KV Cache 从推理框架的“缓存项”变成独立存储层，窗口只有 12 到 18 个月
当一家大模型公司把上下文窗口从 128K 拉到 1M，再拉到 10M，推理集群最先告急的往往不是 GPU，而是 GPU 旁边的内存。KV Cache 随序列长度线性膨胀，多轮对话和自主式 Agent 又要求上下文反复驻留、随时召回。HBM 容量有限，DRAM 池扩展成本高昂，传统并行文件系统面向大块顺序 IO 设计，面对海量小对象、高并发、低延迟的 KV 读写并不顺手。于是，一个原本藏在推理框架深处的组件，正在被推向前台：谁能在 SSD 上构建一个足够快、足够稳、能被推理引擎默认调用的 KV Cache 存储层，谁就可能卡住下一代 AI 推理基础设施的一个关键位置。
华瑞指数云科技（深圳）有限公司在 2026 年 10 月宣布完成新一轮超亿元融资。据创业邦报道，本轮由一家具备深厚产业资源、大型科技投资经验及明星项目背景的基金与琮碧秋实投资联合领投，某国有产投基金跟投。公司称，资金将重点投入 AI 原生 KV Cache 存储系统 WQS 的持续研发与规模化交付、软硬协同设计及全栈 IO 优化，以及市场与客户服务体系建设。
这不是华瑞指数云第一次出现在融资新闻里。据创业邦报道，公司此前曾获融资，但所附来源仅有标题、无正文，无法核对历史融资的具体金额、轮次与业务方向。本次交易的特殊之处在于，公司的叙事重心已经从通用分布式存储，转向一个更窄、更具体、也更紧迫的战场：AI 推理的 KV Cache 存储层。这个转向是否成立，取决于一个尚未被回答的问题——WQS 能否在 NVIDIA 生态和开源推理框架共同划定的选型窗口内，从“可验证的方案”变成“默认方案”。
| 字段 | 内容 |
|---|---|
| 公司 | 华瑞指数云科技（深圳）有限公司（华瑞指数云 / ExponTech） |
| 轮次 | 未披露 |
| 金额 | 超亿元人民币 |
| 投资方 | 一家具备深厚产业资源、大型科技投资经验及明星项目背景的基金（联合领投）、琮碧秋实投资（联合领投）、某国有产投基金（跟投） |
| 总部 | 深圳 |
| 创始人 | 由华为 22 级高管与 21 级技术专家领军创立（具体姓名未披露） |
| 官网 | 未披露 |
华瑞指数云在本次融资通稿中给出了一个明确的时间判断：未来 12 至 18 个月，将是全球 AI 推理系统进行 KV Cache 层方案与产品选型的关键窗口。这个判断的产业背景是 NVIDIA 于 2026 年提出 CMX 架构，据创业邦报道，该架构基于 SSD 构建全新的 AI 上下文存储层。公司认为，一旦形成生态默认方案，后来者将面临很高的替换成本。
这个逻辑并不难理解。KV Cache 的读写模式与传统存储负载有本质区别：对象小、数量大、访问频繁、延迟敏感，且与推理调度强耦合。传统存储系统即使性能再高，如果推理框架不通过原生接口调用，就需要经过多层协议转换和内存拷贝，收益会被迅速吃掉。因此，KV Cache 存储层的竞争，不只是存储性能的竞争，更是接口标准、框架适配和生态卡位的竞争。
华瑞指数云称，WQS 已率先完成 NVIDIA CMX 架构适配验证，并完成批量生产级验证。这是本次融资通稿中最关键的一句竞争性声明。可核验项包括：适配的 CMX 版本、验证环境、是否可复现的公开测试方法，这些均待独立确认。CMX 架构本身在 2026 年才被提出，其生态成熟度、接口稳定性和第三方支持范围仍处于早期。率先适配验证，不等于率先进入默认配置，更不等于获得生态锁定。
WQS 的产品逻辑：用 SSD 池替代 DRAM 池，把 KV Cache 从“算力附属”变成“共享资源”
