COMPANY PROFILE · 公司简介

深圳市中科航星科技有限公司

中科存储 WS5000 全闪加速存储算力一体机 · 让每一块 GPU 物尽其用 · 存算分离 · 国产可控

300 GB/s聚合带宽
5000 万随机 IOPS
90.9%7 项实测中位降幅
WS5000已定型量产
AT A GLANCE

深圳市中科航星科技有限公司

项目内容
公司主体深圳市中科航星科技有限公司
旗舰产品中科存储 WS5000（WS-HBMM5000）全闪加速存储
发展阶段成熟期（产品定型量产、第三方验证）
研发积淀约 10 年研发 · 累计投入约 10 亿元
第三方验证北京信息科技大学（昇腾 Atlas 910B）独立实测，7 项中位降幅 90.9%
量产能力立讯精密代工 · 月产能约 1,000 套 · 2 套现货可即时送测
技术确定
北信科第三方实测
昇腾平台可复现
产品确定
WS5000 已定型量产
成熟期
制造确定
立讯精密 · 1,000 套/月
下单一个月内
生态确定
AMD / 超聚变在测
国产可控适配
口径说明
本简介为对外交流材料；产品规格与第三方测试数据来自独立实测报告，财务前瞻为模型测算口径，详见配套《商业计划书》与《可行性研究报告》。
01
COMPANY OVERVIEW

公司概况

创新基因的传承者 · 从精密电子制造到 AI 存储基础设施。

WHO WE ARE

深圳市中科航星科技有限公司

深圳市中科航星科技有限公司成立于 2025 年，创始团队自 1996 年 起深耕电子制造领域，历经 近三十年 技术沉淀，形成覆盖半导体研发、智能终端生产与系统解决方案的全产业链能力。

公司秉承 “创新驱动、品质为本” 的使命，现战略聚焦 AI 算力基础设施，以 存算分离 为核心技术路线，面向人工智能训练与推理场景，提供高带宽、低时延、国产可控的全闪加速存储系统，致力于解决大模型时代“GPU 等数据、算力被存储拖累”的行业痛点。

旗舰产品线
中科存储 WS5000（WS-HBMM5000）历经约 10 年持续研发、累计投入约 10 亿元，现已 定型量产，进入规模化交付阶段。
深圳 · 大湾区 — AI 算力基础设施沃土
MATURITY

从概念到成熟：四重确定性

约 10 年
持续研发积淀
技术/产品/制造风险已实质退坡
约 10 亿元
累计研发投入
公司自有历史投入口径
1,000 套/月
量产能力
立讯精密代工，下单一个月内
2 套
现货样机
可即时送测，缩短验证周期
四重确定性
技术确定——北京信息科技大学 在 华为昇腾 Atlas 910B 平台完成独立实测；产品确定——WS5000 已定型量产；制造确定——立讯精密预备量产协议，月产能约 1,000 套；生态确定——AMD、超聚变等平台适配测试推进中（结果预计一个月内陆续产出）。
MILESTONES

里程碑与发展阶段

阶段标志性进展
技术积累期约 10 年存算分离与高速互联核心技术沉淀，累计投入约 10 亿元
产品定型期WS5000（WS-HBMM5000）完成定型，硬件 / 软件栈成熟
独立验证期北京信息科技大学 第三方实测，7 项指标全面领先 NFS 基线
量产交付期立讯精密预备量产协议，月产能约 1,000 套；2 套样机现货可送测
生态拓展期AMD、超聚变等平台适配在测；面向国产算力底座深度适配
发展阶段
公司当前处于 成熟期（产品定型量产、第三方验证）——技术、产品、制造风险已实质退坡，进入规模化复制阶段。
02
PRODUCT & TECHNOLOGY

核心产品与技术

中科存储 WS5000 全闪加速存储 · 存算分离架构 · 国产可控。

OVERVIEW

中科存储 WS5000（WS-HBMM5000）

中科存储 WS5000 是面向 AI 训练 / 推理的 高性能全闪加速存储一体机。通过 存算分离架构 与端到端的高速数据通路，使 GPU 集群摆脱“等数据”瓶颈，在 不改变上层框架 的前提下显著提升算力有效利用率，并大幅降低数据中心总拥有成本。

全闪 EBOFNVMe-oF / RDMAGPUDirect 直通KV Cache 加速国产可控开箱即用
中科存储 WS5000 全闪加速存储算力一体机
SPECS

