紫山龙霖发布GLFS：面向AI与Agent时代的数据操作系统

近日，紫山龙霖（国芯科技参股公司，持股42.86%）正式发布 Galactic Intelligence Fusion System（GLFS） ，定位为面向AI与Agent时代的数据操作系统。核心主张很明确：企业的挑战已不是"数据存在哪里"，而是如何让分散在不同存储、云平台、数据中心和业务系统中的数据被统一发现、高效流动、持续利用。

2026年6月第一周，微软Build和英伟达GTC不约而同把主题锁定在"Agent"。微软宣布Windows的核心使命从"运行应用"变为"运行Agent"，英伟达发布专为Agent设计的Vera CPU。Agent正在成为新一代计算的基本形态，而Agent最核心的工作负载之一就是数据分析——归因分析、异常检测、指标拆解、报告生成，每一步都依赖数据上下文。

但现实是：大量文件、对象、日志、文档分布在本地NAS、公有云、私有云、跨数据中心存储中；核心业务数据则锁在数据库、ERP、CRM里。数据孤岛导致检索成本高、跨域流动性能差、Token消耗巨大。GLFS正是为解决这个问题而来。

GLFS Data Plane的设计原则是 不推翻现有IT架构 ，让企业在已有数据基础设施上从"可存储"升级为"AI-ready"。

针对文件、对象和非结构化数据 ，GLFS通过全局命名空间，将第三方存储、云存储、跨数据中心存储及多类型文件系统统一接入。企业无需大规模迁移数据，也不用改变上层应用访问路径，即可获得统一数据视图和调度能力。

在全局命名空间下，GLFS支持文件路径不变的分层与缓存加速。面向AI与HPC场景，热数据可被缓存到更靠近GPU集群、推理节点的Tier0层或Burst Buffer层，冷数据下沉到低成本存储层，减少重复复制和跨地域访问带来的性能损耗与成本压力。

针对数据库和业务系统中的结构化数据 ，GLFS通过CDC（Change Data Capture）实时感知客户、订单、合同、设备、库存等关键业务变化，转化为持续更新的事件流。这些事件与文件、对象、日志、文档及元数据统一关联编排，形成覆盖结构化与非结构化数据的统一视图，为AI训练、推理、RAG和Agent工作流提供实时数据输入。

GLFS全局数据编排是连接数据、算力与AI应用的核心能力。基于全局命名空间、全局元数据视图和PB~EB级数据秒级发现与检索能力，GLFS将分散数据组织为统一数据空间，通过策略驱动的自动化工作流，实现数据、AI服务与计算资源的协同调度。

GLFS正在建设的Context Engine，目标不是解决"Agent如何记住东西"，而是围绕企业真实数据，自动构建Agent使用的 正确、完整、低成本上下文 。

未来GLFS将结合实体发现、关系构建、事件提取等能力，将分散数据进一步转化为面向业务对象的上下文资产，为多Agent协同决策提供更高质量的数据基础。

目前GLFS已实现 KV Cache加速能力 ，用于提升上下文复用效率、降低多Agent多任务场景下的重复计算成本。实际数据表现相当亮眼：AI推理场景每秒Tokens提升近 7倍 ，相同场景下相对业界标杆友商只需1/3的存储设备就能提供1.34倍的Tokens处理速率。

GLFS并非孤军奋战。2026年1月，紫山龙霖已与 绿算技术 （GP系列全闪存储，30余项发明专利，与华为飞腾等200多家企业完成生态认证）和美国 Chelsio （硅谷DPU芯片公司，第七代T7芯片支持400GbE网络，客户包括IBM、HP、DELL）达成战略合作。

三方围绕"芯片+硬件+系统"全技术栈展开深度创新，重点方向包括：联合开发"智能数据IO加速与调度"系统，在AI训练/推理场景中通过Chelsio的DPU加速数据流动、结合GLFS实现全局数据共享；共同研发"边缘存储芯片+轻量化算力模块"一体化方案；联合制定"存储-算力-网络"协同标准。

这一布局正好契合黄仁勋提出的"四级存储架构"趋势，也与紫山龙霖作为国芯科技AI基础设施关键建设者的定位一致。