霄云科技正式发布面向大模型推理的KV Cache存储产品——银河AstraCache。产品通过共享全闪存储扩展KV Cache容量，支持多推理实例复用和跨重启保留，减少重复预填充计算，降低首token延迟与推理成本，提升整体吞吐。银河AstraCache 已完成与vLLM、SGLang和LMCache的对接。

推理缓存新需求

大模型推理需要先对输入内容进行预填充计算，生成KV Cache，再逐步生成回答。当新请求与历史请求具有相同前缀时，读取已保存的KV Cache，即可跳过对应前缀的重复计算，缩短首token延迟，并释放GPU算力以服务更多请求。

长上下文与高并发推理持续推高KV Cache容量需求。当缓存仅保存在单个实例的显存和内存中时，可保留的历史前缀有限，也难以在多个实例之间充分复用。银河AstraCache将KV Cache扩展到共享SSD存储，为长上下文、多轮交互和多副本部署提供更大的缓存空间。

产品架构

银河AstraCache采用“引擎侧调度 + 外置共享存储”的架构。vLLM原生offloading、LMCache和SGLang HiCache负责缓存分层与复用，GPU显存和CPU内存承接最热的数据。需要扩展容量、跨实例共享或跨重启保留的KV Cache，通过AstraCache用户态SDK，经RDMA或TCP网络读写共享SSD存储池，实现一次写入、多实例复用。

AstraCache系统架构：多台推理服务器共享SSD KV Cache存储

核心特性

一、多实例缓存共享

多个推理实例共用同一后端，相同的系统提示词和知识库前缀只需计算与写入一次，即可供全部实例复用。AstraCache采用tenant / namespace / key三层名字管理，支持名称修改，无需搬移底层数据，便于组织和管理共享缓存。

二、大容量聚合存储

面向数量庞大的KV对象，AstraCache将多个value合并写入聚合对象，以紧凑排列提高空间利用率，减少小对象存储开销。不同namespace的数据分别聚合，租户之间相互隔离。

三、高效批量访问

AstraCache通过用户态SDK直接访问存储，无需挂载文件系统，支持异步批量put、get 和lookup，以及RDMA、TCP网络通信。读写直接使用框架提供的缓冲区，减少中间数据复制；批次就绪后立即提交，不为凑批增加等待。

四、持久化与恢复

AstraCache按照“先写数据、再提交位置”的顺序发布KV，发布后即可读取。同key写入冲突有明确的处理规则，提交幂等、可安全重试；元数据通过日志恢复，在途数据返回明确的重试状态。引擎重启、模型热更新或实例扩缩容后，已计算的前缀仍可继续复用，多轮对话也能跨天延续缓存。

五、同源底座

银河AstraCache与银河AIFS共享同一套代码底座，复用异步I/O、网络通信和存储管理能力。核心存储引擎已在银河 AI 存储的大量客户环境中得到验证，两条产品线的性能优化与功能演进相互促进。

典型场景

从已测试的客户情况看，以下几类负载的收益最直接。

知识库问答长文档RAG：每次请求携带相同的长文档前缀，命中缓存即可跳过对应的预填充计算。

多轮对话与智能客服：会话历史持续增长，相同前缀可跨请求、跨天复用。

Agent长上下文任务：Agent在多步任务中反复访问相同上下文，复用缓存可减少重复计算。

多租户推理平台：租户间共享相同的系统提示词和知识前缀，一次计算、全平台受益。

PD分离集群：预填充节点产生的KV通过共享存储交给生成节点，实现计算结果复用。

生态接入

银河AstraCache提供三条主流接入路径：vLLM原生KV Cache offloading、LMCache 存储插件，以及SGLang HiCache存储后端。推理引擎与缓存框架负责缓存调度和复用，银河AstraCache提供高性能共享存储。Mooncake接入也在持续推进。

“长上下文和多实例部署，让AstraCache从单机资源变成需要统一管理和共享的基础设施。银河AstraCache让已经完成的计算得到更多复用，帮助客户把GPU算力用于新的推理任务。”——霄云科技产品负责人