核心规格：一眼看懂硬实力

300 GB/s
聚合带宽
线速级数据通路
5000 万
随机 IOPS
高并发小文件友好
20 μs
访问时延
微秒级响应
90%+
GPU 适配率
主流加速卡广覆盖
48-72 小时
快速部署
开箱即用，最快当天上线
-40%
综合成本下降
对标主流方案三年 TCO
-60%
扩容成本下降
按需弹性扩展
2-3×
GPU 利用率提升
高频切换 / 长上下文
PORTFOLIO

产品矩阵：四种交付形态，覆盖不同客户

产品 / 服务形态面向客户核心价值
中科存储 WS5000 一体机硬件交付新建 AI 集群高带宽全闪存储，开箱即用
中科存储 存储软件栈软件订阅已有硬件客户存算分离能力，持续升级
存量集群改造方案 + 服务已有数据中心不停机提速，盘活存量 GPU
加速存储算力服务算力 / 容量订阅中小团队 / 云上按需取用，降低门槛
一套能力，四种变现
同一套 存算分离 能力——卖一体机、卖软件、改存量、租算力，覆盖 AI 集群建设全周期。
WHY STORAGE

为什么是存储？把存储升级为“算力放大器”

在大模型时代，单纯堆叠 GPU 的边际收益快速下降；真正的瓶颈往往在 数据供给侧——模型加载、Checkpoint 读写、KV Cache 调度。

实测口径
中科存储 把存储从“配角”升级为 “算力放大器”——实测可将 KV Cache 相关成本降低约 74%；对长上下文、Agent、多租户推理尤其明显。
DISAGGREGATION

存算分离架构：算力池 ⟷ 高速无损网 ⟷ 全闪池

  • 解耦：把存储介质从计算节点中解耦，汇聚为可独立扩展的全闪存储池。
  • 互联：通过高速无损网络与 GPU 算力池互联，数据“直达”。
  • 弹性：算力与容量 独立弹性扩展，资源池化、高效共享。
  • 无感：上层训练 / 推理框架无需改造，平滑接入。
存算分离：计算节点 ↔ NVMe-oF ↔ EBOF 全闪池
FOUR PILLARS

四大关键技术

01NVMe-oF over RDMA/RoCE
以远程直接内存访问承载 NVMe 协议，绕开冗余拷贝，逼近本地盘性能。
02GPUDirect 直通
数据在存储与 GPU 显存间直达，缩短数据路径、降低 CPU 与时延开销。
03全闪 EBOF 架构
高密度闪存池，带宽与 IOPS 随容量近线性扩展，功耗更低。
04KV Cache 加速调度
面向长上下文 / 高频切换推理，卸载与复用 KV Cache，显著提升 GPU 有效利用率。
国产可控
面向 华为昇腾 等国产算力底座深度适配，主流 GPU 适配率 90% 以上，契合自主可控大势。
03
INDEPENDENT VALIDATION

第三方实测验证

北京信息科技大学 · 华为昇腾 Atlas 910B 平台 · 7 项指标全面领先。

SETUP

可复现的第三方独立实测

为客观检验产品性能，公司委托 北京信息科技大学 在 华为昇腾 Atlas 910B 平台开展独立实测，以 NFS 网络存储（NFS over TCP，10GbE） 为对照基线，中科存储 侧采用 NVMe-oF over RDMA/RoCE（2×200GbE，线速 50GB/s） 高速数据通路。

  • 测评方：北京信息科技大学（国家级院校，独立第三方）。
  • 覆盖：推理加载 / 服务、训练读写、Token 生成效率，共 7 项关键指标。
  • 总体结论：中位性能降幅达 90.9%（耗时越低越好），全面领先基线。
北京信息科技大学 · 华为昇腾 Atlas 910B 实测
INFERENCE

大模型推理 · 加载与服务提速

模型中科存储 加载NFS 加载加载提速耗时降幅服务整体提速
DeepSeek-32B6.62 s563.85 s85.2×98.83%6.17×
DeepSeek-70B35.38 s1284.66 s36.3×97.25%9.33×
怎么看
70B 大模型加载从 1285 秒 降到 35 秒——上线 / 切换从“分钟级”进入“秒级”。
TRAINING

训练 · 权重与 Checkpoint 读写

测试项中科存储NFS 基线提速倍数耗时降幅
模型加载12.72 s140.23 s11.02×90.93%
模型保存31.16 s165.87 s5.32×81.21%
Checkpoint 加载10.55 s131.37 s12.45×91.97%
Checkpoint 保存81.94 s451.14 s5.51×81.84%
怎么看
训练读写提速 5–12×：Checkpoint 越频繁、模型越大，省下的 GPU 空转时间越多。
THROUGHPUT

