当下通用大模型、算力硬件已经逐步普及，企业想要在 AI 落地中形成差异化竞争力，核心不再是单纯采购算力与通用模型，而是自身长期积累下来的专有数据。但绝大多数企业推进 AI 业务时，海量专有数据无法顺畅输送到模型训练与推理流程中，数据资产长期闲置无法转化为实际业务价值，传统一体化存储架构也难以适配 AI 不同阶段的数据使用需求。
针对专有数据流转过程中暴露的各类痛点，XSKY 正式推出 AIMesh 2026 全新产品体系。这套一站式 AI 数据基础设施不再沿用传统存储思路，而是按照数据在 AI 业务里承担的实际职责搭建，分层击破“内存墙”、“IO 墙”、“重力墙”三大技术壁垒，真正盘活企业自有数据资产。
AI 数据分层：从业务视角重新定义存储职责
AI 业务运行过程中，数据会根据生命周期和访问频率分布在不同层级，从近算力的高速缓存到企业长期存储的数据湖，分为 G1/G2 运行态数据层、G3/G3.5 近端热数据层、G4 共享生产数据层、G5 企业数据资产层。
G1/G2 运行态数据层：承载 GPU/NPU 内部 HBM 显存和 DRAM 内存中的数据，生命周期最短，是正在计算中的瞬时状态。
G3/G3.5 近端热数据层：由服务器本地 NVMe SSD 构成，承载推理场景中的 KV Cache、上下文缓存等热数据。离算力近、延迟低，但只能单机调用，容易形成数据孤岛。
G4 共享生产数据层：承载训练数据集、Checkpoint、模型文件和推理共享文件，需要多 GPU 节点高并发共享访问。
G5 企业数据资产层：承载历史文档、图片视频、日志、RAG 语料等长期积累的专有数据，让企业私有数据能够被持续管理，并回流到 AI 链路。
每一层职责不同，对应的产品能力和优化方向也不同。XSKY AIMesh 依托三套核心产品分别匹配对应层级，针对性解决各环节痛点，形成完整、贯通的数据处理体系。
XSKY AIMesh：面向智算中心的数据基础设施全景
把数据分层和业务流结合起来之后，我们就可以看到 XSKY AIMesh 的完整定位。AIMesh 不是几个孤立产品的组合，而是一套覆盖智算中心不同数据层级的一站式 AI 数据基础设施。
G3/G3.5 近端热数据层：MeshFusion 破解内存墙
G3/G3.5 是距离 GPU 算力最近的近端缓存层，KV Cache 完全依赖 HBM 承载成本过高，也是内存墙问题的集中发生区域。MeshFusion 将本地 NVMe 池化为共享 KV Cache，卸载 HBM 依赖，大幅降低推理成本。
▶灵活适配的部署模式
MeshFusion 支持两种部署方式。融合部署可直接复用现有 GPU 服务器本地 NVMe 硬件，无需额外采购存储节点，可快速落地、控制投入成本；分离部署实现计算与存储资源解耦，适配超大规模智算集群，贴合 NVIDIA CMX 等架构落地需求。
▶原生 KV Cache 接口与跨节点共享
MeshFusion 将各服务器上的本地 NVMe 聚合为集群内可共享的 KV Cache 资源池，上层应用通过原生 KV Cache 接口访问，无需改造推理框架。缓存数据在整个集群内自由流转复用，不再绑定单机。
▶降低显存依赖，提升推理并发
KV Cache 从 HBM 卸载到近端 SSD 池后，对昂贵显存的依赖大幅降低，高并发推理场景的承载能力显著提升，推理侧专有热数据实现高效流转，从根源上解决内存墙带来的成本与性能矛盾。
MeshFusion 不是简单把 SSD 连起来，而是围绕 KV Cache 的访问语义，提供原生接口、低延迟路径和跨节点共享能力，从而支撑更长上下文、更高并发和更低推理成本。
G4 共享生产数据层：MeshFS 打通 IO 墙
G4 作为集群共享生产数据层，是大模型训练业务的核心支撑，存储并发吞吐跟不上，算力就被“等数据”拖住——这就是 IO 墙的来源。MeshFS 正是面向这一层的高性能并行文件存储系统，并实现 7.4 版本的全面升级。
▶POSIX 性能再提升
读带宽保持行业靠前，集群写带宽较 7.3 版本增长24%，高并发训练下数据加载和 Checkpoint 写入更稳定。