华瑞指数云将 WQS 定位为 AI 原生 KV Cache 存储系统。其技术主线是围绕 KV Cache 的复用、共享与调度进行设计，通过软硬协同与全栈 IO 优化，重构从存储到 GPU 的推理 IO 路径。据创业邦报道，WQS 以 SSD 构建的分布式 KV 池，性能接近 DRAM 内存池，使低成本 SSD 替代大量昂贵 DRAM、构建大规模上下文 KV Cache 存储池成为具备生产可行性的选择。
这一产品定位的产业含义是：如果 SSD 池真的能在延迟和吞吐上接近 DRAM 池，那么推理集群的内存容量约束将被大幅放松。长上下文、多轮对话和 Agent 场景下，KV Cache 不必全部驻留在 GPU HBM 或 CPU DRAM 中，而是可以下沉到更便宜的 SSD 层，同时保持可接受的推理性能。这直接改变了推理集群的成本结构。
公司披露了两个生产验证数据。据创业邦报道，上述结果来自现有硬件上的客户联合测试。在某大型 Token 工厂的生产实践中，24 张 GPU 加 1 个 WQS KV Cache 存储节点，实现了相当于 48 张 GPU 的 Token 产能；在某大型企业的生产验证中，无需新增硬件，即可实现首 Token 时延降低 60%、输出 Token 吞吐提升超过 3 倍。这两个数据如果成立，意味着 WQS 的价值主张不是“提升存储性能”，而是“在相同硬件上提升 Token 产出”，这更接近推理服务商的直接商业指标。
但这两个数据的测试条件、基线配置、负载类型和统计口径均未披露。首 Token 时延降低 60% 是在什么上下文长度、什么并发、什么模型规模下测得？输出 Token 吞吐提升超过 3 倍，是与什么基线对比？是传统并行文件系统、本地 SSD 缓存，还是无 KV Cache 复用？这些边界条件决定了数据的可迁移性。在缺少独立核证和测试细节的情况下，这些数字更适合理解为公司对产品价值上限的展示，而非可复现的行业基准。
六年的 WiDE 引擎是工程底座，但 KV Cache 的战场不在存储性能榜
华瑞指数云强调，WQS 建立在其六年自研的分布式存储引擎 WiDE 之上。据创业邦报道，该引擎曾在 SPC-1 评测中位列全球第一。SPC-1 是存储行业公认的性能评测之一，主要考察随机 IO 吞吐和延迟。这个成绩说明公司在分布式存储底层架构上有扎实的工程能力，也为 WQS 的高性能并行 IO 处理提供了基础。
不过，SPC-1 的成绩与 KV Cache 存储层的实际表现之间，存在一道需要跨越的鸿沟。SPC-1 测的是通用块存储负载，而 KV Cache 的访问模式更接近海量小对象的键值读写，且与推理框架的调度逻辑深度耦合。一个在 SPC-1 上表现优异的存储系统，未必天然适合 KV Cache 场景；反之，KV Cache 场景的优化，也未必能通过传统存储基准体现。华瑞指数云从 WiDE 到 WQS 的路径，本质上是在通用存储引擎之上，重新设计一套面向 AI 推理的 KV IO 路径和调度机制。这是产品架构的延伸，而不是简单的性能迁移。
据创业邦报道，WQS 具备原生 KV IO 路径、分布式 KV 池全局共享、分层调度和 GPUDirect 等能力。其中 GPUDirect 的意义在于绕过 CPU 内存，实现 SSD 到 GPU 的直接数据搬运，减少拷贝和延迟。这些能力组合起来，构成了 WQS 与传统存储方案的核心差异。但每一项能力都需要在真实推理框架和真实模型负载下验证，而不是仅凭架构描述就能判断其生产价值。
生态合作名单很长，但“对接协作”与“默认集成”之间隔着生产级验证
在生态侧，华瑞指数云披露了相当广泛的合作版图。算力与介质侧，公司称正与 NVIDIA、AMD、昇腾推进 SSD 到 GPU 等加速卡的直通方案；与大普微等 SSD 厂商合作开展 AI SSD 及系统协同设计；与新兴磁介质厂商大数极限合作推进 AI HDD 及系统研发。软件侧，公司称正与 vLLM、SGLang、LMCache、NIXL、Dynamo、Mooncake 等推理开源生态对接协作。