推理 Token 生成效率（= GPU 有效利用率）

模型切换频率中科存储 利用率NFS 利用率相对提升
10 次/日99.8%80.4%+24.1%
20 次/日99.5%60.8%+63.6%
40 次/日99.1%21.7%+356.9%
关键结论
切换越频繁，差距越大：每天切换 40 次时，有效 Token 产出相对提升 +356.9%——多租户 / 多模型推理场景价值最大。
RESULTS

一页记住实测结论

85.2×
推理加载最高提速
DeepSeek-32B
9.33×
推理服务最高提速
DeepSeek-70B
+356.9%
Token 效率最高提升
高频切换场景
90.9%
7 项指标中位降幅
耗时越低越好
一句话背书
在 北京信息科技大学 的独立实测中，中科存储 WS5000 于推理加载最高提速约 85×、训练读写提速 5–12×、Token 效率最高相对提升 +357%——可复现、可验证的第三方背书。
04
ECOSYSTEM · VALUE · FUTURE

生态 · 价值 · 未来

技术联盟 + 单位经济 + 全球化路线图。

PARTNERS

技术联盟与产业生态

量量产制造 · 立讯精密
达成预备量产协议，依托精密制造与供应链能力，实现下单一个月内交付约 1,000 套的批量供货能力。
验独立验证 · 北京信息科技大学
在华为昇腾平台完成第三方实测，为产品性能提供国家级院校背书。
测平台适配 · AMD / 超聚变（在测）
与 AMD、超聚变的平台适配测试推进中，结果预计一个月内陆续产出（推进中事项，以最终报告为准）。
控国产可控 · 昇腾生态
面向华为昇腾等国产算力底座深度适配，契合自主可控大势。
对外口径纪律
已落地（实测 / 量产）与 推进中（AMD / 超聚变在测）如实区分——实事求是是我们最强的信任资产。
VS NVIDIA STX

对标英伟达 STX：同一赛道，两条路线

对比维度中科存储 WS5000（G3.5 CMX）英伟达 STX（BlueField-4 CMX）
供货状态已量产交付（2025），全球首款量产 G3.5 CMX 产品预计 2026 Q4 供货，OEM 系统构建中
性能峰值5000 万 IOPS · 300 GB/s · <20 μs待 OEM 公布（英伟达 G3 标准 <50 μs）
架构路线多元异构（DPU+ASIC+FPGA+Retimer），不绑定单一供应商全栈绑定：BF4 + Vera + ConnectX-9 + Spectrum-X
生态兼容同时兼容 NVIDIA Dynamo + 华为 UCM + 腾讯 FlexKV仅英伟达生态，不支持华为昇腾
认证适配NVIDIA DGX BasePOD 认证 + 昇腾 910B 实测原生 NVIDIA 生态（标准定义者）
信创合规全栈自主可控，国内唯一 G3.5 适配方案海外供应链，信创审查存疑
核心优势：时间差 + 兼容性
英伟达 GTC 2026 发布 STX/CMX，把存储升级为 AI 工厂“第四根支柱”——验证了 中科存储 的技术路线；中科存储 WS5000 已量产交付、领先 STX 约 两个季度，且 NVIDIA 与昇腾双生态兼容，并受邀参与 GTC 闭门会、方案理念被采纳为 CMX 标准基础。
WHERE WE WIN

分场景选型：我们在哪里赢

应用场景推荐方案推荐理由
国内信创 AI 平台中科存储 WS5000 ★★★★★国内唯一 G3.5 适配，全栈自主可控，昇腾 910B 实测验证
多元 GPU 混合集群中科存储 WS5000 ★★★★★同时支持 NVIDIA + 昇腾；STX 不支持昇腾
金融 / 政府 / 运营商中科存储 WS5000 ★★★★★信创刚需、政策加分；STX 信创审查可能不通过
中小规模智算中心中科存储 WS5000 ★★★★★已量产、交付周期短，投资回收期快
纯 NVIDIA 生态 AI 工厂STX ★★★★☆原生全栈集成、800GbE 代际领先（需等待 2026 Q4 供货）
超大规模集群（万卡+）STX ★★★★☆800GbE + 全栈协同优化更适合超大规模
口径说明
本页与上页摘自《WS-HBMM5000 vs NVIDIA STX 存储对比分析报告》（2026-06）；STX 性能与供货信息基于英伟达 GTC 2026 公开声明与行业分析推断，以 OEM 最终产品为准——实事求是地对比，包括对手的强项。
TCO

客户价值与单位经济：三年总拥有成本对标

三年总拥有成本（百万美元，越低越好）
$144.6M
中科存储 方案
全闪加速方案
$241M
行业基线（高端方案）
代表性高端
怎么算这笔账
对标主流高端方案，中科存储 方案三年 TCO 约 144.6 百万美元，相对行业基线（约 241 百万美元）综合成本下降约 40%（三年节省约 96.4 百万美元）；并通过提升 GPU 有效利用率放大客户算力投资回报。
ENERGY SAVING

