來源：蘇州紫山龍霖信息科技有限公司

在AI與Agent加速進入企業(yè)業(yè)務流程的今天，企業(yè)面臨的挑戰(zhàn)已不再是“數(shù)據(jù)存在哪里”，而是如何讓分散在不同存儲、云平臺、數(shù)據(jù)中心和業(yè)務系統(tǒng)中的真實數(shù)據(jù)被統(tǒng)一發(fā)現(xiàn)、高效流動和持續(xù)利用。數(shù)據(jù)孤島帶來的訪問割裂、跨域流動帶來的性能瓶頸、海量數(shù)據(jù)帶來的管理復雜度，以及Agent對正確、完整上下文的持續(xù)需求，顯著推高數(shù)據(jù)檢索、上下文構(gòu)建和推理過程中的Token消耗與計算開銷。AI時代的數(shù)據(jù)基礎設施需要從數(shù)據(jù)管理走向數(shù)據(jù)編排與上下文服務，讓企業(yè)數(shù)據(jù)真正轉(zhuǎn)化為AI與Agent可用的智能資產(chǎn)。

為此，紫山龍霖（國芯科技參股公司）正式發(fā)布Galactic Intelligence Fusion System（GLFS），面向AI與Agent時代的數(shù)據(jù)操作系統(tǒng)。

圖：Galactic Intelligence Fusion System（GLFS）

一．GLFS Data Plane：構(gòu)建企業(yè)全局數(shù)據(jù)空間

企業(yè)真實數(shù)據(jù)從來不是存放在一個系統(tǒng)里。大量文件、對象、日志、文檔和非結(jié)構(gòu)化數(shù)據(jù)分布在本地NAS、公有云、私有云、跨數(shù)據(jù)中心存儲和第三方存儲系統(tǒng)中；核心業(yè)務數(shù)據(jù)則運行在數(shù)據(jù)庫、ERP、CRM和各類業(yè)務系統(tǒng)之中。

GLFS Data Plane的目標，并不是替代企業(yè)已有的存儲和數(shù)據(jù)庫，而是在現(xiàn)有數(shù)據(jù)基礎設施之上構(gòu)建一個面向AI與Agent的統(tǒng)一數(shù)據(jù)操作層。

圖：GLFS Data Plane數(shù)據(jù)平面

針對文件、對象和非結(jié)構(gòu)化數(shù)據(jù)，GLFS通過全局命名空間，將第三方存儲、云存儲、跨數(shù)據(jù)中心存儲以及多類型文件系統(tǒng)統(tǒng)一接入。企業(yè)無需大規(guī)模遷移數(shù)據(jù)，也無需改變上層應用訪問路徑，即可獲得統(tǒng)一的數(shù)據(jù)視圖和數(shù)據(jù)調(diào)度能力。

在全局命名空間下，GLFS支持文件路徑不變的分層與緩存加速。面向AI與HPC場景，熱數(shù)據(jù)可以被緩存到更靠近GPU集群、推理節(jié)點和HPC計算節(jié)點的位置-Tier0層或Burst Buffer層，冷數(shù)據(jù)可以下沉到更低成本的存儲層，從而減少重復復制、手工搬遷和跨地域訪問帶來的性能損耗與成本壓力。

GLFS全局數(shù)據(jù)編排是連接數(shù)據(jù)、算力與AI應用的核心能力?；谌置臻g、全局元數(shù)據(jù)視圖和PB~EB級數(shù)據(jù)秒級發(fā)現(xiàn)與檢索能力，GLFS將分散的數(shù)據(jù)組織為統(tǒng)一的數(shù)據(jù)空間，并通過策略驅(qū)動的自動化工作流，實現(xiàn)數(shù)據(jù)、AI服務與計算資源的協(xié)同調(diào)度。無論是AI訓練與推理、Agent工作流還是HPC計算，所需數(shù)據(jù)都能夠被快速發(fā)現(xiàn)、精準定位，并在合適的時間、位置和性能層級自動組織與交付。數(shù)據(jù)不再只是被動存儲，而成為可發(fā)現(xiàn)、可檢索、可加速、可治理、可理解的智能資源，持續(xù)釋放企業(yè)數(shù)據(jù)價值。

