外界普遍认为算力是AI发展的核心瓶颈，但DeepSeek最新研究发现，在长上下文智能体场景中，真正的掣肘是存储带宽。其与北大清华合著的DualPath架构，通过为数据开辟“双路径”，成功破解了这一难题。这不仅让推理性能接近翻倍，更可能预示了下一代AI模型架构的演进方向。
智能速览
AI智能体推理中，存储带宽而非算力成为主要瓶颈。
DualPath架构通过开辟双路径，实现数据并行传输。
该架构在660B模型上实测吞吐量提升接近翻倍。
此技术或为即将发布的DeepSeek V4的核心底层架构。
AI竞争焦点正从算力转向IO效率与系统调度。
精华内容
当行业目光聚焦于算力军备竞赛时，一个被忽视的瓶颈正悄然浮现。DeepSeek的研究揭示，数据搬运的效率才是决定AI智能体表现的关键，其提出的DualPath架构正是为此而生。
真正的瓶颈
AI智能体在执行多轮任务时，会产生极长的上下文，平均可达3万Token以上，但每轮新增的内容仅几百个。这意味着模型需要反复读取庞大的历史记忆，即KV Cache。实测数据显示，这种场景下KV Cache命中率高达98.7%，导致GPU大部分时间并非在计算，而是在等待数据从存储调入显存，好比一位大厨因食材运输缓慢而无法施展厨艺。
双路径解法
传统架构中，KV Cache数据从存储直接读取到预填充引擎，导致该节点的网络带宽被占满，而解码引擎的显存却大量闲置。DualPath的核心创新是引入了第二条路径：KV Cache可以先被读入解码引擎，再通过高速的RDMA网络传输给预填充引擎。这种双路并行设计，将系统中所有节点的存储带宽都充分利用起来，彻底打通了数据通路。
性能跃迁
实测结果令人瞩目，在660B参数规模的模型上，DualPath架构使离线存储吞吐量提升了1.87倍，在线服务的存储吞吐量提升了1.96倍，性能几乎翻倍。该论文由北大博士生吴永彤牵头，其技术细节与外界对DeepSeek V4“百万级上下文”、“原生多模态”的猜测高度吻合，很可能揭示了V4的底层密码。这标志着AI竞争进入了“带宽决定时代”，IO效率正成为与算力同等重要的胜负手。
DeepSeek的DualPath架构不仅是一次技术上的突破，更是一场行业思想的革新。它证明在算力受制的环境下，通过极致的系统工程优化同样能实现性能跃迁。当IO效率成为新的竞争焦点，未来的AI发展将是算力、架构与调度的全面博弈。这是否会催生更多软硬协同的创新，重塑AI芯片的竞争格局？
