【抖音刷】芯展速AI90亮相WAIC 2026：以“存算协同”打破AI显存墙，释放Token效能

　　/涨粉易/2026 WAIC 芯展速张江馆展区

　　7月17日，存算协同2026世界人工智能大会(WAIC)在上海开幕。芯展相WI显n效芯展速在张江展区三展位及世博论坛同步亮相，速A释放抖音刷正式发布 AI90 —— FaaS(Flash as a Service) for AI 架构，存墙引发业内广泛关注。存算协同

　　芯展速

　　芯展速产品VP-许玮 于 2026 WAIC发表重要内容

　　芯展速产品副总裁许玮在演讲中指出：近二十年 GPU 算力提升约60.000倍，芯展相WI显n效而显存容量仅增长16倍、速A释放带宽仅增长30倍，存墙算存严重失衡导致主流 GPU 有效算力利用率仅30% - 60%。存算协同

　　2026 WAIC 芯展速张江馆展区

　　而芯展速本次发布的芯展相WI显n效 AI90 架构，通过将 KV Cache 从 HBM 卸载至高性能 SSD，速A释放构建 HBM + DRAM + SSD 三级存储体系，存墙智能 P2P 互联技术优化了 GPU 间数据通路，存算协同抖音刷跨卡数据传输时无须CPU 和主机内存搬运，芯展相WI显n效实现 GPU 间高效直连。速A释放让消费级 GPU也能高效承载大模型推理，释放 token 效能。

　　AI

　　在芯展速张江展区，工作站现场运行搭载消费级 GPU 与 AI90 SSD 的推理系统，直观展示「用消费级显卡跑大模型」的技术突破。

　　在Llama 3 70B 模型推理场景下：

　　• 4卡5090集群搭配 AI90 方案，吞吐量从约 120 tk/s 跃升至 6 10 tk/s，提升5.1倍。

　　• 首 Token 延迟在 64K 上下文下从27.99秒降至0.564秒，提升近50倍。

　　• 显存利用率从30% - 40%提升至85% - 95%，提升2 - 3倍。

　　同步发布的支撑该方案的核心硬件 PT200Z AI SSD 采用 PCIe Gen5 接口与 pSLC 介质，DWPD 最高达100.专为 KV Cache 高频写入场景优化。

　　媒体专访：AI90以「

　　芯展速产品副总 - 裁许玮强调，AI 推理正从短上下文向长上下文、多轮对话加速演进，KV Cache 已成为核心瓶颈。「AI90 的本质，是把存储变成算力的放大器。」

　　芯展速产品VP 许玮 接受媒体采访

　　“Token 经济的本质，是谁的单位 Token 成本更低，谁就能赢。” 许玮以这句话结束演讲，“芯展速的目标，就是让每一块钱的算力投资，产出更多的Token。”

　　演讲完毕，现场掌声雷动。会后钛媒体、DOIT 等媒体对芯展速技术团队就 AI90 的部署场景、兼容性及落地路径对许玮及芯展速团队进行了深度专访。

　　结语

　　WAIC 2026 上芯展速AI90 的亮相，不仅验证了消费级GPU跑大模型的工程可行性，更标志着 AI 推理从「算力独大」逐步走向「存算并重」。

　　当行业仍在为 HBM 的稀缺产能支付溢价时，芯展速 AI90 解决方案借助高效能的 AI SSD 存储平抑算力成本;这正是 Token经济时代，打破显存瓶颈的破局路径。