圖：GLFS數(shù)據(jù)編排

對于運行在數(shù)據(jù)庫和業(yè)務系統(tǒng)中的結(jié)構(gòu)化數(shù)據(jù)，GLFS通過Change Data Capture（CDC）實時感知客戶、訂單、合同、設備、庫存等關鍵業(yè)務變化，并將其轉(zhuǎn)化為持續(xù)更新的事件流。這些事件能夠與文件、對象、日志、文檔及元數(shù)據(jù)統(tǒng)一關聯(lián)和編排，形成覆蓋結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)的統(tǒng)一數(shù)據(jù)視圖，為AI訓練、推理、HPC、RAG和Agent工作流提供實時數(shù)據(jù)輸入，同時為GLFS Context Engine持續(xù)構(gòu)建動態(tài)業(yè)務上下文。

GLFS Data Plane不是推翻現(xiàn)有IT架構(gòu)，而是讓企業(yè)在現(xiàn)有數(shù)據(jù)基礎設施上從“可存儲”升級為“AI-ready”：可發(fā)現(xiàn)、可檢索、可加速、可治理、可理解，并持續(xù)服務AI訓練、推理、Agent工作流與HPC計算任務。

二．GLFS Context Engine：面向Agent上下文的下一階段能力

面向AI與Agent時代，GLFS數(shù)據(jù)平臺正在建設Context Engine能力。

Context Engine的目標不是解決“Agent如何記住東西”，而是圍繞企業(yè)真實數(shù)據(jù)，探索如何自動構(gòu)建Agent使用的正確、完整、低成本的上下文。

圖：GLFS上下文引擎

未來，GLFS將結(jié)合實體發(fā)現(xiàn)、關系構(gòu)建、事件提取等能力，將分散的數(shù)據(jù)進一步轉(zhuǎn)化為面向業(yè)務對象的上下文資產(chǎn)，為多Agent協(xié)同決策提供更高質(zhì)量的數(shù)據(jù)基礎，實現(xiàn)更準確的決策，更低的Token成本，更快的響應。

目前，GLFS已實現(xiàn)KV Cache加速能力，用于提升上下文復用效率，降低多Agent、多任務場景下的重復計算成本，目前AI推理場景每秒Tokens提升近7倍，相同場景相對業(yè)界標桿友商只需1/3的存儲設備就提供1.34倍的Tokens處理速率。隨著Context Engine持續(xù)演進，GLFS將進一步把Data Plane中的數(shù)據(jù)變化、元數(shù)據(jù)和事件信息轉(zhuǎn)化為可被Agent持續(xù)使用的動態(tài)上下文。

三．GLFS核心能力與價值

GLFS通過全局數(shù)據(jù)空間、全局數(shù)據(jù)編排和加速、智能上下文服務，連接企業(yè)數(shù)據(jù)、AI算力與Agent應用，讓數(shù)據(jù)真正轉(zhuǎn)化為AI時代的智能生產(chǎn)力。

四．應用場景：讓企業(yè)數(shù)據(jù)服務AI與Agent

GLFS 可廣泛應用于跨云與跨數(shù)據(jù)中心數(shù)據(jù)管理、AI 訓練與推理、企業(yè)級 RAG、Agent工作流、工程研發(fā)數(shù)據(jù)管理、智能知識庫以及 HPC 等場景，為企業(yè)構(gòu)建統(tǒng)一的數(shù)據(jù)基礎設施。

AI時代的數(shù)據(jù)平臺不應只是存儲和管理數(shù)據(jù)，而要成為連接數(shù)據(jù)、算力與智能應用的數(shù)據(jù)操作系統(tǒng)。GLFS以Data Plane構(gòu)建企業(yè)全局數(shù)據(jù)空間，以數(shù)據(jù)編排驅(qū)動數(shù)據(jù)與計算資源的自動協(xié)同，以緩存和分層優(yōu)化訪問效率，并通過 Context Engine 將企業(yè)真實數(shù)據(jù)持續(xù)轉(zhuǎn)化為可理解、可檢索、可調(diào)度的智能上下文，為AI和Agent提供正確、完整且低成本的數(shù)據(jù)基礎。

GLFS正在構(gòu)建AI與Agent時代的數(shù)據(jù)操作系統(tǒng)：讓數(shù)據(jù)不只是被存儲，而是被發(fā)現(xiàn)、被理解、被編排、被服務，最終轉(zhuǎn)化為AI與Agent持續(xù)創(chuàng)造業(yè)務價值的生產(chǎn)力。