而是数据基础设施面对真实AI工作负载时，能否持续、高效地支撑GPU与AI应用。
它回答的是几个核心问题：
训练时，数据能否持续供给GPU？
Checkpoint能否快速保存与恢复？
推理时，KV Cache能否支撑更高Token吞吐？更低的Token成本？
RAG场景能否支撑高并发知识检索？
随着GPU集群扩大，数据系统能否同步横向扩展？
本次MLPerf Storage v3.0测评中，全球19家厂商参与，包括：微软，英伟达，惠普，三星，Everpure，浪潮等，紫山龙霖GalaxSphere在AI 训练、Checkpoint、KV Cache、向量数据库四大核心AI场景
23项核心指标中，16项每客户端性能指标排名第一，20项每RU设备性能指标排名第一
；同时通过Tier0 1～4节点扩展测试，进一步验证了系统的线性横向扩展能力。
MLPerf Storage 3.0 23项性能指标
从每客户端极致性能到每RU设备效率，从训练、Checkpoint到KV Cache和RAG，再到多节点扩展能力，这些结果共同验证了GalaxSphere并非针对单一负载进行性能优化，而是具备面向
AI全生命周期的数据服务能力
MLCommons官网对GalaxSphere的表现给予了积极评价：
In the MLPerf Storage v3.0 submission, GalaxSphere showed strong results across AI training, checkpointing, KVCache, and vector database workloads. These results reflect the system's ability to serve data-intensive AI pipelines through a unified data plane that combines an all-flash hot data layer with compute-node local NVMe Tier0 acceleration.
在 MLPerf Storage v3.0 测试中，GalaxSphere 在 AI 训练、checkpointing、KVCache 以及向量数据库工作负载中均取得了优异表现。这些成绩充分体现了该系统通过统一的数据平面来支持数据密集型 AI 流程的能力——该数据平面将全闪存热数据层与计算节点本地 NVMe Tier0 加速技术相结合。
——MLCommons
这也印证了紫山龙霖一直坚持的方向：AI基础设施的竞争，不只是算力的竞争，更是数据供给效率的竞争。
让数据更快到达算力，让昂贵的GPU减少等待、持续高效运行，正是GalaxSphere所要解决的核心问题。
面向AI训练、推理、RAG、Agent等场景，GLFS将持续发挥统一数据访问、全局数据编排与数据加速能力，提升数据供给效率和GPU利用率，降低AI基础设施整体成本。
未来，基于GLFS数据操作系统的GalaxSphere数据智能引擎，将进一步应用于企业GPU集群、私有化大模型平台、智算中心、科研计算与HPC平台、RAG知识库、Agent及多模态AI等场景，加速计算，释放数据潜力。
来源：苏州紫山龙霖信息科技有限公司
点赞、分享、在看
↓ ↓ ↓