同等算力产出：WS5000 省电约 56%

年电费对比（单标准集群 · 同等有效算力产出，越低越好）
525 万元/年
中科存储 WS5000 方案
1000 卡 · 利用率 85% · PUE 1.25
1181 万元/年
传统方案（等效产出）
1889 卡 · 利用率 45% · PUE 1.5
省电账怎么算
按 同等有效算力产出 口径：传统方案利用率仅 45%，达同等产出需约 1.89× GPU；中科存储 WS5000 将利用率提升至 85%，叠加全闪 EBOF 低功耗与 PUE 1.5→1.25，年用电由约 1,816 万 kWh 降至约 808 万 kWh——省电率约 56%、年省电费约 655 万元（模型测算口径）。
UNIT ECONOMICS

单套系统经济性（测算口径）

收入构成（单套 / 年化口径）金额说明
硬件（一体机）280 万元一次性
软件订阅（CPFS + 加速 + KV Cache）50 万元/年经常性
运维服务34 万元/年经常性
算力服务（训力券拉动）30 万元/年经常性
综合收入 / 综合毛利率约 394 万元 · 约 49%硬件 + 软件 + 运维 + 算力
放大效应
单套系统综合收入约 394 万元、综合毛利率约 49%；叠加 GPU 利用率提升约 2.5×，客户等效算力投资回报进一步放大。本表为模型测算口径，对外报价以正式方案为准。
USE CASES

应用场景与市场网络

  • 大模型训练集群：加速模型加载与 Checkpoint 读写，缩短训练迭代周期。
  • 大模型推理服务：长上下文与多模型高频切换，显著提升 GPU 有效利用率。
  • 智算中心 / 国产算力底座：存算分离 + 国产适配，支撑自主可控算力基础设施。
  • 存量数据中心改造：不更换 GPU、不停机提速，盘活存量算力资产。
市场段推进策略
国内新建一体机 + 软件
国内存量改造改造 + Token 分成
海外新建整机出海（认证溢价）
海外存量改造本地集成商 + 分成
推进优先级
先以 国内新建 + 国内改造 验证规模化复制能力，再向海外延伸。
ROADMAP

未来蓝图与发展路线图（模型测算口径）

营收口径（亿元，模型测算）
0.6
2026
3.3
2027
8.9
2028
19.3
2029
37.0
2030
  • 2026 · M1 产品与基地
  • 2027 · M2 商业验证
  • 2028 · M3 规模盈利
  • 2029 · M4 全国×出海
  • 2030 · M5 全球与退出窗口
口径说明
2026—2030 营收为 模型测算口径（详见配套《商业计划书》），反映产品已定型量产、第三方验证完成、量产合作落地前提下的规模化潜力，2030 年营收测算约 37.0 亿元；实际经营以最终披露为准。
MARKET

AI 存储：高速增长的核心赛道

$50B
AI 存储市场 2026
全球口径
$133B
AI 存储市场 2030
全球口径
27.5%
年复合增速
2025–2030
140万亿
中国日均 Token
需求侧锚点
CONTACT

联系方式 · 诚邀交流

项目内容
公司主体深圳市中科航星科技有限公司
英文名称Shenzhen Zhongke Hangxing Technology Co., Ltd.
注册地址广东省深圳市南山区招商街道水湾社区海上世界船前广场 3 栋 302
AddressRoom 302, Building 3, Ship Front Plaza, Sea World, Nanshan District, Shenzhen, Guangdong, P. R. China
业务方向中科存储 全闪加速存储 · AI 算力基础设施
送样机送测
2 套现货可即时安排客户 PoC。
验联合验证
国家级院校第三方实测，可复现核验。
产量产交付
立讯精密代工，月产能约 1,000 套。
建生态共建
智算中心共建与平台适配合作洽询。
诚邀交流
诚邀算力中心、模型团队与产业伙伴莅临交流，共同推动 中科存储 在 AI 算力基础设施领域的规模化落地。
THANK YOU

让每一块 GPU 物尽其用

中科存储 WS5000 · 全闪加速存储算力一体机 · 深圳市中科航星科技有限公司

样机送测2 套现货可即时验证
联合验证国家级院校第三方实测
生态共建智算中心合作洽询
中科存储
←→ 章内翻页 · ↑↓ 切换章节 · O 总览 · ⎙ 导出 PDF

深圳市中科航星科技有限公司 · 中科存储 公司介绍 · 总览