DeepSeek 让各行业引入 AI 大模子的刚烈和积极性昭着提高，已鼓舞 AI 在政务、动力、制造等范围日常铺张开来。
许多政企用户接入 DeepSeek 之后，感受到了 AI 大模子给业务带来了"旦用难回"的体验，很快就从试用的第一阶段，进入第二阶段——大模子推理集群的扩容升级。
当"有莫得 Deepseek 用"不再成为问题，那么" Deepseek 好不好用"的挑战就当面而来。
一来，东说念主多了，大皆打听央求带来的高并发，就像春运岑岭期涌入宏大的东说念主流量，会出现央求积压，模子推生机考时候变长，token 朦拢速率下落，用户的恭候时延达到 50-100 毫秒，做事器远程和列队让东说念主恼火。
二来，机器多了，加多更多做事器会碰到物理天花板，机器扩容并不会线性造就在线推理做事的体验，就像即使加多了更多车厢，但铁轨承载智商有限，也无法运输更多游客（AI 任务）了。
当行业智能化进入深度应用 DeepSeek 的第二阶段，不得不濒临高并发推理的时候挑战。在堆算力的同期，也要同步优化性能体验，非常于想要运输更多乘客，不仅要加多车厢数目，还要同步改革轨说念、站台和治理机制，将旧式火车升级为高铁，才气概述提高运载后果。
以 DeepSeek 为例，前不久公布了其利润率，高达 545%，其中就波及大皆工程化智商，比如引入大 EP 推理集群，完结高并发推理朦拢量指数级增长。
关于更多行业和企业来说，莫得 DeepSeek 那样的极客天才和顶尖时候团队，怎么用大 EP 来处理高并发推理挑战呢？当 AI 大模子启动进入千行万业的深水区，亟需一场大 EP 的"运力编削"。
许多政企客户在接入了 Deepseek 之后，使用量进一步加多，有了扩展推理集群范畴的需求，推理资源需要从 2 台扩展到 10 台，从 16 卡扩展到千卡，但扩容升级并不是往机房一放、网罗一连，就能安枕而卧了。
就像印度仍在使用的旧式火车，仅靠加多车厢，照旧无法提高运力，每个乘客能占用的火车空间极小，体验很差，火车不胜重任，延误误点成了家常便饭。访佛问题，在 Deepseek 和各式大模子与业务的会聚中，高并发推理卡住了用户的体验瓶颈。
面对上述问题，大 EP 大范畴众人并行的时候架构，成为趋势。
简单来说，大 EP 即是将 MoE（羼杂众人）模子中数千个众人，分派到更多的卡（算力）上去。本来一张卡只可拉 10 个东说念主，有了大 EP，不错同期拉 100 个（高并发）；本来只可跑一回车，当今不错同期跑八趟车（提高众人忖度打算路数 batch size），那么乘客就无须万古候恭候了。
是以，通过大 EP 不错提高高并发推理场景下的忖度打算后果，完结更大的朦拢和更低的时延。用户体感上，比如一家银行的使命主说念主员同期打听 Deepseek，不会碰到列队、延伸、过长恭候等情况。
大 EP 这样好，何如才气部署到我方的一体机或推理资源池呢？不经过一番戮力，如实很难吃到大 EP 的蛋糕。
一方面，推理场景的算力需求指数级扩展，而国外厂商的推理芯片如 H20，天然显存高，但算力不及，处理大 EP 场景时朦拢骤降。Deepseek 公开的论文来看，仍然使用 H800 来进行推理。更强算力且供应链安稳的推理硬件，是大 EP 必不可少的。
另一方面，当央求总量猛增之后，会带来多种万般的负载，且极不平衡，非常于有的车厢坐的东说念主多，有的车厢坐的东说念主少，负载不均相同会导致体验欠安。
此外，大 EP 场景的 All-to-All 通讯，导致卡间通讯占比时候高，非常于每个车厢的众人皆要告知到，这就会阻误收支站的后果。NVLink 在大 EP 场景中，实际灵验带宽运用率就不及。
由此可见，当行业使用 Deepseek 进入深水区，面对高并发推理场景，不可抱有"头疼医头脚疼医脚"的幸运方式，而需要通盘想考和系统攻坚。
今天来看，百行万企拥抱 Deepseek 不是追赶一时风口，而是对智能化发展趋势的耐久价值判断。普惠 LLM 进入千行万业，还是是势在必行。
而大 EP 无法奏凯被行业用起来，就意味着接入 Deepseek 永远存在时延高、体验差、资本难优化的问题，那么行业智能化也就无法奏凯达成。
