# FX100 全闪 NVMe-oF 阵列：规格、适用场景与实测

> FX100 是 FX 系列里实测数据最完整的一款：R1–R5 与 R9 都以它为被测设备，覆盖 AMD MI308X、沐曦 N260、华为昇腾 910B 三个平台。单接口 100 Gb、1,600 万 IOPS，生产配比为每台服务 8 个推理节点。

网页地址: https://vuke.top/products/fx100 · 更新于 2026 年 11 月 12 日

FX100 是 FX 系列里实测数据最完整的一款：R1–R5 与 R9 都以它为被测设备，覆盖 AMD MI308X、沐曦 N260、华为昇腾 910B 三个平台。单接口 100 Gb、1,600 万 IOPS，生产配比为每台服务 8 个推理节点。

## 规格

| 规格 | 数值 |
| --- | --- |
| 接口代际 | PCIe 3.0 |
| 单接口速率 | 100 Gb |
| IOPS | 1,600 万 |
| 闪存形态 | U.2 |
| 主控与扩展 | 双主控，2×3 接口（ASIC） |
| 盘位配置 | 24 × 7.68 TB Gen4 企业级 U.2 NVMe SSD |
| 状态 | 量产在售 |
| 参考价 | ¥371,200 |

## FX100 参考价怎么算出来的

满配整机参考价 = 平台 ¥160,000 + 24 × ¥8,800 = ¥371,200，裸容量 184.3 TB，约合 ¥2,014/TB。SSD 按参考市场价计、随行就市，正式价格以采购合同为准。

## 适合谁

- 想先用联测验证 KV Cache 分层收益，再决定是否扩容的团队
- 已有 100 GbE RoCEv2 网络的 MI308X 或昇腾 910B 推理集群
- 受 NFS 拖累、模型加载与切换耗时过长的存量集群

## 相关实测报告

| 指标 | 数值 | 对照基线 | 说明 | 出处 |
| --- | --- | --- | --- | --- |
| 推理吞吐提升 | +29–40% | 对比本地 NVMe 单盘 | Qwen3-Coder-480B-FP8、TP=8 生产部署形态，长上下文冷恢复负载：并发 8 时 +29%，并发 16（实测中提升幅度最大的一档）时 +40%；TP4×2 双实例全机口径为 +35–36%。 | 实测 · [R2](https://vuke.top/evidence/R2) [R3](https://vuke.top/evidence/R3) |
| 首 token 延迟（TTFT）降低 | −26–32% | 对比本地 NVMe 单盘 | 同一 480B·TP8 负载的三档并发下，TTFT p50 从 10.17–35.73 s 降到 7.53–26.35 s。 | 实测 · [R2](https://vuke.top/evidence/R2) |
| 相对无外存重算的加速 | 8.6–20× | 对比无外存、整段重算 | 并发 16：整段重算的 TTFT p50 为 149.5 s，接入 FX100 后为 11.85 s；吞吐 4.1 tok/s 对 74.9 tok/s。 | 实测 · [R2](https://vuke.top/evidence/R2) |
| LMCache 并行读补丁的 TTFT 改善 | 4.1× | 对比打补丁之前 | 单卡、并发 16、冷读盘（Qwen2.5-32B）：TTFT 37.97 s → 9.30 s；读带宽 0.98 → 5.23 GB/s，约 5.3×。 | 实测 · [R1](https://vuke.top/evidence/R1) |
| 模型服务加载提速 | 6.2–9.3× | 对比 NFS，昇腾 910B 平台 | 华为 Atlas 910B 平台：DeepSeek-32B 服务加载 691 s → 112 s（6.2×），DeepSeek-70B 1399 s → 150 s（9.3×）。 | 实测 · [R9](https://vuke.top/evidence/R9) |
| 训练 Checkpoint 保存提速 | 1.9× | 对比 R1 报告中的对照基线 | 8 卡 32B LoRA，每份整模型快照 65.6 GB：178 s → 94 s；持续写带宽 3.26 → 6.40 GB/s（+96%）。 | 实测 · [R1](https://vuke.top/evidence/R1) |
| 模型切换场景的算力有效利用率 | 46.7% → 62.8% | 每小时切换 20 次的档位 | 按实测加载时间建模：每小时切换 20 次模型时，算力有效利用率从 46.7% 提高到 62.8%。 | 实测 · [R1](https://vuke.top/evidence/R1) |
| 8 卡并发加载模型 | 16% / 30% | 对比 R1 报告中的对照基线 | 8 张卡同时冷读模型：整体墙钟时间快 16%，单个模型加载快 30%。 | 实测 · [R1](https://vuke.top/evidence/R1) |
| 两轮独立测量的偏差 | ≤5% | 同一档位重复测量 | 同一档位做两轮独立测量，偏差不超过 5%；fs:// 共享池的跨实例热共享同时验证通过。 | 实测 · [R3](https://vuke.top/evidence/R3) |
| 外置 KV 层可替代的显存驻留量级 | 128 GB | 沐曦 N260 单卡，14B 模型七组对照 | 14B 模型七组对照的结论：外置 KV 层可以替代 128 GB 级别的显存驻留。该轮平台是沐曦 N260 单卡，方法论可跨平台使用，数字不与 MI308X 混用。 | 实测 · [R5](https://vuke.top/evidence/R5) |
| 阵列与推理节点的配比 | 1 : 8 | 生产配比口径 | 每台 FX100 服务 8 个推理节点：100 GbE 能支撑 8 节点 KV 回读是实测锚点。联测口径下，存储投入约占 GPU 预算的一成以内。 | 估算 · [R1](https://vuke.top/evidence/R1) [R2](https://vuke.top/evidence/R2) [R3](https://vuke.top/evidence/R3) |

- [R1](https://vuke.top/evidence/R1) · FX100 大模型推理与训练综合性能测试报告（AMD MI308X × 8） (AMD Instinct MI308X × 8 · ROCm 7.2)
- [R2](https://vuke.top/evidence/R2) · FX100 KV Cache 性能测试报告（480B · TP8 长上下文） (AMD Instinct MI308X × 8 · ROCm 7.2)
- [R3](https://vuke.top/evidence/R3) · FX100 KV Cache 性能测试汇总报告（480B · TP4×2 · 全指标） (AMD Instinct MI308X × 8 · ROCm 7.2)
- [R4](https://vuke.top/evidence/R4) · FX100 KV Cache 性能测试报告（480B · 多实例形态 · 编号 -006） (AMD Instinct MI308X × 8 · ROCm 7.2)
- [R5](https://vuke.top/evidence/R5) · FX100 KV Cache 性能测试报告（14B · 显存效益） (沐曦 N260 单卡)
- [R9](https://vuke.top/evidence/R9) · FX100 与华为昇腾 910B 模型推理与训练性能测试（对照 NFS 基线） (华为 Atlas 910B × 8（Kunpeng-920）)