DeepSeek联合清北发布DualPath框架：闲置网卡加速智能体推理性能

2026年2月27日，DeepSeek联合北京大学、清华大学在ArXiv平台发布全新智能体推理框架DualPath。该框架针对智能体长文本推理的I/O瓶颈，通过双路径设计激活闲置网卡带宽，在660B规模生产级模型测试中实现集群存储带宽全局池化，为大模型智能体落地提供算力优化新方向。

当大模型智能体处理万字级长文本或多轮复杂对话时，制约其推理速度的往往不是GPU算力，而是存储数据的读取效率——预填充引擎满负荷运转时，解码引擎的存储网卡却常常处于闲置状态，这种资源错配正成为生产级大模型落地的隐形障碍。

针对这一痛点，DeepSeek联合清北团队提出的DualPath框架彻底重构了传统的KV-Cache加载路径。

传统智能体推理采用Storage-to-Prefill单路径模式，所有KV-Cache数据都需通过预填充引擎的存储网卡加载，不仅容易造成带宽拥堵，还让解码引擎的存储网卡（SNIC）资源被浪费。而DualPath引入了Storage-to-Decode第二条路径：直接利用解码引擎闲置的SNIC带宽读取缓存数据，再通过高速计算网络（RDMA）将数据传输至预填充引擎，实现了集群存储带宽的全局池化与动态负载均衡。

在660B规模的生产级模型实验中，DualPath框架的优势得到了充分验证。