中科曙光8月28日发布新一代词元加速方案ParaCache。据了解，该方案通过保存并复用大模型已经完成的计算结果，减少不同请求、不同计算节点之间的重复计算。

　　随着大模型进入长文本、多轮对话、知识库问答和智能体等场景，大量相同或相似内容被反复计算，不仅增加等待时间，也持续消耗算力资源。中科曙光分布式存储产品部总经理石静在接受采访时表示，通过“以存换算”节约算力已经是业界共识。

　　据介绍，ParaCache通过统一管理GPU显存、CPU内存、固态硬盘和分布式存储，根据使用频率对计算结果进行分层存放和智能调度，并支持在不同请求、不同计算节点之间共享，实现“一次计算、多次使用”。测试显示，在约12万词元输入下，ParaCache可使模型开始回答前的等待时间最高降低98.5%；高并发场景下，系统每秒处理的词元量最高达到原来的27倍。

　　石静表示，存储已经从被动的IO响应，转向深度的数据调度、缓存复用、计算卸载，这是AI驱动基础设施的一次结构性变化。

　　目前，ParaCache已在国内某头部互联网企业在线推理业务中落地，并已在全国产十万卡AI超集群曙光8000上完成验证，可面向长文本对话、知识库问答、智能客服、智能体及高并发推理等场景。