这份名单覆盖了从 GPU、SSD 到推理框架的主要环节，显示出华瑞指数云在生态布局上的广度。但“对接协作”是一个弹性很大的表述。它可能意味着已经完成接口适配和联合测试，也可能意味着双方签署了合作备忘录或正在进行技术交流。对于 KV Cache 存储层而言，真正有分量的里程碑是：WQS 是否被某个主流推理框架作为默认或推荐的 KV Cache 后端之一，是否在某个头部推理服务商的集群中稳定运行并承担生产流量。
据创业邦报道，WQS 正与多家头部大模型及 Token 服务厂商、头部金融企业及自建 AI 推理系统的行业客户推进合作，项目处于生产级 POC 测试及验收推进阶段。这个表述比“对接协作”更进一步，但仍未到达规模化商用的程度。POC 测试和验收推进，意味着客户正在验证产品价值，但尚未形成可确认的持续性收入。从 POC 到生产落地，再到存量增购，每一步都有流失率。
本轮资本结构：一个未具名的产业基金、一个具名的财务投资方、一个未具名的国有产投
本轮融资的投资方组合值得拆解。琮碧秋实投资是唯一具名的联合领投方；另一家联合领投方仅被描述为“具备深厚产业资源、大型科技投资经验及明星项目背景的基金”，跟投方为“某国有产投基金”。这种披露方式在早期硬科技融资中并不罕见，但确实降低了外部对本轮资本结构的可验证性。
领投机构在通稿中给出了明确的投资逻辑。据创业邦报道，本轮领投机构表示，随着长上下文、多轮交互与自主式 Agent 应用走向规模化，内存与存储 IO 已成为 AI 推理最大的瓶颈，其制约程度甚至超过算力短缺，将催生一个规模巨大的 AI 推理存储市场。该机构还称，华瑞指数云是极少数具备从零构建底层系统的全面能力的团队之一，既有坚持原创设计、重构系统架构的战略定力，也有将技术创新落地为生产级产品的执行力。
这是投资人的判断，不是独立验证的事实。它反映的是资本对 AI 推理存储赛道的共识正在形成，但共识本身不构成竞争壁垒。真正的问题是：当更多存储厂商和推理框架团队涌入这个赛道时，华瑞指数云的先发优势能否转化为客户粘性和生态锁定。
公司披露的另一个关键数据是：2026 年上半年合同额同比增长 150%。这个数字同样来自公司通稿，未披露基数、合同口径和收入确认方式。合同额增长与收入增长之间存在时间差，尤其在存储硬件和软件交付周期较长的企业级市场。150% 的同比增长如果建立在一个较小的基数上，其绝对规模可能仍然有限。但结合据创业邦报道的 WADP 已在 200 余家客户核心生产环境运行，华瑞指数云至少拥有一个可以交叉销售 WQS 的存量客户池。
真正的对手不是某家存储公司，而是推理框架的默认路径与 NVIDIA 的生态节奏
华瑞指数云在通稿中没有列出直接竞争对手。但从产品逻辑看，WQS 的竞争对象至少包括三类：一是传统高性能存储厂商，它们拥有成熟的企业级交付体系和客户关系，但产品架构并非为 KV Cache 原生设计；二是推理框架自带的 KV Cache 管理方案，如 vLLM、SGLang 等开源项目中的缓存机制，它们与推理引擎的集成度最高，但通常受限于单机或小规模集群的内存与本地存储；三是云厂商和算力平台内部自研的 KV Cache 存储层，它们拥有场景和数据优势，但往往不对外输出。
华瑞指数云的差异化在于，它试图做一个独立的、跨框架、跨硬件的 KV Cache 存储系统。这个定位的优势是中立性和可移植性，劣势是它必须同时说服推理框架团队、硬件厂商和终端客户三方。任何一方的缺位，都会让产品停留在“可用但非默认”的状态。
NVIDIA CMX 架构的提出，对华瑞指数云既是机会也是约束。机会在于，CMX 为基于 SSD 的 AI 上下文存储层提供了架构合法性，教育了市场；约束在于，NVIDIA 自身及其紧密合作伙伴可能围绕 CMX 构建一套更封闭的默认方案。如果 WQS 只是“兼容 CMX”，而无法在 CMX 生态中占据不可替代的位置，那么它的价值主张将受到挤压。公司通稿称 WQS 已率先完成 CMX 架构适配验证，这是卡位动作，但适配验证与生态默认之间的差距，恰恰是未来 12 至 18 个月需要填平的。