▶NFS 共享访问大幅增强引入分布式并行网关，将 NFS 访问压力分散到全集群，多客户端共享读写吞吐提升3.8倍，配合智能分层与预取能力，NFS读性能进一步提升7.1倍。
▶智能分层双向流动与 G5 对象存储联动，温冷数据自动下沉至 XEOS 桶中，热数据可快速拉回 G4 参与计算，无需人工搬迁。
▶异构硬件全适配兼容 Intel、AMD、鲲鹏等平台，支持 Infiniband/RoCE 高性能网络，全面覆盖信创环境。
MeshFS 7.4 的价值是把训练读取、Checkpoint 写入、多客户端共享、冷热分层和存量资源复用统一沉淀到 G4 层，让 IO 墙不再卡住 AI 训练效率。
G5 企业数据资产层：MeshSpace 消融重力墙
G5 层承载的是企业多年积累的专有数据资产，也是重力墙问题的核心症结。MeshSpace 旨在提供统一数据空间，让企业专有数据从“存得下”走向“管得住、用得好、沉淀得下”。
▶EB级统一数据湖命名空间
MeshSpace 将分散在不同桶、不同集群、不同地域的数据组织成一个统一的逻辑命名空间。底层通过两层元数据横向扩展，单桶即可支撑EB级规模。在实际落地案例中，单桶100PB可用容量可提供2.5Tbps写、3Tbps读吞吐，4KB读OPS达400万对象每秒。数据盘点、权限管理、生命周期策略在一个平台上统一执行，管理复杂度大幅降低。
▶低成本长期归档（IceLake 联动）
历史数据和低频访问数据长期留在高性能存储层会造成持续的成本压力。MeshSpace 底层联动 IceLake，通过小文件聚合将海量文件归并后顺序写入低成本介质，将闲置数据集自动沉降到低成本归档层，同时保持可检索、可追溯。需要审计、回溯或重新分析时，支持快速回热调取，合规不丢、成本可控。
▶湖仓一体数据管理（Tables 能力）
传统对象存储只能按路径管理文件，无法支撑 AI 场景下对数据集的组织要求。MeshSpace 通过 XEOS Tables 能力，在同一个数据湖底座上同时支持对象和表两种数据形态——原始对象通过 S3 存入，数据集按 Iceberg 表语义组织，不搬迁、不复制即可被 Spark、Flink、Trino 等引擎直接消费，实现湖仓一体架构在存储侧的原生落地。
▶跨域数据调度
数据不应该被锁定在某一个存储层里。MeshSpace 支持按策略在训练、分析、沉淀和归档之间调度数据流动。当训练任务需要特定数据集时，数据可以自动从归档层回调到高性能层参与计算；任务结束后，结果数据又可以按策略下沉到温冷层长期保存。整个过程自动化执行，不需要人工介入搬迁。
G5 层的价值不是简单地把数据存进去，而是让企业专有数据在统一命名空间里被有序管理、以湖仓一体的方式被组织消费、跨层级自由流动、长期低成本留存——最终形成一条从数据资产到 AI 业务的可循环链路。
三层产品协同联动：搭建企业专有数据完整闭环
MeshFusion、MeshFS、MeshSpace 并非三套独立割裂的存储系统，三者沿着 AI 数据使用链路无缝衔接，形成一套完整的数据流转闭环。
AI 推理阶段，MeshFusion 负责近端热数据缓存复用，保障实时业务响应速度；模型训练时，MeshFS 提供高吞吐共享文件能力，稳定输出训练所需专有数据集；所有业务产生的历史数据、原始素材统一归集至 MeshSpace 完成治理归档，同时根据业务需求向上回流至训练、推理环节。三层各司其职、数据双向流动，构成“热数据近端复用—生产数据稳定共享—资产数据持续治理”的完整链路。
整套分层架构覆盖 AI 推理、模型训练、数据治理、长期归档全流程，兼顾性能、成本、运维便捷性与国产化适配需求，不管是小规模 AI 试点项目，还是大型智算中心集群建设，都能匹配企业不同阶段的数据使用需求。
不同于传统存储产品只解决单一存储场景问题，XSKY AIMesh 以 AI 业务数据分层逻辑为核心，分层攻克内存墙、IO 墙、重力墙三大行业痛点，充分释放企业专有数据的潜力。在 AI 全面落地的行业趋势下，这套一站式 AI 数据基础设施能够打通数据流转全链路，帮助企业把沉淀多年的专有数据资产转化为稳定、可持续的 AI 业务竞争力。
