我在 NVIDIA 官宣前兩週就预测了「它」会火爆
GTC 全場都在看 Blackwell，我在看集成名單。 NVIDIA 昨天發布了 Dynamo 1.0 ——黃仁勳稱之為「AI 工廠操作系統」。所有媒體都在追 GPU 性能數字，跑分圖鋪天蓋地。但 Dynamo 公告裡真正讓我停下來的，是 NVIDIA 選擇集成進推理調度層的開源項目名單。
GTC 全場都在看 Blackwell，我在看集成名單。
NVIDIA 本週發布了 Dynamo 1.0——黃仁勳稱之為「AI 工廠操作系統」。所有媒體都在追 GPU 性能數字，跑分圖鋪天蓋地。但 Dynamo 公告裡真正讓我停下來的，是 NVIDIA 選擇集成進推理調度層的開源項目名單。
LangChain、SGLang、vLLM，以及一個大多數人直接滑過去的名字：LMCache。
兩週前，我用自己花 16 個月打造的開源投資評分框架，完成了 LMCache 的完整評估。總分：7.78/10 ——Yellow 級別，「你不能錯過的項目」。
有意思的不是這個總分，而是底下五個維度的分數形狀。
這個開源項目，我在 NVIDIA 官宣前兩週就給了評分
GTC 全場都在看 Blackwell，我在看集成名單。
NVIDIA 本週發布了 Dynamo 1.0——黃仁勳稱之為「AI 工廠操作系統」。所有媒體都在追 GPU 性能數字，跑分圖鋪天蓋地。但 Dynamo 公告裡真正讓我停下來的，是 NVIDIA 選擇集成進推理調度層的開源項目名單。
LangChain、SGLang、vLLM，以及一個大多數人直接滑過去的名字：LMCache。
兩週前，我用自己花 16 個月打造的開源評分框架，完成了 LMCache 的完整評估。總分：7.78/10——Yellow 級別，推薦關注。在很多人眼裡，它當時只是 vLLM 的一個分布式補丁。
讓 LMCache 有意思的，不是這個總分，而是底下五個維度的分數形狀。
分數本身就是故事
完整的五維度評分如下：
技術護城河 8.5——這是整份評估裡的最高分。分散式推理實例之間的 KV-cache 解聚合，是一個真正的系統級難題。多數 LLM 推理架構對每個請求都從頭計算 KV cache，LMCache 的核心邏輯很簡單：已經算過的東西不要重算。結果是 TTFT（Time-to-First-Token）延遲降低 3 到 10 倍。對任何跑推理的團隊來說，這直接等於省錢。
商業化與 PMF 4.5——這是最低分。沒有披露的營收，沒有具名的企業客戶。項目有芝加哥大學的強力學術背書，但看不到任何市場開拓動作。在我的框架裡，一個項目技術再強，如果沒有市場為它付費的證據，就只能拿到低分。
零營收、零客戶、被 NVIDIA 欽點
多數人評估開源項目看 Star 數、Fork 數、社群氛圍。一個 8,000 Star 的項目感覺就是比 800 Star 的更值得投。但 Star 數量衡量的是知名度，不是商業牽引力。
我的框架逼你問一個不同的問題：這個項目在哪裡強，又在哪裡暴露？
LMCache 在長線基礎設施價值上很強（技術護城河 8.5、退出路徑 7.5），在近期商業化上很弱（PMF 4.5）。這個模式——C 高、D 低——是一種我稱之為「基礎設施潛伏者」的特定輪廓。技術已被驗證，但商業表面還沒出現。
然後 NVIDIA 提供了那個商業表面。
Dynamo 1.0 把 LMCache 集成進推理調度層，和 LangChain、SGLang、vLLM 並列，這直接改變了 D 維度的前景。不是因為 LMCache 突然有了營收——它沒有。而是因為 NVIDIA 的背書是推理基礎設施市場裡最強的 PMF 代理信號。它告訴每一個雲端供應商和企業 AI 團隊：這個組件現在是標準堆疊的一部分了。
評分背後的框架
以上評估來自 OSS Investment Scorecard——一套開源的 VC 評估框架，是我在過去 16 個月為一家管理超過 $2B 的風險投資基金評估開源 AI 項目的過程中，一點一點建起來的。
它解決的問題很簡單：風險投資的現有工具箱對開源項目不太管用。傳統盡調看營收、留存率、現金跑道，但早期開源項目往往什麼都沒有，卻可能有巨大的戰略價值。vLLM 在成為半個產業的預設推理引擎之前，也只是一個學術項目。
評分卡評估五個維度：
A. 開源生態系統（25%） — 社群健康度、貢獻者多樣性、集成面、依賴風險
B. 團隊與全球化（20%） — 團隊深度、巴士因子、地理覆蓋、GTM 能力
C. 技術護城河（20%） — 問題難度、技術方案的可防禦性、可量化的性能差距
D. 商業化與 PMF（20%） — 營收信號、企業採用、市場拉力證據
E. 退出路徑（15%） — 戰略收購邏輯、IPO 可行性、退出的生態定位
項目根據總分進入四個層級：Green（8.5+） 強推薦投資標的、Yellow（7.0–8.4） 推薦關注、Watch（5.5–6.9） 值得持續追蹤、Pass（<5.5） 未達門檻。
錨點校準：vLLM/Inferact 得分 8.9（Green），Hugging Face 得分 8.35（Yellow）。這兩個不是要引起爭論——它們是參照點，確保每一份評估都在同一把尺上打分。
LMCache 接下來會怎樣
GTC 集成已經反映在評分中——A 維度（生態系統）因為 NVIDIA 推薦而上調到 8.0。但 D 維度（商業化與 PMF）仍然是 4.5，這是整份評估裡最明顯的短板。
接下來值得追蹤的問題是：NVIDIA 的背書能不能轉化為真實的商業牽引力？具體來說——LMCache 是否會看到可量化的企業集成需求？團隊是否開始建立 GTM 職能？有沒有融資消息？
NVIDIA 的蓋章是必要條件，但不是充分條件。D 維度什麼時候補上來，決定了 LMCache 能不能從 Yellow 推進到 Green。
這就是評分卡設計的用途。不是一次性打分，而是隨市場變化持續更新的動態評估。
你也可以用
完整的 LMCache 案例研究、評分方法論、評估模板，全部開源：
👉 GitHub：OSS Investment Scorecard
如果你是開源項目的開發者，這套評分卡可以當作產品健康檢查——它逼你面對那些你沒在想的維度。用過這套框架的團隊告訴我，最有價值的部分不是分數本身，而是看到自己一直在迴避的盲區。
如果你是做基礎設施層盡調的投資人，這套框架提供了一個結構化的方式，讓你可以比較那些還沒有傳統 SaaS 指標的項目。
想讓你的項目接受評估？直接通過 GitHub Issues 提交。Watch 級別的分數也歡迎——重點是嚴謹分析，不是討好。
我是 Lucy Chen，新加坡風險投資機構的入駐企業家（EIR），專注 AI 基礎設施。我花了 16 個月建這套框架，因為我受夠了看到「一萬個 GitHub Star」被當作投資價值的替代指標。未來會持續發布更多評估和市場分析。
如果這篇對你有用，訂閱就不會錯過後續的評估更新。