不外也不必过于惦记，Deepseek、科大讯飞等模厂，与昇腾等算力厂商，以及政企行业用户，一直保捏着详尽勾搭与相通，自开年 Deepseek 兴隆以来，从部署履行中千里淀了大皆时候创新。
近期，昇腾推出了大 EP 处理决策，面向高并发推理场景，一站式升级为智能化"高铁"。
具体来说，昇腾大 EP 处理决策借助五大概津时候，与昇腾算力深度协同优化，奏凯冲破了"众人负载平衡 + 通讯优化"两浩劫题。
针对众人负载不均的贫穷：
昇腾大 EP 处理决策冷落了MoE 负载平衡时候，不错自动寻优，左证业务情况、集群范畴，找到最优的众人，自动展望哪个众人更忙，自动配比，当一个众人负载过多时自动陶冶，从而完结了备份节点和副本众人纯真可扩展、高可用和极致平衡，性能取得极大造就。
领受多种创新时候，作念到自符合的 autoPD 分离部署。左证 Prefill 和 Decode 的动态负载，进行 P、D 实例的自动伸缩，无需东说念主工介入，从而减少忖度打算访存资源竞争。会聚多级缓存内存资源池化，对冷热温数据进行差别，不错让系统的灵验朦拢造就 50% 以上。
针对 All-to-All 通讯优化的贫穷：
昇腾大 EP 处理决策冷落了双流 / 多维羼杂并行，其中 Prefill micro-batch 双流并行，不错完结忖度打算和通讯的互相诡秘；MoE expert 众人双流并行，完结两条数据流 Stream 的并行忖度打算；Weight 权重预取双流并行，不错把访存和通讯并行起来，镌汰权重加载时候，造就后果。
MLA 预处理阶段，昇腾大 EP 处理决策把大皆的小算子，合成为大的交融算子，将忖度打算耗时镌汰 70%，让算力智商充分施展出来。
淌若你以为上述时候创新多、不好记，那么只需要，借助昇腾大 EP 处理决策，行业应用 Deepseek 时，不错作念到：
快。打听 Deepseek 无需恭候。昇腾大 EP 不错将单卡并发造就 3 倍，Decode 阶段反映速率安稳在 50ms 以内，救济 600+ 并发央求。
省。业务使用 Deepseek 上量之后，推理集群扩展的同期，性能也保捏线性度，扩容概述伙本更优。
正如高铁改变了中国东说念主的出行，昇腾大 EP 为高并发推理铺设了一条"高速铁路"，改变了 Deepseek 上量扩容阶段的体验，为行业智能化提速增效。
仅用两个多月的时候，Deepseek 就完成了从试用阶段到扩容阶段的进阶。高并发推理场景和大 EP 时候架构，成为应用 Deepseek 的新挑战。这也领导咱们，行业智能化是一个次序渐进的过程，不可能一蹴而就。
自主创新算力与国产模子如同高铁的双轨，成为救济起智能中国的"新基建"。昇腾生态之是以与 Deepseek 等大模子愈加适配，谜底逐步清爽明确。
最初，昇腾有硬件，为行业智能化提供"永不千里降"的算力路基。昇腾硬件的 FP16 和 INT8 算力，可达到 H20 的 2 倍以上，且功耗更低，足以救济各行业智能化的安详前进。
此外，昇腾有软硬件的协同优化智商。跟着行业智能化的不休久了，AI 模子对算力需求不休蔓延，但硬件的物理天花板和企业的干预产出比，皆条款忖度打算性能捏续优化。昇腾的 AI 软硬件，提供从预考试到微调到强化学习，到推理集群、一体机，全经由全覆盖的决策，不错快速反映客户需求，高效救济时候创新。现时，昇腾与 DeepSeek 最新时候还是完结了" day0 "级别同步，确保企业智能化在昇腾软硬件基座上，永远行驶在时候最前沿。
更弥留的是，昇腾有伙伴。行业智能化是一个体系化工程，不是单一硬件或软件厂商就能独自完成的。在自主创新算力生态中，昇腾一方面兼容主流生态与 PyTorch 等国表里框架，同期与 ISV 伙伴、各大模厂皆保捏着详尽共生与合作。这意味着，当行业用户基于昇腾底座建树 AI 应用，能取得生态的全意见助力，减少智能化升级的阻力，镌汰概述伙本。
今天，智能化还是成为大众经济发展的主航说念。在自主算力与国产模子所铸就的双轨上，行业智能化也将走深向远，向着智能时间奔驰。
开yun体育网