如今，人工智能發(fā)展迅猛，大模型更是成為推動AI技術(shù)進(jìn)步的“引擎”。然而，隨著模型參數(shù)量的激增，算力需求也呈指數(shù)級增長，如何高效、低成本地運行大模型成為行業(yè)面臨的共同挑戰(zhàn)。

以DeepSeek R1滿血大模型為例，其參數(shù)量高達(dá)6710億，由于其采用了前沿的MLA注意力機制、共享專家和路由專家共同組成的混合專家（MoE）架構(gòu)，在提升推理效能方面成果顯著，但是企業(yè)在實際應(yīng)用過程中，對大模型的性價比有著更為極致的追求。

近日，超聚變FusionOne AI大模型一體機通過軟硬協(xié)同，深度調(diào)優(yōu)，成功打破了H20運行DeepSeek滿血大模型的性能天花板。在模擬問題對話場景（上下文序列長度1K/1K）下，僅需1臺FusionServer G8600搭載8張H20硬件，即可流暢運行DeepSeek R1滿血版，支持1024并發(fā)訪問數(shù)，總吞吐量高達(dá)6335 token/s，性能領(lǐng)先業(yè)內(nèi)H20方案60%。其中，TPOT（Time per Output Token）時延相比業(yè)內(nèi)H20方案減少40%，單臺FusionOne AI大模型一體機即可支撐數(shù)千人規(guī)模企業(yè)使用，將單機H20運行大模型的性能推向新高度。

軟硬協(xié)同調(diào)優(yōu)，打破 H20 性能天花板

• 算力釋放，顯存最優(yōu)分配：通過內(nèi)核優(yōu)化，提升顯存空間利用率20%，KV cache池使用率提升至93%，保障模型參數(shù)、過程KV高效運行
• 數(shù)據(jù)、模型并行調(diào)度：通過DP數(shù)據(jù)并行、TP模型張量并行技術(shù)，調(diào)度多卡分布式并行計算，提升token產(chǎn)生的吞吐效率50%，有效提升計算效能
• 推理任務(wù)切片混合調(diào)度：Prefill階段（首token輸出階段任務(wù)）長文本切片, 加速初始內(nèi)容生成速度，同時在每個切片計算過程中，混合調(diào)度Decode任務(wù)（后續(xù)token迭代生成任務(wù)）并行運行, 無需串行等待，提高資源利用率，降低TTFT（Time to First Token）和TPOT（Time per Output Token ）。

超聚變FusionOne AI大模型一體機以極致成本、性能躍升的雙重突破，大幅降低DeepSeek-R1 671B模型的部署門檻，以普惠形態(tài)讓更多企業(yè)和科研機構(gòu)能夠輕松應(yīng)用。未來，超聚變將持續(xù)加大研發(fā)投入，聚焦AI算力優(yōu)化與應(yīng)用拓展，加速企業(yè)AI應(yīng)用落地。

*本文圖片均來源于網(wǎng)絡(luò)