资金用途指向规模化交付，但规模化交付的前提是跨过 POC 到生产的鸿沟
本轮融资的用途被明确为三块：WQS 的持续研发与规模化交付、软硬协同设计及全栈 IO 优化、市场与客户服务体系建设。其中“规模化交付”和“客户服务体系”值得注意。这意味着华瑞指数云已经意识到，WQS 的瓶颈正在从技术验证转向工程交付。
AI 存储的规模化商用，需要处理高并发下的尾延迟、硬件与网络异常后的故障恢复、不同算力平台与推理框架之间的兼容性。报道指出，这些环节都需要持续测试、现场交付与长期运行来检验，架构设计之后的工程打磨往往以年为单位。这个判断是清醒的，但它同时意味着，本轮超亿元融资在支撑研发和交付体系建设的同时，不会立刻转化为大规模收入。
公司设定的目标是：未来 12 个月内推动 50 家以上重量级 AI 推理客户实现生产落地。这个目标的激进程度取决于“重量级”的定义。如果是指头部大模型厂商、Token 服务商和大型金融机构，那么 50 家的目标在 12 个月内完成，需要极高的交付效率和客户信任度。如果“生产落地”包括小规模生产部署或部分业务流量切换，那么目标的可达性会更高。但无论如何，这个目标本身就是对 WQS 产品成熟度和团队交付能力的一次公开压力测试。
待验证的假设：性能数据的可复现性、客户项目的转化率、生态卡位的持久性
把华瑞指数云本次融资放在产业坐标系中，可以看到一个清晰的叙事：AI 推理的瓶颈正在从算力转向内存与 IO，KV Cache 存储层因此成为一个新的基础设施品类；华瑞指数云凭借六年自研存储引擎和 WQS 的先发适配，试图在这个品类的形成期占据有利位置。
但这个叙事中有几个关键假设尚未被验证。第一，WQS 的性能优势是否能在不同客户、不同模型、不同负载下稳定复现。公司披露的两个生产验证数据来自特定场景，其统计口径和基线条件未公开。第二，POC 项目能否以足够高的比例转化为生产部署和持续性收入。POC 阶段的客户热情与生产阶段的付费意愿之间，往往存在显著落差。第三，CMX 生态的开放程度和演进速度是否给独立存储厂商留下足够空间。如果 NVIDIA 或其核心伙伴在 CMX 层形成封闭默认方案，WQS 的适配先发优势可能被快速稀释。
从已披露的信息看，华瑞指数云拥有一个经过生产环境验证的通用存储底座、一个在 AI 推理存储方向上的明确产品、以及一批正在推进验证的头部客户。这些是真实存在的资产。但从这些资产到“AI 推理 KV Cache 层默认方案”之间，还需要跨越 POC 到规模化交付的鸿沟、性能数据到行业基准的鸿沟、生态适配到生态默认的鸿沟。本轮超亿元融资为跨越这些鸿沟提供了资金，但资金只是必要条件，不是充分条件。
验证边界与可复核指标
本文中关于 WQS 性能、客户数量、合同额增长和 CMX 适配验证的说法，均来自创业邦报道中的公司单方披露，尚无独立第三方核证。可复核指标包括：适配的 CMX 版本、验证环境、是否可复现的公开测试方法、客户联合测试的基线配置与统计口径。本轮融资的具体轮次、领投基金名称、跟投国有产投名称、公司官网和创始人具体姓名均未披露。这些信息缺口本身，也是观察这家公司透明度和治理成熟度的一个维度。
RecodeX 极客视：KV Cache 存储层的竞争，本质上是一场关于“推理系统默认路径”的竞争。华瑞指数云用六年存储引擎换来的先发适配，只是拿到了入场券。未来 12 到 18 个月，真正决定其位置的，不是 WQS 在某个测试中比传统方案快多少，而是它能否让足够多的推理框架、硬件平台和头部客户，把 WQS 写进自己的默认配置里。一旦默认路径形成，后来者的替换成本会高到难以承受；而在默认路径形成之前，所有性能数据都只是谈判桌上的筹码，不是护城河。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。